llm-wiki
为AI智能体构建和管理知识库的编译工具集
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：llm-wiki。 它的用途是：为AI智能体构建和管理知识库的编译工具集 详细介绍见：https://321skill.com/skills/llm-wiki-nvk/ 请根据该页面的说明完成安装。
使用示例
“@wiki research ‘硬件钱包威胁模型’”，它会启动多代理并行研究，搜集相关资料并自动整理成结构化的知识笔记。
对AI说：“$wiki-query ‘关于比特币迷因，知识库里有什么？’”，它会快速检索已编译的知识库，给出精炼的摘要和相关链接。
介绍
llm-wiki 是一个专为AI智能体设计的知识库编译与管理工具。它解决了智能体在研究和协作过程中信息分散、难以结构化复用的问题，通过自动化的会话捕获、资料收集和内容整理，将零散的研究成果转化为结构化的知识库。
该工具提供多种使用方式，可以作为Claude Code或OpenAI Codex的原生插件直接集成到开发环境中，也可以通过OpenCode指令文件或便携的AGENTS.md文件供其他LLM智能体调用。用户可以通过简单的命令（如 @wiki research 或 $wiki-query）触发智能体进行多代理并行研究、资料收集、会话存档和知识审计。
它非常适合需要长期、系统性进行信息研究、整理和知识沉淀的团队或个人，例如技术调研、市场分析、学术文献综述或项目知识管理。无论是智能体开发者、研究人员还是内容创作者，都能利用它将动态的研究过程固化为可查询、可链接的静态知识资产。
使用建议：初次使用时，建议从 @wiki research 或 @wiki collect 命令开始，让智能体围绕一个主题进行初步探索和资料收集。注意，其生成的知识库内容质量高度依赖于智能体模型的能力和用户提供的引导，对于需要极高精确性的领域（如法律、医疗），建议进行人工复核。
核心特点
与普通笔记或文档工具不同，llm-wiki是专为AI智能体工作流设计的“编译器”，能将智能体的动态研究会话、反馈和收集的资料自动编译成结构化的、可链接的Obsidian兼容知识库，并支持多代理并行研究和主题驱动的深度调查。
注意事项
不适合需要实时、高频率更新或对事实准确性要求达到生产级（如金融交易、医疗诊断）的场景，其知识库内容依赖于上游AI模型的理解和生成能力。
常见问题
llm-wiki 和 Obsidian 有什么区别？
llm-wiki 是生成和编译知识库内容的工具，尤其为AI智能体优化；Obsidian 是知识管理和链接的工具。llm-wiki 生成的内容可无缝导入 Obsidian 使用。
没有编程背景能用吗？
作为插件安装后，主要通过自然语言命令（如 @wiki query）使用，门槛较低。但高级配置和本地部署可能需要一定的命令行操作知识。