AnsirStudio/llm-wiki-distiller

LLM Wiki Distiller

核心想法

維護一個面向大模型使用的個人知識庫：記錄用戶學到了什麼、看重什麼、注意到什麼、保存過什麼、總是忘記什麼，以及希望未來模型能記住什麼。不要重複寫百科式通用知識；重點保留用戶自己的視角、來源路徑、訓練截止之後的新資訊，以及可重複使用的個人上下文。

庫根固定四個目錄 + 三個根檔案（index.md / log.md / pending.md）：

1. raw/：原始素材、附件和待處理 inbox。
2. wiki/：由 LLM 維護的蒸餾條目。
3. _staging/：並行批處理的暫存提案（目錄常駐，內容 transient——integrate 消費後刪）。
4. review/：審查報告（review/YYYY-MM/ 按月歸檔，最新一篇兼作 review 游標）。

任何建立、修改、刪除、歸檔或實質性審查，都要同步更新 index.md 和 log.md。

資源地圖

本檔案只負責路由。判定模式後，立即讀取對應 mode；mode 會告訴你下一步該讀取哪些 reference/schema。

• modes/quick.md：不經過 inbox 的快速新增、修改、歸檔、刪除。
• modes/distill.md：處理 raw/inbox/ 或其他 raw 素材並正式蒸餾。
• modes/review.md：審查、健康檢查、合併提議；每輪產出一篇帶日期的 report。
• modes/search.md：唯讀檢索和總結，不寫入。
• modes/integrate.md：並行編排時，編排者把多個 capture-only 子 agent 的 proposal 統一落地（唯一寫手、序列）。
• references/raw.md：raw 目錄、來源分類、附件、重複素材處理。
• references/wiki.md：wiki 頁面類型判斷、邊界、寫入規則。
• schemas/common.md：通用 YAML 欄位、受控詞表、日期和狀態。
• schemas/raw.md：raw markdown 指標、來源 metadata、附件引用規則。
• schemas/wiki.md：wiki 各類型頁面的 frontmatter 與正文結構。
• schemas/root.md：index.md、log.md、pending.md 格式。
• schemas/report.md：review report 的位置、frontmatter 與正文結構（最新 report 兼作 review 游標）。
• schemas/proposal.md：並行編排時 capture-only → integrate 的暫存提案格式。

不要一次讀完所有資源。按 mode 的步驟逐步讀取。

Step 0：知識庫根目錄檢查

使用任何模式前，先確認目前工作目錄是不是知識庫根目錄。只做輕量冪等檢查，不讀取其他 reference/schema。

把目前目錄視為已有知識庫，需要至少命中 2 類訊號：

• 存在 raw/，且其中有 inbox/、attachment/、dropzone/ 或其他 raw 分類。
• 存在 wiki/，且其中有 concept/、entity/、summary/、scrap/ 或其他 wiki 分類。
• 存在根目錄檔案 index.md、log.md、pending.md 中至少 2 個。

處理方式：

• 命中 2 類或以上：繼續模式門。
• 命中 0 類，且目前目錄為空或接近空：詢問用戶是否在目前目錄初始化知識庫，或提供已有知識庫路徑。
• 命中 0-1 類，且目前目錄明顯是其他專案：停止，要求用戶提供知識庫路徑；不要在目前專案裡建立 raw/、wiki/。
• 用戶在請求中明確提供知識庫路徑時，切換到該路徑後重新做本檢查。

模式門

按用戶語義四選一，不要求用戶說出模式名：

1. 用戶要覆盤/維護現有庫，例如「review 一下」「檢查矛盾」「跑健康檢查」 → 讀 modes/review.md。
2. 用戶只想查/問/總結已有內容，不要求新增或修改 → 讀 modes/search.md。
3. 用戶要新增、修改、歸檔或刪除，但不需要處理 inbox/raw 原始素材 → 讀 modes/quick.md。
4. 用戶要處理 raw/inbox/、剪藏、長文、聊天、社媒、PDF、影片轉錄、GitHub 專案或其他 raw 素材 → 讀 modes/distill.md。

如果模式不確定，優先判斷用戶是否要求寫入；寫入但來源還沒被整理，走蒸餾；純查詢走檢索；維護庫本身走審查。

並行編排補充：蒸餾模式有一個 capture-only 變體（每個子 agent 只認領一條，只寫自己的 summary + raw + _staging/<id>.md proposal，不碰共享頁），配合 integrate 模式（編排者把多條 proposal 統一落地）。約束寫在 modes/distill.md 的「執行模式」節；何時並行、怎麼派子 agent，由呼叫方專案的 CLAUDE.md 決定，不在本 skill。

共享硬規則

• 把 wiki 當成「編譯後的記憶」，不是原文倉庫。保留 raw 來源路徑，不把完整原文搬進 wiki。
• YAML original_url 只放核心外部 URL，用於快速開啟網頁、影片、貼文、論文、專案主頁等一手來源；只允許 http:// 或 https://。本地 .md、raw/...、wiki/summary/...、附件路徑、絕對/相對檔案路徑、Obsidian 內鍊和對話裡的本地文件連結永遠不能寫入 original_url；沒有外部 URL 就留空陣列 []。raw 路徑、summary 頁和內部證據關係寫正文 ## 來源 或 related。搜尋補充、背景資料、延伸閱讀放正文末尾的 ## 來源，不要塞進 frontmatter。不要在 wiki YAML 中使用 sources 欄位。
• 2025-01-01 以前的知識預設輕寫，除非它對用戶很重要、罕見，或構成用戶思考基礎。2025-01-01 之後的知識可以更重視，因為它可能補足模型訓練截止後的 gap，但仍以「有用」而不是「完整」為準。
• 使用絕對日期。持久化事實裡不要只寫「昨天」「今天」「最近」，除非同時寫明絕對日期。
• 區分事實、推斷、偏好和弱訊號。弱訊號不直接當作穩定事實寫入。
• 新來源和舊頁面衝突時，保留雙方說法、來源和日期，標記衝突，不要靜默覆蓋。
• 寫入前搜尋重複頁面、相似標題、別名、來源 URL 和核心句子。
• 預設不物理刪除知識；歸檔、過時、被取代要保留歷史。真正刪除前必須確認。
• 對敏感、高影響、醫療/法律/財務、身份定義類結論，如果證據模糊，寫入前先問用戶。
• 區分「判斷類工作」和「機械類操作」：判斷類（蒸餾取捨、合併決策、審查時評估一條內容是否重要/該刪該留）必須由 agent 理解語義後直接完成，不能外包給腳本去猜——這是這個 skill 存在的價值，腳本沒有判斷力。機械類（按明確規則過濾、計數、重新命名、格式轉換，以及庫變大後可能需要的本地搜尋/索引/向量庫等基礎設施）鼓勵用命令列工具或腳本完成，而且應該優先這樣做。
• 執行機械類操作時，優先使用不需要把整份檔案內容讀進 agent 上下文的方式（grep/sed/awk/一次性腳本，blind 執行），用計數和 diff 驗證結果（wc -l、grep -c、git diff --stat），而不是讀完整檔案或列印全文核對——省 token，結果一樣可靠。只有操作本身需要判斷（比如審查時決定某條內容該不該刪）才需要先讀再做。
• 不包含 agent 編排檔案。不同平台的 AGENTS.md、CLAUDE.md 或子 agent 策略由使用者專案自行維護。