[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-991":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":8,"htmlUrl":8,"language":8,"languages":8,"totalLinesOfCode":8,"stars":9,"forks":10,"watchers":11,"openIssues":12,"contributorsCount":13,"subscribersCount":13,"size":13,"stars1d":14,"stars7d":15,"stars30d":16,"stars90d":13,"forks30d":13,"starsTrendScore":17,"compositeScore":18,"rankGlobal":8,"rankLanguage":8,"license":8,"archived":19,"fork":19,"defaultBranch":20,"hasWiki":21,"hasPages":19,"topics":22,"createdAt":8,"pushedAt":8,"updatedAt":23,"readmeContent":24,"aiSummary":25,"trendingCount":13,"starSnapshotCount":13,"syncStatus":26,"lastSyncTime":27,"discoverSource":28},991,"karpathy-llm-wiki-vault","jason-effi-lab\u002Fkarpathy-llm-wiki-vault","jason-effi-lab",null,593,194,3,1,0,20,31,115,60,90.37,false,"main",true,[],"2026-06-12 04:00:06","# LLM Wiki 知识库\n\n本项目是一个基于 [Karpathy 的 LLM Wiki 理念](https:\u002F\u002Fgist.github.com\u002Fkarpathy\u002F442a6bf555914893e9891c11519de94f) 构建的 Obsidian 知识库。\n\n## 核心理念\n\n将碎片化的信息编译成**结构化、高度相互链接**的知识网络，便于 AI 辅助学习和研究。\n\n## 目录结构\n\n```\n\n🏛️ 你的知识库文件夹 (LLM-Wiki-Vault)\n├── 🖼️ assets\u002F                   ← 统一媒体资源层：存放图片、PDF、附件（Obsidian设置附件路径至此）\n│\n├── 📥 raw\u002F                      ← 原始资料收件箱（只读事实层，文件处理后移动至 archive）\n│   ├── 📄 01-articles\u002F          ← 网页剪藏、技术文章 (.md)\n│   ├── 🎓 02-papers\u002F            ← 论文、深度研报、PDF文档\n│   ├── 🎙️ 03-transcripts\u002F       ← 视频\u002F播客转录文本、会议记录\n│   ├── 💡 04-meeting_notes\u002F     ← 头脑风暴或会议纪要等\n│   └── 🗃️ 09-archive\u002F           ← 已归档区：`\u002Fingest` 执行成功后，源文件自动移动至此\n│\n├── 🧠 wiki\u002F                     ← 知识编译输出层（LLM 拥有完全写权限，人类阅读层）\n│   ├── 📑 index.md              ← 全局内容字典：记录所有 wiki 页面及其一句话索引\n│   ├── 📜 log.md                ← 行为流水线：以 Grep-friendly 格式记录 ingest\u002Fquery 历史\n│   ├── 🏗️ concepts\u002F             ← 抽象层：方法论、架构模式、第一性原理 \n│   ├── 👥 entities\u002F             ← 实体层：人名、公司、工具软件、项目 \n│   ├── 🔍 sources\u002F              ← 摘要层：针对 raw 文件的一对一核心观点提炼 \n│   └── 💎 syntheses\u002F            ← 综合层：针对复杂提问生成的深度研究报告 \n│\n├── 🤖 CLAUDE.md                 ← 全局心智规范：定义语言协议、读写权限与 Wiki Schema\n│\n└── ⚙️ .claude\u002F                  ← Claude Code 官方配置目录\n    └── 🛠️ skills\u002F               ← Agent Skill中心\n        ├── ⚙️ ingest\u002F           ← 自定义：编译收件箱 raw 文件到 wiki，并执行 09-archive 归档\n        ├── 🔎 query\u002F            ← 自定义：检索 wiki\u002Findex 并读取相关页面，生成带双链引用的回答\n        ├── 🩺 lint\u002F             ← 自定义：知识体检，修复死链、补充 index、发现认知冲突\n        ├── 🔌 obsidian-cli\u002F     ← Obsidian官方：调用 Obsidian 原生 API 进行检索、打开页面\n        └── 🪄 defuddle\u002F         ← Obsidian官方：将网页 URL 自动清理并转化为 Markdown 存入 raw\u002F\n```\n\n\n## 使用方式\n\n在 Obsidian 中打开本 vault，使用Claude Code或者Claudian插件执行操作。\n\n### 常用命令\n\n- `\u002Fquery \u003C问题>` — 在知识库中搜索相关内容\n- `\u002Fingest` — 将新的原始资料编译到知识库\n- `\u002Flint` — 检查知识库健康度（死链、孤儿页面）\n\n## 知识来源\n\n- Google Gemini API 官方文档\n- Anthropic Claude 最佳实践\n- 各机构发布的 Prompt Engineering 白皮书\n- 学术论文（如 5C Prompt Contracts）\n","本项目是一个基于Karpathy的LLM Wiki理念构建的Obsidian知识库，旨在将碎片化的信息编译成结构化、高度相互链接的知识网络。核心功能包括使用Claude Code或Claudian插件执行原始资料的编译、查询以及知识库健康度检查等操作，支持从多种来源如网页剪藏、论文、会议记录等整理信息，并自动归档处理后的文件。该项目特别适合需要高效管理个人或团队学习资料与研究笔记的场景，能够显著提升通过AI辅助进行深度学习和研究时的信息检索效率及知识整合能力。",2,"2026-06-11 02:40:43","CREATED_QUERY"]