用途：为 Obsidian LLM wiki 提供渐进式披露查询接口，先给出成本最低的有用答案（1-5 句 RLM 摘要），调用方可再请求要点或完整节点，按需扩展上下文。
主要能力：四个披露层级——summary（1-5 句，约 50 tokens）、bullets（6-10 条要点，约 150 tokens）、full（完整节点加 wikilinks，约 800 tokens）、raw（原始源文件内容，token 量不定）。检索采用三阶段策略：阶段一为 slug/token 匹配（O(1)，始终运行，含精确 slug、前缀/子串、词元重叠）；阶段二为向量库语义搜索（O(log N)，需安装 vector-db，通过子进程调用其 query.py，从 .agent/learning/vector_profiles.json 解析配置，默认 profile 为 wiki，可用 --vdb-profile 覆盖，结果经 meta/agent-memory.json 映射回概念 slug，未安装则优雅跳过）；阶段三为全文关键词扫描（O(N)，始终可用，作为最终兜底）。
使用方式：依赖 Python 3.8+ 与 pyyaml，安装命令 pip install -r requirements.txt。默认摘要查询：python ./scripts/query_wiki.py --wiki-root /path/to/wiki-root "authentication flow"；要点层级加 --level bullets，完整节点加 --level full；--save-as 可将结果回写为新 wiki 节点（含 query_derived: true 与 derived_from 归属的 YAML frontmatter、指定层级内容及 See Also 链接）；--vdb-profile 指定向量库配置；--rlm-cache-dir 使用共享 .agent/learning/ RLM 缓存；--list 列出全部已索引概念；--json 输出供程序化或智能体流水线使用。
适用场景：需要快速获取 wiki 中某概念上下文时；在读取完整原始源文件前先用摘要；/wiki-ingest 已运行且节点已填充时；作为昂贵智能体操作前的预检。
限制：阶段二语义搜索需安装 vector-db，否则跳过；阶段一与阶段三始终可用。相关脚本包括 query_wiki.py、raw_manifest.py（WikiSourceConfig 路径解析）、audit.py（报告缺失或过期节点）。作者 Richard Fremmerlid，状态 Active，域为 Obsidian Wiki Engine。其他收费、平台与效果信息暂未提供。