用途
该技能用于指导用户在不同大模型平台上搭建和配置 LLM 项目，把 ragbot 系统编译生成的 AI 知识内容应用到 Claude Projects、ChatGPT GPTs、Gemini Gems 以及其他 LLM 平台（如 Grok）。
主要能力与架构
知识体系为每个 LLM 的项目或自定义指令系统生成平台专属内容。运行分工如下：
- 知识拼接（all-knowledge.md）：由 CI/CD（GitHub Actions）在每次推送到 source/ 时执行。
- 指令编译：在本地运行 ragbot compile，仅在指令变更时进行。
- RAG 索引：在本地运行 ragbot index，在内容变化且需要 RAG 时进行。
输出结构为：ai-knowledge-{name}/ 下含 compiled/{project}/instructions/（含 claude.md、chatgpt.md、gemini.md）与 all-knowledge.md。核心原则是直接编辑 source/ 文件，知识拼接自动完成。
知识交付策略：Claude 通过 GitHub 同步仓库直接读取 all-knowledge.md；ChatGPT 上传 all-knowledge.md；Gemini 上传 all-knowledge.md（在 Gem 每 10 文件限制内可用）。
使用方式
配置项包括 ai_knowledge_repo、compiled_instructions_path、knowledge_file、source_dir，需按自身环境更新。
Claude Projects：新建或打开项目，在 Project Knowledge 的 Custom Instructions 中粘贴 compiled/{project}/instructions/claude.md；知识文件可选 GitHub 同步（推荐）或手动上传 all-knowledge.md。
ChatGPT GPT：访问 https://chat.openai.com/gpts/editor，点击 Create a GPT，填写名称、描述，指令取自 compiled/{project}/instructions/chatgpt.md，并在 Knowledge 区上传 all-knowledge.md。
Gemini Gems：访问 https://gemini.google.com/gems 新建 Gem，粘贴 compiled/{project}/instructions/gemini.md，上传 all-knowledge.md。
其他 LLM：从 compiled/{project}/instructions/ 选用最接近的指令并上传 all-knowledge.md。
编译命令示例： ragbot compile --project {name} ragbot compile --project {name} --no-llm ragbot compile --project {name} --force ragbot compile --project {name} --verbose
继承与隐私
每个用户在自己的仓库中编译项目，包含内容取决于继承关系。示例中 personal 为基线，company 为 personal+company 合并，client-a 为 personal+company+client-a 合并；无 personal 权限的团队成员只获得 company 与 client 内容。隐私模型为仅当用户可访问源仓库时才包含对应内容：私人内容仅出现在该用户编译结果中，团队成员获得团队内容但无个人内容，客户仅获得客户专属内容。
适用场景
适用于需要为多个项目（如 personal、company、client-a）在 Claude、ChatGPT、Gemini 等平台批量配置一致知识与指令的个人或团队。
更新与限制
知识文件随推送自动更新；指令仅在变更时用 --force 重编译。Claude 通过 GitHub 同步自动更新，ChatGPT/Gemini 需在源变更后重新上传 all-knowledge.md。排障包括：指令过长时把细节移到知识文件、检查 manifest.yaml 的 token 数；知识未被使用时确认上传与同步；继承异常时检查 my-projects.yaml、compile-config.yaml 并使用 --verbose。资料未提及价格、收费和平台效果等信息。