LLM-Wiki-

一个由 LLM 持续维护的 Markdown 知识库框架：将不可变素材编译为可链接的知识，再按任务路由转化为查询结果和内容产物。

本仓库的公开部分展示架构、维护协议与脱敏示例；真实素材、写作技巧、方法论、项目草稿、日志和个人信息均被忽略，不会提交到 GitHub。

它解决什么问题

内容创作中的资料通常分散在网页剪藏、课程笔记、作品案例和历史草稿中。即使借助普通 RAG 或文件问答，也常要在每次提问时重新检索、拼接和判断，难以让一次分析成为下一次创作的起点。

这个系统把“资料处理”从一次性对话变成持续运行的知识生产过程：

核心理念

普通的文档问答会在每次提问时重新检索和拼接资料。LLM-Wiki 的做法不同：新素材进入后，AI Agent 会读取、提炼、更新相关页面、维护链接，并同步索引和日志。知识不是一次性回答，而是持续累积的 Wiki。

使用者负责选择素材、判断方向和提出问题；AI Agent 负责整理、链接、归档与维护。

这不是一个“把所有文件上传给模型”的项目，而是一套由 Agent 维护的持久化知识结构：页面之间的关联、来源、冲突和阶段结论都会随使用逐步积累。

架构

• AGENTS.md：规定 Agent 的职责、目录边界、词条格式和工作流调用顺序；它相当于知识库的运行 schema。
• index.md：内容目录。查询先看索引，再进入少量相关页面，避免在整个库里盲目漫游。
• log.md：时间线。记录摄入、查询沉淀、规则调整和健康检查，便于回溯知识库如何演化。

内容创作扩展

在基础 LLM-Wiki 之上，本项目增加任务路由与创作生产线：

五类工作流

公开工作流文档位于 docs/工作流/。它们保留了项目的调度逻辑与交付物边界，不公开具体写作技巧、风格规则或私有方法论。

Agent 如何工作

• 路由：先识别这是摄入、查询、分析、生成还是验收任务，不把所有规则一次性塞进上下文。
• 读取：先读取索引和当前阶段需要的页面；只有证据不足时才回到原始素材。
• 交付：每个环节输出结构化摘要，例如问题定义、资料清单、结构骨架或验收结论。
• 传递：下一环只接收必要交付物，而不继承全部原文与聊天记录。
• 沉淀：稳定结论回写 wiki；一次性结果进入 outputs/；发现问题则进入返工或健康检查。

可复制模板

public-template/ 是不含真实资料的独立模板，包含：

• AGENTS.md：通用维护协议；
• raw/、wiki/、outputs/：说明文件和目录骨架；
• index.md、log.md：可直接复制的索引与日志起点；
• examples/虚构阅读笔记/：完全虚构的 raw → wiki → outputs 最小示例。

公开范围

本仓库只公开架构、脱敏工作流和虚构示例；真实素材、知识内容、创作产物、本地配置与个人信息均不纳入版本控制。发布前可按 docs/隐私发布清单.md 审核暂存区。