llmwiki 工作流与触发对话总览

概述

llmwiki 是一个人机协作的个人知识管理 Wiki。核心设计理念：agent 负责语义判断、撰写和综合；Python 脚本（wiki_cli.py）负责确定性的校验、归档和索引维护。整个系统由 5 个 Skill 驱动，覆盖从原料收集到博客发布的全生命周期。

知识在三个层次间流动：

层次	目录	角色
原料层	`00_收件箱/`	原始材料，只读入口
草稿层	`99_AI初稿/`	agent 产出的草稿，带 frontmatter，待人审
正式层	`01_项目/` `02_领域/` `03_资料库/` `06_术语/`	稳定可引用的正式 Wiki
归档层	`04_归档/`	降级/历史页面
导航层	`05_导航/`	入口、地图、Canvas、graph.html

触发条件：对话中得出新的稳定结论；用户说”沉淀/入库/把 X 写成笔记”；00_收件箱/ 有新文件；llmwiki-query 答完后判定需要回写。

执行步骤：重复检测 → 概括标题 → 参考 taxonomy 选 tags → 按 Schema 写草稿到 99_AI初稿/ → validate 校验 → find-similar 影响面分析 → 汇报用户 → 用户确认后 archive --post 归档。

职责分工：agent 做语义清洗与撰写；脚本做落盘、校验、影响面分析。

触发条件：用户提出 Wiki 主题相关问题；需要综述、对比、决策回顾。

执行步骤：search 语义检索 top-5 → 读 index.md 补漏 → 读候选页面正文 → 综合给出带引用链接的回答 → 判断是否值得沉淀 → 若值得，显式问用户”是否沉淀” → 确认后转入 capture。

三种模式：quick（不沉淀）、standard（判断后决定）、deep（必须明确问是否沉淀）。

触发条件：用户说”体检/lint/巡检/保鲜/检查过期”；大量归档后；定期周检；query 中发现某页陈旧。

执行步骤：check --json 一次性输出三段——lint（结构）、evolution（保鲜）、tag 近义词建议 → agent 按优先级汇报 → 用户决定是否 --fix 或降级。

职责分工：脚本检测问题；agent 做语义判断和汇报；破坏性操作绝不自动执行。

触发条件：用户问”X 是什么”；query 中发现某术语多次出现但无专属页；用户说”给 X 建个术语页”。

执行步骤：查 06_术语/ 是否已有 → web 检索（至少 2 源交叉验证）→ 草稿落 99_AI初稿/术语/ → validate → 用户确认后 archive → find-refs 扫描裸文本 → link-term 批量加双链。

触发条件：用户说”发布/部署/生成博客/hexo”。

执行步骤：脚本做确定性转换（wikilink/callout/embed/图片 → Hexo 格式）输出到 98_发布/ → agent 修复残留 Obsidian 语法 → 部署到 Hexo 工程。