llm-wiki 是一套实验性技能，围绕 Karpathy 的 llm-wiki 模式，让 AI 把原始资料编译成持久、交叉链接的维基，而非每次查询都重新检索（RAG）。人类负责提供原始材料、提问、把握方向并对 AI 的错误提交反馈；AI 负责全部写作、交叉引用、归档与记账。每次会话先读 CLAUDE.md 和 wiki/index.md。
目录结构：CLAUDE.md（模式文件，定义范围、约定、当前文章、空白点）、log/（每日操作日志）、audit/（人类反馈收件箱，含 resolved/）、raw/（不可变原始资料，AI 只读）、wiki/（AI 生成内容，含 index.md、concepts/、entities/、summaries/）、outputs/queries/。
四个核心原则：分而治之，单页目标 400–1200 词，超长则拆分为子文件夹加索引页；图表用 mermaid，公式用 KaTeX；raw 文件政策，小文本复制进 raw/，大二进制只在 raw/refs/ 放指针文件；audit 是人类反馈面，反馈不丢失，AI 必须定期处理。
五个操作：compile（重组 wiki 内容、拆分超长页、合并近重复、重建 index.md）、ingest（新增来源，通常触及 5–15 个页面）、query（基于 wiki 而非通用知识作答，不足则明说并建议下一步收录）、lint（运行 python3 scripts/lint_wiki.py <wiki-root> 做七项健康检查）、audit（处理 audit/ 中的人类反馈，接受、部分接受、拒绝或延期，处理完移入 resolved/ 并追加解析）。每个操作都会写入当天日志。
工具：Obsidian、plugins/obsidian-audit/ 插件、web/ 本地 Node.js 预览服务器、scripts/scaffold.py、scripts/lint_wiki.py、scripts/audit_review.py、可选的 qmd 本地语义搜索。新建维基：python3 scripts/scaffold.py <wiki-root> "<Topic Title>"。
适用场景：研究深潜、个人维基、团队知识库、阅读伴侣。限制：官方标注为实验性技能，仍在迭代；未提供收费、价格、平台与效果信息。