iwtown/dsh-llm-wiki

Karpathy LLM Wiki 模式的 DeepSeek Harness 知识库系统：模型写 wiki、管线维护、记忆体召回、质量闭环。 对齐 Google Research WikiSkill 三层架构 + OKF v0.2 知识格式规范。

基于 Karpathy 的 LLM Wiki 理念 的 Obsidian 知识库自动化方案。整套系统由 1 个极简插件 + 2 个技能 + 1 个管线脚本 + 1 个向量代理服务 组成，刻意保持低代码、零第三方插件依赖。

架构

写：wiki-write SKILL → 模型会话内写 Obsidian wiki 页面（frontmatter/wikilink 规范）
管：llm-wiki-pipeline.mjs（lint/okf/compile-patterns/索引/记忆体同步/usage/rate，零依赖，幂等）
     ├─ systemd timer 每日 10:00 自动运行
     └─ 插件 session/disposed 事件触发（60s 防重入）
记：mnemon 记忆体（向量语义召回）
读：wiki-search SKILL（rg + read 检索原文）
馈：--rate 质量反馈 / --usage 召回热度回写 queried_count
编：--compile-patterns 从孤立节点聚类生成 pattern 页（WikiSkill 核心创新）
向：embed-proxy.mjs（Ollama 兼容代理 → SiliconFlow /v1/embeddings，可选）

组件	文件	部署位置
生命周期插件	plugin/dsh-llm-wiki.mjs	~/.dsh/profiles/web/（cordis.patch.yml 挂载）
检索技能	skills/wiki-search/SKILL.md	~/.agents/skills/wiki-search/
写入技能	skills/wiki-write/SKILL.md	~/.agents/skills/wiki-write/
管线	scripts/llm-wiki-pipeline.mjs	~/bin/
向量代理	scripts/embed-proxy.mjs	~/bin/ + systemd 服务
定时	systemd/llm-wiki-pipeline.timer	~/.config/systemd/user/

依赖

• dsh >= 0.1.1-rc.2（web profile）
• Node.js >= 22.19（管线用 node:sqlite）
• ripgrep（wiki-search 检索）
• mnemon CLI + dsh-mnemon 插件（记忆体）
• Obsidian vault（wiki 页面），目录结构见 wiki 结构
• SiliconFlow API key（可选，用于向量召回；复用 ~/.modlens/config.json 或环境变量 EMBED_KEY）

安装

方式 A：bundle 包（推荐，含插件）

dsh plugin --profile web add github:iwtown/dsh-llm-wiki

然后安装 SKILL / 管线 / systemd 服务（install.sh 只做这一步也行）：

git clone https://github.com/iwtown/dsh-llm-wiki.git
cd dsh-llm-wiki && ./install.sh
systemctl --user restart dsh-web   # 让插件生效

方式 B：install.sh 全量本地部署（插件为 profile 本地文件，零 npm/零 node_modules，最反脆弱）

git clone https://github.com/iwtown/dsh-llm-wiki.git
cd dsh-llm-wiki && ./install.sh
systemctl --user restart dsh-web

install.sh 会把各组件复制到标准位置并启用 systemd 服务。然后：

1. 配置 vault 路径：默认 /mnt/d/DB/Obsidian/LLM-Wiki（管线可用环境变量 LLM_WIKI_VAULT 覆盖；插件在 cordis.patch.yml 的 config.vault 覆盖；SKILL 文件中的路径需按本机修改）
2. 首次记忆体同步：node ~/bin/llm-wiki-pipeline.mjs --sync（把 wiki 精华导入 mnemon）
3. 可选向量：确认 embed-proxy 服务运行后 mnemon embed --all 补齐向量

使用

• 写入知识：直接说"把这个记到知识库"，模型按 wiki-write 技能写入对应分类
• 检索知识：问"之前怎么做的"，模型按 wiki-search 技能检索并引用原文
• 手动管线：node ~/bin/llm-wiki-pipeline.mjs --all
• 质量反馈：node ~/bin/llm-wiki-pipeline.mjs --rate wiki/决策/xxx.md --rating useful|outdated

管线路由

node ~/bin/llm-wiki-pipeline.mjs --lint          # frontmatter 完整性 + 孤立节点检测 + stale 报告
node ~/bin/llm-wiki-pipeline.mjs --okf           # OKF v0.2 字段补齐（幂等，verified 自动标记）
node ~/bin/llm-wiki-pipeline.mjs --compile-patterns  # 从孤立节点聚类生成 pattern 页
node ~/bin/llm-wiki-pipeline.mjs --index         # 重建导航页
node ~/bin/llm-wiki-pipeline.mjs --sync          # 变更同步到 mnemon 记忆体
node ~/bin/llm-wiki-pipeline.mjs --usage         # 回写召回热度到 frontmatter
node ~/bin/llm-wiki-pipeline.mjs --dsh-export    # 导出 DSH 会话到 raw/sessions/dsh/
node ~/bin/llm-wiki-pipeline.mjs --all           # 全量执行（含 --prune-memory）
node ~/bin/llm-wiki-pipeline.mjs --all --dry-run # 预览模式（零写入）

配置（环境变量）

变量	默认	说明
LLM_WIKI_VAULT	/mnt/d/DB/Obsidian/LLM-Wiki	vault 路径
LLM_WIKI_STATE	~/.dsh/llm-wiki/pipeline-state.json	管线增量状态文件
EMBED_KEY	读 ~/.modlens/config.json	SiliconFlow API key
EMBED_MODEL	BAAI/bge-m3	向量模型

wiki 结构

LLM-Wiki/
├── schema.md                # 运行时守则（插件注入到系统提示）
├── log.md                   # 操作日志（管线追加）
├── raw/                     # [Raw Layer] 原始素材（追加写入，永不删除）
│   ├── sessions/dsh/        # DSH 会话导出（管线 --dsh-export 自动生成）
│   └── zinbox-index/        # ZInBox 剪藏原始源
├── wiki/                    # [Wiki Layer] 编译后的结构化知识
│   ├── index.md             # 导航页（管线 --index 自动生成）
│   ├── evolution/
│   │   ├── logs.md          # 编译日志（pattern 创建/合并/归档事件）
│   │   └── skill-impact.md  # 技能影响追踪表
│   ├── patterns/            # WikiSkill 模式页（管线 --compile-patterns 自动生成）
│   │   ├── TEMPLATE.md      # Pattern 页模板
│   │   └── *-pattern.md     # 自动生成的可复用经验页
│   └── <12 分类>/           # 发现/决策/概念/流程/命令/规则/提示/记忆/项目/引用/索引/基因
└── skills/                  # [Skills Layer] 可执行技能追溯（扩展点）
    └── _template/PURPOSE.md # Skill 回溯到 inspire 它的 pattern 页

OKF v0.2 字段

字段	类型	写入方	说明
sources	string[]	模型填写；管线 okfAlign 补全	知识来源（URL / session / 配置路径）
generated	{ by, at }	管线自动补充	生成者（agent/dsh-llm-wiki 或 human:<id>）
verified	{ by, at }	quality_score≥4 自动标记 / --rate 确认	信任分级：agent verified / human reviewed
status	active|draft|archived	管线 stale 检测 + --rate 更新	生命周期状态
stale_after	ISO 日期	管线 okfAlign 自动计算	created/updated + 90 天
description	string	管线 okfAlign 从内容摘要推导	一句话知识描述
quality_score	1-5	管线 usage 回写 + --rate 更新	知识质量评分

信任分级

级别	条件	置信度
✅ human-reviewed	verified.by 含 human:	高置信，优先召回
⚙️ machine-confirmed	quality_score ≥ 4 且无 human verified	中置信，管线自动验证
⚠️ unverified	新页面或 quality_score < 3	低置信，需人工确认

WikiSkill 三层架构对齐

WikiSkill 层	dsh-llm-wiki 对应	说明
Raw Layer	raw/sessions/, raw/zinbox-index/	原始素材；管线 --dsh-export 自动导入
Wiki Layer	wiki/（12 分类 + patterns/ + evolution/）	结构化知识；管线 --lint/--okf/--compile-patterns 自动维护
Skills Layer	skills/ + DSH ~/.agents/skills/	可执行技能；每个 skill 可选配 PURPOSE.md 回溯 pattern

核心创新：Pattern 层 — 从孤立节点聚类提取可复用经验，由管线 --compile-patterns 自动生成，写入 wiki/evolution/logs.md 编译日志。

设计原则

• 反脆弱：检索/写入用 SKILL + DSH 原生工具（零插件故障面）；只有"必须进程内"的注入与事件钩子才进插件（~90 行）
• 幂等：管线 mtime 增量检测，重复运行无副作用；--okf / --compile-patterns 均幂等
• 闭环：使用数据（recall 命中）→ queried_count → quality_score → 影响召回 → verified 信任分级
• 本地优先：wiki 与记忆体全本地，向量可选云端
• 编译进化：孤立节点 → pattern 聚类 → 可复用经验，知识随使用不断提炼

License

MIT