核心用法
Wiki 是一套 LLM 驱动的个人知识库架构，核心在于将碎片化信息转化为结构化、可检索、可浏览的知识资产。系统围绕 ~/wiki/ 目录构建，采用 MkDocs 静态站点引擎，将 Markdown 文章组织为层级化的主题体系。
主要操作模式包括：
1. 直接归档 — 对话中产生的持久知识即时写入 docs/topics/<topic>/<article>.md，同步更新索引与导航
2. 原始资料编译 — 从 docs/raw/ 提取、提炼、结构化来源材料，归档后移至 processed/
3. 自动化维护 — 每日心跳任务执行 lint：检测矛盾事实、过期数据、断链、内容缺口
4. 静态发布 — 通过 scripts/build.sh 一键重建站点并推送到远程
文章遵循严格的参考文档风格：H1标题、情境日期标注、H2分段、表格对比、代码块、底部交叉引用（See also）。目标读者为需要构建第二大脑的深度用户——研究者、开发者、长期学习者。
显著优点
- 结构化优于搜索：预定义的 topic 层级 + 人工维护的交叉引用，避免依赖全文检索的噪音
- LLM 作为图书管理员：机器执行编译、lint、格式一致性检查，人类专注内容质量判断
- 来源可溯：原始资料保留在
raw/processed/，支持审计与回溯 - 静态站点输出：MkDocs 生成可托管的浏览站点，无运行时依赖
- 工作流闭环：从
bootstrap到build的完整脚本化，降低运维摩擦
局限性与风险
- 架构门槛：需理解 MkDocs、git、静态站点概念，非技术用户学习曲线陡峭
- 依赖脚本完整性：
scripts/build.sh等未展示具体实现，实际可靠性未知 - lint 深度有限：矛盾检测依赖 LLM 推理，无结构化校验机制，可能出现漏报或误报
- 非实时协作：基于 git 的单人工作流，不支持并发编辑或细粒度权限控制
- 存储形态锁定：Markdown + 文件系统，大规模知识库（10k+ 文章）性能与检索效率未验证
适合人群
- 技术背景的知识工作者，熟悉 CLI 与 git 操作
- 希望将 ChatGPT/Claude 对话沉淀为可复用资产的长期用户
- 偏好"策展式"知识管理（主动组织）而非"流式"管理（被动收集）的人群
- 需要公开或半公开知识站点（个人 wiki、团队手册）的发布者
常规风险
- 数据持久化风险：若
~/wiki/未纳入备份策略，本地丢失即永久丢失 - LLM 幻觉污染：编译阶段可能将模型生成的错误信息固化为"权威"文档
- 过期货架化：lint 的"stale data"检测依赖启发式规则，需人工复核确认
- git 历史膨胀：频繁自动提交可能导致仓库体积膨胀，需定期维护
- 单点故障：系统高度依赖单一 LLM 会话的上下文连续性，跨会话状态同步机制未明确