用途：当需要回答本机机器学习知识库中的问题时使用该技能，触发场景包括 transformer、注意力开销与效率、长上下文等。
主要能力：知识已编译为 wiki/ 目录下的 Markdown 文章，查询时直接阅读文章，而非从头推导。
使用方式：先读 wiki/index.md（按主题分组的总目录）定位相关文章，再阅读对应文章；正文链接可跳转相关内容；用 grep -rl "<article>.md" wiki/ 可列出指向某文章的页面（反向链接）。若存在 local/ 目录，也应一并搜索，并把每条命中标注为 local/（未提交），以免与已提交的共享知识混淆；local/ 属于用户本人，已被 gitignore 且不在索引中。优先依据 wiki 内容作答，用 Markdown 链接引用文章，例如 Attention Efficiency。若被引用文章状态为 status: stale，应说明并指向其替代文章，例如 attention-cost.md 已过时，由 attention-efficiency.md 取代。若 wiki 中没有答案，查看 wiki/gaps.md，问题可能已被记录为待补缺口。
内容：目前仅一个主题 machine-learning，涉及注意力如何工作、其内存开销为何曾被认为是硬性二次方上限、以及为何这被证明是实现层面的产物、以及什么使长上下文变得可行。
约定：wiki/README.md 说明格式（frontmatter、raw/wiki 分离、以取代而非删除）。文章带有 status: current | stale；过时页面有意保留并指向替代者。
更新与限制：新增来源、修改文章、取代知识、lint、审计或批评等操作需调用 llm-wiki 技能，所有写入均由该技能负责并保持格式一致；本技能刻意不修改 wiki。在 llm-wiki 缺位时 wiki 仍可阅读，但不要按 wiki/README.md 约定之外的方式手工编辑文章。提示：可使用目标、范围和上下文明确的子代理并行工作，减少主对话中的上下文腐化。
其他事实：官方文本暂未提供。