
de llm-wiki-skill941
Construit et maintient un wiki de connaissances personnelles en croissance continue à partir de liens, de fichiers et de texte ; supporte l'extraction multi-sources et la génération automatisée de pages.
LLM-Wiki transforme le contenu fragmenté (pages web, publications sociales, PDF, fichiers locaux) en un wiki personnel structuré et interconnecté. La compétence orchestre l'ingestion, l'extraction d'entités/sujets et la génération de pages afin que les connaissances s'accumulent au fil du temps au lieu d'être redérivées à chaque requête.
Déclencher lorsque l'utilisateur demande explicitement la création ou la gestion d'une base de connaissances (mots-clés : "base de connaissances", "wiki", "llm-wiki") ou demande des actions telles que init, ingest, batch-ingest, query, lint, status, graph, ou crystallize. Ne pas déclencher pour la synthèse d'un seul article, sauf si l'utilisateur demande de l'ajouter à une base de connaissances.
Idéalement utilisé avec des agents pouvant exécuter des scripts shell et appeler des outils locaux (agents capables de CLI). Fonctionne bien avec les agents de type Claude/Codex/Copilot ou tout environnement d'exécution pouvant invoquer les scripts du dépôt et gérer des fichiers locaux.
llm-wiki is a comprehensive personal knowledge wiki builder based on the Karpathy llm-wiki methodology. It supports multi-source ingestion (URLs, PDFs, local files, plain text), automated wiki page generation, knowledge graph visualization, and health checking. The SKILL.md is extremely thorough (27K+ chars, 10 workflows). Scripts are well-structured with proper error handling and atomic writes. Most script failures in testing were due to path isolation (shared-config.sh sourced via relative paths) or missing wiki context — expected and not indicative of real bugs. The skill uniquely targets Chinese-English bilingual users.
jqnodeperlpython3No security concerns. The curl|sh pattern in print_install_hint is informational only (stderr hint to user, not auto-executed). Well-engineered skill with clear separation of concerns, proper validation, and good defensive scripting.