study-notes
一个遵循LLM Wiki模式的个人知识库，用于沉淀和唤醒AI时代的知识。
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：study-notes。 它的用途是：一个遵循LLM Wiki模式的个人知识库，用于沉淀和唤醒AI时代的知识。 完整的 Skill 内容见：https://321skill.com/skills/study-notes/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
“帮我将刚看完的B站AI教程视频要点整理到知识库的`wiki/llm/`目录下。” 它会调用内置的`kg-bilibili`技能，自动获取视频字幕或转写音频，提取关键知识点，并按照你设定的LLM Wiki格式，生成结构化的Markdown笔记，存入指定位置。或者，当你在研究一个新概念时，可以
对AI说：“查一下知识库里我之前关于‘注意力机制’的笔记。” AI会快速检索`index.md`和`wiki/`目录，唤醒你的已有理解，并在此基础上进行补充或关联。
介绍
这个Skill解决的是AI时代个人知识管理效率低下的问题。它提供了一个结构化的知识库框架，帮助用户将AI难以提供的个人判断、项目上下文和踩坑经验沉淀下来，并通过索引快速唤醒已有知识，避免重复学习。
使用方式是将该仓库克隆到本地，作为一个自包含的笔记库运行。其核心是wiki/目录，用于存放AI协助整理的结构化知识；raw/目录存放原始资料；archive/目录用于归档旧笔记。库内自带多个以kg-为前缀的摄入Skill，可以自动将视频、公众号文章、播客等内容转为文字并沉淀到知识库中。
它非常适合需要持续学习、积累项目经验或进行深度研究的个人，如学术研究者、高校学生、全栈开发或内容创作者。通过将零散知识系统化，它能有效提升学习和工作效率。
使用建议是，先阅读AGENTS.md了解AI维护契约，从index.md开始建立知识索引。注意，它的价值在于长期使用和持续维护，适合有主动整理习惯的用户。库内Skill依赖Python环境，迁移时需运行安装脚本。
核心特点
核心区别在于其独特的“LLM Wiki”运作模式和自包含的摄入Skill生态。它并非一个通用的笔记工具，而是专门为与AI协同构建知识而设计，内置了从多种媒体源（B站、微信、小宇宙等）自动转写并沉淀文本的Skill链（如kg-bilibili），且这些Skill与知识库绑定迁移，实现了“知识摄入-整理-归档”的全流程自动化闭环。
注意事项
不适合追求开箱即用、无需配置或期望有精美图形界面的用户，它更偏向于开发者或技术爱好者的命令行工作流。
常见问题
如何将我的旧笔记迁移到这个库？
可以将旧笔记整体放入`archive/`目录原样封存，然后基于当前的知识结构，在`wiki/`中向前新建和整理内容。
自带的`kg-`系列Skill支持哪些平台？
目前支持B站视频、微信公众号文章、小宇宙播客和普通文档的文本转写与摄入，底层共用`kg-media-to-text`技能。
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/study-notes/raw/index.md 读取 study-notes 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/study-notes/raw/index.md（查看排版版本）