llm-wiki-enhanced

基于 Karpathy LLM Wiki 的增强版个人知识库系统。 三层架构 · 视频自动摄入 · 跨学科思维模型 · Obsidian 兼容

核心能力

1. 视频自动摄入

一条命令完成：视频下载 → 字幕提取 → 笔记压缩 → 知识库入库

• 字幕优先，不浪费 token 做 ASR
• Bilibili cookie 自动搜索（BILIBILI_COOKIE_FILE 环境变量 / 默认路径）
• 长视频字幕覆盖率校验（ 10 分钟视频要求 75% 覆盖）
• 访谈类视频压缩率 10-20%（84 分钟 → ~5-8K 字符）

2. 跨学科思维模型（Munger Discipline Model）

• Definition — 是什么
• Discipline — 学科归属
• When It Applies — 什么时候适用
• When It Fails — 什么时候失效
• Cross-Domain Transfer — 跨领域怎么用
• Key Points — 核心要点
• My Position — 我的立场（个人写作专用）
• Contradictions — 矛盾记录
• Sources — 来源溯源
• Evolution Log — 认知演变日志

4. 来源完整性保障

• 每个 raw 文件计算 SHA-256 哈希，存入 source 页 frontmatter
• lint 自动校验哈希一致性
• 来源超 2 年自动标注 possibly_outdated
• 矛盾来源显式记录，不静默覆盖

配置项

个人数据默认不随仓库发布，raw/ 和 wiki/outputs/ 只保留空目录骨架。常用本地配置放在环境变量或 .env 中：

复制 .env.example 后按需填写，不要把真实 .env、cookie 或 raw 私人资料提交到 Git。

设计哲学

• 知识复利 RAG 重搜 — 编译一次，持续复用，交叉引用已建立
• 来源不可变 — raw 层永远不修改，错误在 wiki 层修正
• 矛盾显式化 — 不同来源的分歧必须记录，不静默覆盖
• 置信度透明 — 每个结论标注证据强度，不假装确定
• 跨学科迁移 — 一个概念不只是「是什么」，更是「在哪些场景能用」

致谢

• Andrej Karpathy — LLM Wiki
• Charlie Munger — 多元思维模型（Latticework of Mental Models）
• BiliNote — Bilibili 视频笔记生成