llm-wiki-plugin
为AI Agent打造共享知识库，将文档转化为可搜索引用的Wiki。
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-plugin。 它的用途是：为AI Agent打造共享知识库，将文档转化为可搜索引用的Wiki。 完整的 Skill 内容见：https://321skill.com/skills/llm-wiki-plugin/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“/wiki:add 上周的产品评审会纪要.pdf”，它会自动解析PDF并存入知识库。之后你可以问：“我们上次关于登录流程优化讨论了哪些关键点？”，AI会从知识库中检索相关段落，并给出带有具体页码引用的回答。
介绍
LLM Wiki 是一个专为AI Agent设计的插件，旨在解决AI在每次会话中上下文丢失、知识无法积累和复用的问题。它允许你将PDF、文章、笔记等各种文档转化为一个结构化的Markdown Wiki知识库，成为AI的“第二大脑”。
使用方式非常直观：通过简单的命令（如/wiki:add）添加文档源，插件会自动将其解析、分块并嵌入到本地向量数据库中。之后，AI Agent在处理任务时，可以通过自然语言提问，快速从知识库中检索到相关段落，并生成带有准确引用的回答。有价值的回答还可以被保存回知识库，实现知识的持续增长。
这个工具非常适合需要长期积累和复用知识的团队或个人，例如研究人员、产品经理、开发者以及任何需要处理大量文档并希望AI能基于历史信息进行决策的场景。它让AI不再是每次对话都“从零开始”，而是拥有了一个不断进化的共享记忆。
与许多依赖云端向量数据库或API的同类工具不同，LLM Wiki的核心区别在于其“本地优先”和“零供应商依赖”的设计理念。它默认使用本地模型进行语义搜索，无需网络连接、API密钥或产生额外费用，同时保持了Wiki内容的完全可读性和可编辑性，将控制权完全交还给用户。
核心特点
核心区别在于默认采用完全本地的语义搜索方案（FastEmbed + sqlite-vec），无需依赖任何外部API或云服务，确保了数据隐私和零运营成本；同时，它将知识库存储为纯Markdown文件，兼具机器可读和人工可编辑的双重优势。
注意事项
不适合需要处理高度结构化、实时交易数据或进行复杂联表查询的场景，这类需求更适合使用传统数据库。
常见问题
LLM Wiki需要联网吗？
默认的语义搜索功能完全在本地运行，无需联网。只有在初始化下载模型时需要网络。
它支持哪些文件格式？
支持PDF、文章网页、文字转录稿、Markdown笔记等多种格式的文档。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/llm-wiki-plugin/raw/index.md 读取 llm-wiki-plugin 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/llm-wiki-plugin/raw/index.md（查看排版版本）