我的智能健身循环。技术栈：Wikis (http://llm-wiki.net) [个人健康Wiki + 健身教练大脑Wiki] | Gbrain | Hermes 知识管理员（限定访问自己的Wiki和大脑栈） | Hermes 健身教练（限定访问自己的健身栈） | Hermes 通用智能体（观察并帮助，但基本不参与这个循环……帮助设置了其他智能体资料，限定它们在正确房间交流，帮助分配个性/技能等）。我想要的用户体验：打开一个应用，我的训练计划已加载，我在训练中最大化收益、最小化疼痛，零认知负荷。在应用内或直接向智能体提供反馈。智能体整合我的反馈，并根据我的目标和不断变化的现实（旅行、受伤、目标变化、交叉训练、即将到来的比赛/活动等）调整未来的训练。重复，直到成为最好的自己。这是过去5周不断演化的过程，今天开始第6周。对进展非常满意。

LLM Wiki — 为任何AI智能体编译的知识库

来源：https://llm-wiki.net/

LLM 编译的知识库，为任何AI智能体提供卓越产出。并行多智能体研究。论点驱动式调研。来源摄取。维基编译。会话记忆。反馈策展。主题归档。清单追踪。数据集清单。真相审计。查询。产物生成。以Claude Code插件、OpenAI Codex插件、OpenCode指令文件或可移植的 AGENTS.md 形式交付。兼容 Obsidian。最新版本 (https://github.com/nvk/llm-wiki/releases/latest) | GitHub 星标 (https://github.com/nvk/llm-wiki/stargazers) | 许可证：MIT (https://github.com/nvk/llm-wiki/blob/master/LICENSE)

每一次运行都会积累。来源变成交叉引用的文章。文章变成报告、幻灯片、学习指南、操作手册和实施方案。会话摘要让智能体保持方向，而不会将私人聊天变成主题证据。

它能做什么

一条命令启动一个主题维基，调度最多十个智能体，摄取值得保留的内容，收集带有完整溯源信息的目录后再进行追踪，归档旧主题而不删除，追踪持久化的后续状态，索引大数据集而不复制，捕获经过编辑的会话上下文和反馈候选内容而不囤积完整记录，将来源编译成文章，并为你提供一份基于此的交付物。全部都是你自己拥有的纯Markdown。

研究

5–10 个并行智能体搜索学术、技术、应用、新闻和反方角度。--min-time 2h 会持续多轮，深入挖掘每轮发现的缺口。

论点模式

从一个主张开始。智能体分为支持、反对、机制、元分析和相邻角度。输出是判断——而非摘要。第二轮对抗确认偏误。

摄取

URL、文件、PDF、收件箱投递、Git 文档仓库、MediaWiki 转储、消息存档和 Wayback CDX 快照。原始来源保持不可变；文章在此基础上综合生成。

收集

查找、去重、下载有限范围的公共媒体，并编目可发现的产物、示例、迷因、工具、实体和来源候选。捕获别名、上下文出现处的溯源、本地资产路径、哈希、规模、媒体策略和库存匹配度。

库存

追踪维基应当记住的持久化事物：物品、来源候选、语料库、实体、开放问题、监视项和后续行动。聊天视图默认显示紧凑表格。

数据集

使用清单、样本、配置文件和查询配方来索引大型、外部、可变或操作型数据。维基成为接口；数据留在它该在的地方。

归档

将整个主题维基移动到 topics/.archive/。保存的知识保持结构可维护，但默认不参与查询、编译、研究、收集、输出和维护上下文。

编译

原始来源被合成为带有交叉引用和置信度分数的文章。每个目录都有一个 _index.md——不会盲目扫描任何东西。

查询

快速（索引）、标准（文章）或深度（全部 + 兄弟维基）。--resume 从上次中断处继续。

会话

默认启用的钩子捕获，将经过编辑的事件、状态 JSON 和 Markdown 摘要写入 .sessions/。用紧凑上下文恢复未来的轮次；只提升真正属于主题的内容。

反馈

策展高信号修正、偏好、批准和计划接受，存放于 .sessions/feedback/。一般确认被忽略；持久化教训被显式提升。

管理员

对每篇文章评估时效性和质量。双层扫描：快速元数据检查，然后对有标志的文章进行深度内容读取。检查点恢复。机器可读 JSON + 人类可读报告。

审计

回答更广泛的信任问题。复用管理员流程，追踪跨 raw/、wiki/ 和 output/ 的输出，检测漂移，检查溯源，并在本地证据不足时进行新研究。

教训

从当前会话中提取经验教训——错误→修复模式、用户修正、发现。保存为结构化笔记，维基后续可查询。--rules 输出可强制执行的规则而非散文。

计划

基于维基的实施方案。读取知识库，向你询问需求，用针对性研究填补空白，并生成分阶段计划，引用维基文章作为证据。--format rfc|adr|spec。

输出

报告、幻灯片、学习指南、操作手册、实施方案、时间线、词汇表、比较。回存到维基中，以便下一个输出建立在所有先前输出之上。

安装

Claude Code

原生插件。推荐。

claude plugin install wiki@llm-wiki

从公开市场安装。重启 Claude Code 以生效。

OpenAI Codex

市场插件。使用 @wiki 调用。

codex plugin marketplace add nvk/llm-wiki # 然后打开 /plugins，启用 “LLM Wiki”，使用 @wiki

或者从本地检出：./scripts/bootstrap-codex-plugin.sh --scope user --verify。Codex 树是 Claude 真相源的生成镜像——更新会同等落地。

OpenCode

指令文件。

# 在 opencode.json 中：
{
  "instructions": [
    "path/to/llm-wiki/plugins/llm-wiki-opencode/skills/wiki-manager/SKILL.md"
  ]
}

或者复制到 ~/.config/opencode/AGENTS.md。需要 OPENCODE_ENABLE_EXA=1 以支持网络搜索。

Pi

指令文件。最适合本地模型。

pi --instructions path/to/llm-wiki/plugins/llm-wiki-opencode/skills/wiki-manager/SKILL.md

Pi 的 1K 系统提示在 32K 上下文本地模型上为完整的维基技能留出了空间。与 OpenCode 使用相同的技能文件。

任意 LLM 智能体

可移植的 AGENTS.md。

curl -sL https://raw.githubusercontent.com/nvk/llm-wiki/master/AGENTS.md > ~/your-project/AGENTS.md

将此文件放入任何智能体的上下文或项目根目录。适用于任何能读写文件并搜索网络的工具。

升级现有安装

Claude Code：

claude plugin update wiki@llm-wiki # 重启 Claude Code 以生效

如果更新命令错过新版本（市场缓存过时），手动同步：

git clone https://github.com/nvk/llm-wiki.git
# 或：git -C ~/llm-wiki pull
REPO=~/llm-wiki/claude-plugin
DEST=~/.claude/plugins/cache/llm-wiki/wiki
VERSION=$(grep '"version"' "$REPO/.claude-plugin/plugin.json" | grep -o '[0-9.]*')
rm -rf "$DEST"/*
mkdir -p "$DEST/$VERSION"
cp -R "$REPO/.claude-plugin" "$REPO/commands" "$REPO/skills" "$DEST/$VERSION/"

Codex： codex plugin marketplace upgrade llm-wiki。对于本地检出：重新运行 ./scripts/bootstrap-codex-plugin.sh --scope user --verify。

AGENTS.md： 重新运行上面的 curl 命令以替换文件。

快速开始

一条命令，从任何位置——创建主题维基，启动并行智能体，持续研究一小时，返回已编译完成。

/wiki:research "gut microbiome" --new-topic --min-time 1h

更多常见流程：

/wiki:research "nutrition" --new-topic
/wiki:research "fasting" --deep --min-time 2h
/wiki:research "What makes articles go viral?" --new-topic
/wiki:research --mode thesis "fiber reduces neuroinflammation via SCFAs"
/wiki:query "How does fiber affect mood?"
/wiki:query --resume
/wiki add https://example.com/article                         # 模糊路由→摄取
/wiki what do we know about CRISPR?                           # 模糊路由→查询
/wiki:ingest-collection https://github.com/bitcoin/bips --wiki bitcoin
/wiki:collect "bitcoin memes" --wiki bitcoin
/wiki:collect "bitcoin memes" --scale medium --media reference --inventory corpus
/wiki:inventory add item "TRX-4M ring and pinion" --wiki trx4m-1-18
/wiki:inventory list --view actions --limit 10
/wiki:dataset add "Bitcointalk Temporal Graph" --location https://figshare.com/articles/dataset/BitcoinTemporalGraph/26305093
/wiki:dataset list --view schema --limit 10
/wiki:archive topic old-interest --reason "No longer active"
/wiki:archive list --archived
/wiki:archive restore old-interest
/wiki:session status
/wiki:session rehydrate --cwd "$PWD"
/wiki:feedback list --unpromoted
/wiki:session disable       # 可选退出
/wiki:compile
/wiki:output report --topic gut-brain
/wiki:assess /path/to/my-app --wiki nutrition
/wiki:lint --fix

会话记忆，无需囤积完整记录

长智能体运行中，当聊天被压缩、终端关闭或工作从 Claude 转移到 Codex 时，有用上下文会丢失。LLM Wiki 现在为此提供了一个隐藏的操作层：经过编辑的检查点、紧凑摘要、以及用户反馈候选，存放于 HUB/.sessions/ 下。它帮助下一轮次快速定位，而不会将私人聊天日志视为精选的维基知识。

默认启用，轻松退出

受信任的钩子默认以平衡模式捕获。/wiki:session disable 写入 enabled: false，这些钩子就变成空操作。

设计上已编辑

捕获存储元数据、状态、小型事件和提炼后的 Markdown 摘要。默认不存储完整转录。

恢复未来工作

/wiki:session rehydrate 返回一个紧凑的上下文块，将智能体指向当前目录、主题或会话 ID 的相关摘要。

提升行为显式

会话摘要和反馈候选保持为操作记忆，直到 promote 将提炼后的笔记写入主题的 raw/notes/。

存储的内容

HUB/.sessions/
├── config.json                # enabled/mode/privacy/rehydrate 设置
├── registry.jsonl             # 仅追加的生命周期事件
├── queue/YYYY-MM-DD.jsonl     # 小型编辑后的钩子事件
├── state/<session-id>.json   # 每个会话最新的机器状态
├── digests/YYYY/MM/<id>.md
├── feedback/
│   ├── candidates.jsonl       # 修正、偏好、批准、计划接受
│   └── status.json
└── indexes/                   # 用于 cwd/topic/session 查找的衍生缓存

常用会话命令

/wiki:session status
/wiki:session rehydrate --cwd "$PWD"
/wiki:session list --limit 10
/wiki:session show codex:abc123
/wiki:session promote codex:abc123 --topic meta-llm-wiki
/wiki:feedback list --unpromoted
/wiki:feedback show fb-abc123
/wiki:feedback promote fb-abc123 --topic meta-llm-wiki
/wiki:session disable           # 退出
/wiki:session enable            # 重新开启捕获

相同的 .sessions/ 布局适用于 Codex、Claude Code、OpenCode、Gemini 风格适配器，以及本地 .wiki/ 项目维基。

工作原理

1. 研究：并行智能体搜索网络、摄取来源、编译文章，一条命令完成。
2. 摄取：URL、文件、PDF、收件箱投递、仓库、转储、存档或快照。
3. 收集：先编目大量可发现的事物，再决定哪些需要库存、原始摄取或数据集索引。
4. 编译：原始来源被合成为带有交叉引用和置信度分数的维基文章。
5. 追踪：库存记录和数据集清单保存后续行动，而不会污染来源证据。
6. 归档：静默归档旧主题维基，不删除其来源、文章、输出或日志。
7. 查询：快速（索引）、标准（文章）、深度（活跃内容加归档索引提示）。
8. 捕获：会话钩子在 .sessions/ 下保留编辑过的检查点；默认无完整转录。
9. 恢复：未来轮次可接收紧凑的摘要列表，而无需重读整个聊天记录。
10. 反馈：审查高信号用户反馈候选，只提升持久化的教训。
11. 检查：断链、缺失索引、孤立文章、归档注册表漂移。--fix 自动修复安全问题。
12. 输出：摘要、报告、幻灯片、计划——回存到维基中。

架构

~/wiki/                              # 中心——轻量，无内容
├── wikis.json                       # 所有主题维基的注册表
├── _index.md                        # 列出主题维基及统计
├── log.md                           # 全局活动日志
├── .sessions/                       # 操作会话记忆、摘要和反馈
└── topics/                          # 每个主题是一个隔离的维基
    ├── nutrition/
    │   ├── .obsidian/               # Obsidian 仓库配置
    │   ├── inbox/                   # 本主题的投递区
    │   ├── inventory/               # 物品、候选、语料库、视图
    │   ├── datasets/                # 大型/外部数据的清单
    │   ├── raw/                     # 不可变来源
    │   ├── wiki/                    # 编译后的文章
    │   │   ├── concepts/
    │   │   ├── topics/
    │   │   └── references/
    │   ├── output/                  # 生成的产物
    │   ├── _index.md
    │   ├── config.md
    │   └── log.md
    ├── woodworking/                 # 另一个主题维基
    └── .archive/                    # 已归档的主题维基，默认隐藏

一个主题，一个维基

每个研究领域隔离。没有跨主题噪声。查询保持专注。多维基窥探在相关时发现重叠。

双链链接

[[wikilinks]] 用于 Obsidian，同时标准 markdown 链接用于其他所有环境。在任何查看器中都能工作——包括没有查看器的情况。

原始来源不可变

来源一旦被摄取，永不被修改。文章在此基础上综合。撤回会干净地移除两者。

收集器目录

/wiki:collect 在内容成为证据或持久状态之前，记录别名、来源上下文、媒体 URL、缓存资产路径、哈希、去重笔记、规模及库存建议。

库存是状态

零件、来源队列、语料库、监视项和后续行动位于 inventory/ 下，以便列出和重新访问，而不会成为证据。

数据集保持外部

datasets/ 存储大型数据的清单、样本、配置文件和查询配方。维基索引数据，但不将其复制到源语料库中。

归档是静默的

已归档主题位于 topics/.archive/。大多数工具默认跳过它们；深度查询可能显示索引命中，显式的 --include-archived 可以读取它们。

会话是操作记忆

.sessions/ 是隐藏的、跨主题的操作状态，用于编辑过的检查点、摘要、恢复索引和反馈候选。主题提升是显式的。

零依赖

完全依赖宿主智能体的内置工具运行。插件是 Markdown + 命令。无服务器、无服务、无遥测。

命令

所有命令接受 --wiki <name> 来定位某个主题维基，--local 用于项目维基。已归档的主题维基默认被跳过；支持 --include-archived 的命令需要显式标志才能读取或写入归档材料。query、output 和 plan 也接受 --with <wiki> 用于跨维基上下文。