用途：按 Karpathy 的 LLM Wiki 模式，把知识编译一次并持续维护，而非像传统 RAG 每次查询重新发现。人负责挑选来源与指导分析，智能体负责摘要、交叉引用、归档与一致性维护。
主要能力：
- init <domain>：在 knowledge/wikis/<domain>/ 下搭建新领域 wiki。
- status --wiki <d>：报告页数、来源数与链接密度。
- ingest <file> --wiki <d>：复制来源文件并生成 LLM 处理说明。
- query "..." --wiki <d>：对 wiki 页面做关键词检索并按相关度排序。
- lint --wiki <d>：健康检查（孤立页、空页、索引一致性、链接密度）。
- batch-ingest <file> --wiki <d> --batch-size N：从元数据 JSONL/JSON/YAML 批量建来源页，支持断点续跑、--dry-run、跳过已处理记录。
架构：每个领域 wiki 含三层——raw/ 原始来源不可修改、wiki/ 由智能体维护、AGENTS.md 定义结构与标签分类。页面类型包括 entities、concepts、sources、comparisons、visualizations。
使用方式：uv run scripts/knowledge/llm_wiki.py <command> --wiki <domain>。每次会话先读 AGENTS.md/SCHEMA.md、index.md 与 log.md 最近条目再操作。可用 Obsidian 打开该目录（wikilinks、图谱视图、Dataview）。
限制与注意：不得修改 raw/；页面需 frontmatter 与至少 2 个交叉链接；标签须来自 SCHEMA.md 分类；超 200 行建议拆分；log 超 500 条轮转；批量更新 10+ 页面前先与用户确认。配置路径 skills.config.wiki.path 缺失时回退 ~/wiki。批量性能等数据来自资料记载，实际视环境而定。