llm-wiki — 个人知识库构建系统#

把碎片化的信息变成持续积累、互相链接的知识库。你只需要提供素材，AI 做所有的整理工作。

这个 skill 做什么#

llm-wiki 帮你构建一个 持续增长的个人知识库。它不是传统的笔记软件，而是一个让 AI 帮你维护的 wiki 系统：

• 你给素材（链接、文件、文本），AI 提取核心知识并整理成互相链接的 wiki 页面
• 知识库随着每次使用变得越来越丰富，而不是每次重新开始
• 所有内容都是本地 markdown 文件，用 Obsidian 或任何编辑器都能查看

核心理念#

传统方式（RAG/聊天记录）的问题：每次问问题，AI 都要从头阅读原始文件，没有积累。知识库的价值在于 知识被编译一次，然后持续维护，而不是每次重新推导。

快速开始#

告诉用户这两步就够了：

1. 初始化：说"帮我初始化一个知识库"
2. 添加素材：给一个链接或文件，说"帮我消化这篇"

---

Script Directory#

Scripts located in scripts/ subdirectory.

Path Resolution:

1. SKILL_DIR = this SKILL.md's directory
2. Script path = ${SKILL_DIR}/scripts/<script-name>

---

依赖检查#

首次使用时，检查以下依赖是否已安装。如果缺失，提示用户运行安装：

bash

bash ${SKILL_DIR}/setup.sh

依赖 skill / 工具：

• baoyu-url-to-markdown — 普通网页、X/Twitter、部分知乎提取
• wechat-article-to-markdown — 微信公众号提取
• youtube-transcript — YouTube 字幕提取

即使部分依赖缺失，skill 仍可工作（用户可以手动粘贴文本内容）。

外挂状态模型#

外挂失败统一分成 not_installed / env_unavailable / runtime_failed / unsupported / empty_result 五类。

所有需要枚举来源、读取 source_label、 raw_dir、 adapter_name、 fallback_hint 的地方，都先读来源总表：

bash

bash ${SKILL_DIR}/scripts/source-registry.sh list

需要拿单个来源的定义时，用：

bash

bash ${SKILL_DIR}/scripts/source-registry.sh get <source_id>

对 URL 类来源，先运行：

bash

bash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>

adapter-state.sh check 返回 8 列：

text

source_id	source_label	state	state_label	detail	recovery_action	install_hint	fallback_hint

• not_installed：提示用户可补安装，同时允许改走手动入口
• env_unavailable：说明缺少的环境条件，同时允许改走手动入口
• runtime_failed：说明本次提取执行失败，允许重试一次，再改走手动入口
• unsupported：直接给出手动入口，不尝试自动提取
• empty_result：说明自动提取没拿到有效内容，请用户手动补全文本

当自动提取实际执行后，再运行：

bash

bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>

用返回的 detail、 recovery_action、 install_hint、 fallback_hint 生成提示。核心主线不因外挂失败而中断。

---

工作流路由#

根据用户的意图，路由到对应的工作流：

用户意图关键词工作流"初始化知识库"、"新建 wiki"、"创建知识库"→ initURL / 文件路径 / "添加素材"、"消化"、"整理" / 直接给链接→ ingest"批量消化"、"把这些都整理" / 给了文件夹路径→ batch-ingest"关于 XX"、"查询"、"XX 是什么"、"总结一下"→ query"给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX"→ digest"检查知识库"、"健康检查"、"lint"→ lint"知识库状态"、"现在有什么"、"有多少素材"→ status"画个知识图谱"、"看看关联图"、"graph"、"知识库地图"→ graph

重要：如果用户直接给了一个 URL 或文件，但没有明确说要做什么，默认走 ingest 工作流。如果知识库还不存在，先自动走 init 再走 ingest。

---

通用前置检查#

除 init 外，其他工作流默认先执行这段检查：

1. 先检查 当前工作目录 是否包含 .wiki-schema.md
   • 如果包含 → 用当前目录作为知识库根路径
   • 如果不包含 → 回退到读取 ~/.llm-wiki-path
2. 如果两者都没有：
   • ingest / batch-ingest → 先运行 init
   • query / lint / status / digest / graph → 提示用户先初始化知识库
3. 读取知识库根目录下的 .wiki-schema.md
4. 从 .wiki-schema.md 的"语言"字段判断 WIKI_LANG
   • 语言：中文 → WIKI_LANG=zh
   • 语言：English → WIKI_LANG=en
   • 字段缺失 → 默认 WIKI_LANG=zh

输出语言规则#

所有面向用户的输出和新写入的 wiki 内容，都按 WIKI_LANG 生成：

• WIKI_LANG=zh → 使用下文中文示例
• WIKI_LANG=en → 保持与中文示例相同的结构、信息量和顺序，仅改为自然英文措辞
• 文件路径、wiki 链接、目录名保持现有约定，不因为语言切换而改动

术语对照：

• 素材 → Source
• 实体 → Entity
• 主题 → Topic
• 摘要 → Summary
• 综合 → Synthesis
• 消化 → Ingest
• 对比 → Comparison
• 深度报告 → Deep Dive Report
• 知识图谱 → Knowledge Graph

---

工作流 1：init（初始化知识库）#

前置检查（含多知识库 CWD 检查）#

1. 先检查 当前工作目录 是否包含 .wiki-schema.md

   • 如果包含 → 当前目录已经是一个知识库，提示用户已存在并询问是否要重新初始化

2. 如果当前目录没有 → 读取 ~/.llm-wiki-path 文件

   • 如果存在 → 提示用户已有一个知识库（显示路径），询问是要新建还是切换到那个

3. 两个都没有 → 进入初始化流程

步骤#

1. 询问知识库主题（先向用户提问）：

   • "你的知识库要围绕什么主题？比如'AI 学习笔记'、'产品竞品分析'、'读书笔记'"
   • 如果用户没想法，默认用"我的知识库"

2. 询问知识库语言（先向用户提问）：

   • "知识库内容用什么语言？中文 / English（默认中文）"
   • 选项： zh（中文）或 en（English）
   • 如果用户没有明确说，默认 zh
   • 将选择记录为 WIKI_LANG（ zh 或 en）

3. 询问保存位置（先向用户提问）：

   • 默认： ~/Documents/我的知识库/（zh）或 ~/Documents/my-wiki/（en）
   • 用户可以自定义路径

4. 运行初始化脚本： bash

   bash ${SKILL_DIR}/scripts/init-wiki.sh "<路径>" "<主题>"
   
   

5. 写入语言配置并本地化种子文件：

   • 将 .wiki-schema.md 中的 语言：{{LANGUAGE}} 替换为：

     • zh → 语言：中文（种子文件保持中文，无需额外处理）
     • en → 语言：English， 同时 覆写以下种子文件为英文版：

   • 如果 WIKI_LANG=en，读取 ${SKILL_DIR}/templates/index-en-template.md、 ${SKILL_DIR}/templates/overview-en-template.md、 ${SKILL_DIR}/templates/log-en-template.md，将 {{DATE}} 和 {{TOPIC}} 替换为实际值后，分别写入 index.md、 wiki/overview.md、 log.md

6. 记录路径 到 ~/.llm-wiki-path： bash

   echo "<路径>" > ~/.llm-wiki-path
   
   

7. 输出引导（根据 WIKI_LANG 切换语言）：

   中文（zh）： text

   知识库已创建！路径：<路径>
   
   接下来你可以：
   

• 给我一个链接，我会自动提取并整理（网页、X/Twitter、公众号、知乎等）
• 小红书内容请直接粘贴文本给我（暂不支持自动提取）
• 给我一个本地文件路径（PDF、Markdown 等）
• 直接粘贴文本内容
• 批量消化：给我一个文件夹路径

推荐：用 Obsidian 打开这个文件夹，可以实时看到知识库的构建效果。

（英文版按「输出语言规则」生成，结构相同。）

* * *

## 工作流 2：ingest（消化素材）

这是最核心的工作流。用户给一个素材进来，AI 做所有的整理工作。

### 前置检查

执行 **通用前置检查**（见上方定义）。

### 素材提取路由

根据素材类型自动路由到最佳提取方式：

**外挂前置判断**：

- URL 先调用 `bash ${SKILL_DIR}/scripts/source-registry.sh match-url "<url>"`
- 本地文件先调用 `bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"`
- 纯文本粘贴直接调用 `bash ${SKILL_DIR}/scripts/source-registry.sh get plain_text`
- `source-registry.sh` 返回 10 列： `source_id`、 `source_label`、 `source_category`、 `input_mode`、 `match_rule`、 `raw_dir`、 `adapter_name`、 `dependency_name`、 `dependency_type`、 `fallback_hint`
- 调用 `bash ${SKILL_DIR}/scripts/adapter-state.sh check <source_id>`
- 从 `adapter-state.sh check` 的 8 列结果里读取 `state`、 `detail`、 `recovery_action`、 `install_hint`、 `fallback_hint`
- 如果 `state=not_installed` / `env_unavailable` / `unsupported` → 不调用外挂，直接按 `detail`、 `recovery_action`、 `install_hint`、 `fallback_hint` 告诉用户下一步
- 只有返回 `available` 时，才继续自动提取

**URL 类素材**（统一走来源总表，不手写域名表）：

> **Chrome 提示**（仅当 `adapter_name=baoyu-url-to-markdown` 时）：
> adapter-state.sh check 已通过 `lsof -i :9222 -sTCP:LISTEN` 确认 Chrome 调试端口状态。
> 如果 check 返回 `env_unavailable`，直接按 `fallback_hint` 引导用户，不要自行检测 Chrome。
> 如果 check 返回 `available`，正常调用外挂。baoyu-url-to-markdown 会自己处理 Chrome 启动， **继续执行，不要等待用户确认**。
> 如果提取仍然失败，提示用户： `open -na "Google Chrome" --args --remote-debugging-port=9222`

- 如果 `source_category=manual_only` → 不调用外挂，直接使用 `fallback_hint`
- 如果 `adapter_name=wechat-article-to-markdown` → 执行 `wechat-article-to-markdown "<URL>"`
- 如果 `adapter_name=youtube-transcript` → 调用 `youtube-transcript`
- 如果 `adapter_name=baoyu-url-to-markdown` → 调用 `baoyu-url-to-markdown`

**本地文件**：

- 统一走 `bash ${SKILL_DIR}/scripts/source-registry.sh match-file "<path>"`
- 命中后直接读取，不调用外挂

**纯文本粘贴**：

- 统一视为 `plain_text`
- 直接使用用户提供的文本

**统一回退规则**：

- 对自动提取结果，统一运行 `bash ${SKILL_DIR}/scripts/adapter-state.sh classify-run <source_id> <exit_code> <output_path>`
- 从 `classify-run` 返回的 8 列结果里读取 `state`、 `detail`、 `recovery_action`、 `fallback_hint`
- 如果返回 `runtime_failed` → 按 `detail`、 `recovery_action`、 `fallback_hint` 告诉用户“这次自动提取失败，可以先重试一次；如果还不行，就改走手动入口”
- 如果返回 `empty_result` → 按 `detail`、 `recovery_action`、 `fallback_hint` 告诉用户“自动提取没有拿到有效正文，请手动补全文本后继续”
- 其他状态也使用同一份返回结果，不再手写第二套回退文案

### 内容分级处理

根据素材长度和信息密度自动选择处理级别：

**判断标准**：

- 素材内容 \> 1000 字 → **完整处理**
- 素材内容 <= 1000 字（短推文、小红书笔记等）→ **简化处理**

### 完整处理流程（长素材 \> 1000 字）

1. **提取素材内容**：按上面的路由获取素材文本

2. **保存原始素材** 到 `raw/` 对应目录：
   - 根据素材类型保存到对应目录（articles/、tweets/、wechat/、xiaohongshu/、zhihu/ 等）
   - 文件名格式： `{日期}-{短标题}.md`
   - 如果是 URL 类素材，在文件头部记录原始 URL
3. **阅读素材，提取关键信息**：
   - 核心观点（3-5 个要点）
   - 关键概念（3-5 个，需要创建或更新的实体）
   - 与已有素材的关联
4. **生成素材摘要页**（ `wiki/sources/{日期}-{短标题}.md`）：
   - 参考 `templates/source-template.md` 的格式
   - 包含：基本信息、核心观点、关键概念、与其他素材的关联、原文精彩摘录
5. **更新或创建实体页**（ `wiki/entities/`）：
   - 对每个关键概念，检查 `wiki/entities/` 下是否已有对应页面
   - 如果已有 → 追加新信息，更新"不同素材中的观点"部分
   - 如果没有 → 创建新实体页，参考 `templates/entity-template.md`
   - 使用 `[[实体名]]` 语法做双向链接
6. **更新或创建主题页**（ `wiki/topics/`）：
   - 识别素材涉及的主要研究主题
   - 如果已有对应主题页 → 更新素材汇总表和核心观点
   - 如果没有 → 创建新主题页，参考 `templates/topic-template.md`
7. **更新 index.md**：
   - 在对应分类下添加新条目
   - 更新概览统计数字
8. **更新 log.md**：
   - 追加格式： `## {日期} ingest | {素材标题}`
   - 记录新增和更新的页面列表
9. **向用户展示结果**（按 `WIKI_LANG` 切换语言）：

   **中文（zh）**：
   text

已消化：{素材标题}

新增页面：

• {素材摘要页}
• {新实体页1}
• {新主题页1}

更新页面：

• {已有实体页2}（追加了新信息）

发现关联：

• 这篇素材和 [[已有素材]] 在 {某概念} 上有联系

（英文版按「输出语言规则」生成，结构相同。）

### 简化处理流程（短素材 <= 1000 字）

适用于短推文、小红书笔记、简短评论等。

1. **保存原始素材** 到对应 `raw/` 目录

2. **生成简化摘要页**（ `wiki/sources/`）：
   - 只包含基本信息和核心观点
   - 不写"原文精彩摘录"部分
3. **提取 1-3 个关键概念**：
   - 如果对应实体页已存在 → 追加一句话说明
   - 如果不存在 → 在摘要页中用 `[待创建: [[概念名]]]` 标记
4. **更新 index.md 和 log.md**

5. **跳过**：主题页创建/更新、overview 更新

6. **向用户展示简化结果**（按 `WIKI_LANG` 切换语言）：

   **中文（zh）**：
   text

已消化：{素材标题}（短内容，简化处理）

新增：

• 素材摘要页

待完善：

• [待创建: [[概念名]]]（积累更多素材后整理）

（英文版按「输出语言规则」生成，结构相同。）

* * *

## 工作流 3：batch-ingest（批量消化）

当用户给了一个文件夹路径，或者说"把这些都整理一下"。

### 步骤

1. **确认知识库路径**：
   - 执行 **通用前置检查**（见上方定义），获取知识库根路径和 `WIKI_LANG`
2. **列出所有可处理文件**：
   - 支持的格式： `.md`, `.txt`, `.pdf`, `.html`
   - 忽略：隐藏文件、 `.git` 目录、 `node_modules` 等
3. **展示文件列表**，确认处理范围（按 `WIKI_LANG` 切换语言）：

   **zh**：
   text

发现 {N} 个文件待处理：

1. file1.pdf
2. file2.md
3. file3.txt

预计需要 {N} 轮处理。是否开始？

（英文版按「输出语言规则」生成，结构相同。）

4. **逐个处理**：对每个文件执行 ingest 工作流
   - 根据内容长度自动选择完整/简化处理
5. **每 5 个文件后暂停**，展示进度并询问是否继续（按 `WIKI_LANG` 切换语言）：

   **zh**：
   text

进度：5/{N} 已完成

本批处理结果：

• 新增素材摘要：5
• 新增实体页：3
• 更新已有页面：7

继续处理剩余 {M} 个文件？

（英文版按「输出语言规则」生成，结构相同。）

6. **全部完成后**：


   - 运行一次 index.md 全量更新
   - 输出总结报告（按 `WIKI_LANG` 切换语言）：

**zh**：
text

批量消化完成！

处理了 {N} 个文件：

• 成功：{S}
• 跳过（内容为空/格式不支持）：{K}
• 失败：{F}

新增页面：{total_new} 更新页面：{total_updated}

（英文版按「输出语言规则」生成，结构相同。）

* * *

## 工作流 4：query（查询知识库）

### 步骤

1. **确认知识库路径**：

   - 执行 **通用前置检查**（见上方定义），获取知识库根路径和 `WIKI_LANG`
   - 如果没有可用知识库，提示用户先初始化
2. **读取 index.md** 了解知识库全貌
3. **搜索相关页面**：

   - 先在 index.md 中定位相关分类和条目
   - 再用 Grep 在 `wiki/` 目录下搜索关键词
   - 读取最相关的 3-5 个页面
4. **综合回答**：

   - 按 `WIKI_LANG` 用对应语言回答用户的问题
   - 标注信息来源（引用 wiki 页面，用 `[[页面名]]` 格式）
   - 如果多个素材有不同观点，分别列出并标注来源
5. **建议回写**：

   - 如果这个回答产生了有价值的分析或综合，询问用户是否保存为新的 wiki 页面
   - 如果保存 → 创建新页面（ `wiki/synthesis/` 或 `wiki/comparisons/`），更新 index.md 和 log.md

* * *

## 工作流 5：lint（健康检查）

### 触发时机

- 用户主动说"检查知识库"
- 每次 ingest 后，如果素材总数是 10 的倍数，主动建议运行 lint

### 前置检查

执行 **通用前置检查**（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. **确定检查范围**：
   - 最近更新的 10 个页面（按文件修改时间排序）
   - 随机抽查的 10 个页面（避免遗漏旧页面的问题）
   - 如果页面总数 <= 20，检查全部
2. **逐项检查**：

   **孤立页面**（Grep 搜索 `[[页面名]]`，找出没有任何其他页面链接到的页面）：


   - 列出所有孤立页面
   - 建议应该从哪些页面添加链接

**缺失概念页**（读取所有页面，找出被 `[[某概念]]` 链接但实际不存在的页面）：

   - 列出所有"断链"
   - 建议为哪些概念创建新页面

**矛盾信息**（阅读相关页面，检查是否有互相矛盾的说法）：

   - 列出发现的矛盾
   - 标注每处矛盾的来源页面

**交叉引用缺失**（检查相关主题的页面之间是否应该互相链接但没链）：

   - 建议添加的交叉引用

**index 一致性**（对比 index.md 中的条目和实际 wiki 文件）：
   - 找出 index 中有但文件不存在的条目
   - 找出文件存在但 index 中没记录的页面
3. **输出报告**（按 `WIKI_LANG` 切换语言）：

   **zh**：
   text

知识库健康检查报告

检查范围：最近更新 10 页 + 随机抽查 10 页（共 {N} 页）

孤立页面（没有其他页面链接到它）：

• [[某页面]] → 建议从 [[相关页面]] 添加链接

断链（被链接但不存在）：

• [[某概念]] → 建议创建新页面

矛盾信息：

• 关于"XX"，[[页面A]] 说是 Y，但 [[页面B]] 说是 Z

缺失索引：

• {文件名} 存在但未记录在 index.md 中

（英文版按「输出语言规则」生成，结构相同。）

4. **询问用户**：要自动修复哪些问题？（按 `WIKI_LANG` 用对应语言提问）


* * *

## 工作流 6：status（查看状态）

### 前置检查

执行 **通用前置检查**（见上方定义）。如果没有可用知识库，提示用户先初始化。

### 步骤

1. 先运行 `bash ${SKILL_DIR}/scripts/source-registry.sh list` 读取来源总表

2. 获取知识库路径（按上面的 CWD 检查逻辑）

3. 统计：
   - 按来源总表中的 `source_label` 和 `raw_dir` 逐项统计 `raw/` 文件数
   - `wiki/entities/` 下的页面数
   - `wiki/topics/` 下的页面数
   - `wiki/sources/` 下的页面数
   - `wiki/comparisons/` 和 `wiki/synthesis/` 下的页面数
4. 读取 `log.md` 最后 5 条记录

5. 读取 `index.md` 获取主题概览

6. 运行 `bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human` 获取外挂状态

7. **输出报告**（按 `WIKI_LANG` 切换语言）：

   **zh**：
   text

知识库状态：{主题}

素材分布（按来源总表）：

• {source_label}：{N}
• {source_label}：{N} ...

Wiki 页面：{总数} 页

• 实体页：{N}
• 主题页：{N}
• 素材摘要：{N}
• 对比分析：{N}
• 综合分析：{N}

最近活动：

• {日期} ingest | {素材标题}
• {日期} ingest | {素材标题} ...

外挂状态： {summary-human 原文}

建议：

• 你可能想深入了解 {某主题}，已有 {N} 篇相关素材
• {某实体} 被 {N} 篇素材提到，值得整理成独立页面

（英文版按「输出语言规则」生成，结构相同。）

外挂状态直接使用 `bash ${SKILL_DIR}/scripts/adapter-state.sh summary-human` 的输出，不要自己再重写一套来源清单。

* * *

## 工作流 7：digest（深度综合报告）

**区别于 query**：query 是快速问答，不生成新页面；digest 是跨素材深度综合，生成持久化报告。

### 触发关键词

"给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX"、"全面总结一下 XX"

### 前置检查

执行 **通用前置检查**（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. **搜索相关页面**：
   - 用 Grep 在 `wiki/` 下搜索主题关键词
   - 列出将要综合的页面（让用户了解报告覆盖范围）
2. **深度阅读所有相关页面**：
   - 读取找到的所有相关 wiki 页面（sources/、entities/、topics/）
   - 归纳每个页面的核心观点和来源信息
3. **生成结构化深度报告**，保存到 `wiki/synthesis/{主题}-深度报告.md`（按 `WIKI_LANG` 切换语言）：

   **zh**：
   markdown

   ```markdown
   # {主题} 深度报告

   > 综合自 {N} 篇素材 | 生成日期：{日期}

   ## 背景概述
   （简要说明这个主题的背景和重要性）

   ## 核心观点
   （按重要性排列，每个观点标注来源）
- 观点一（来源：[[素材A]]、[[素材B]]）
- 观点二（来源：[[素材C]]）

## 不同视角对比
（如有多个素材观点不同，在此对比）
| 维度 | 来源A的观点 | 来源B的观点 |
|------|------------|------------|

## 知识脉络
（按时间或逻辑顺序梳理该主题的发展）

## 尚待解决的问题
（现有素材中尚未回答的问题，可作为下次搜集素材的方向）

## 相关页面
（列出所有综合来源的链接）

（英文版按「输出语言规则」生成，结构相同。）

1. 更新 index.md 和 log.md：

   • index.md 的"综合分析"分类下添加新报告条目
   • log.md 追加： ## {日期} digest | {主题}

2. 向用户展示结果（按 WIKI_LANG 切换语言）：

   zh： text

   已生成深度报告：{主题}
   
   综合了 {N} 篇素材：
   

• [[素材1]]、[[素材2]]...

报告已保存：wiki/synthesis/{主题}-深度报告.md

发现这些待解决问题，可以继续搜集素材：

• {问题1}
• {问题2}

（英文版按「输出语言规则」生成，结构相同。）

* * *

## 工作流 8：graph（Mermaid 知识图谱）

### 触发关键词

"画个知识图谱"、"看看关联图"、"graph"、"知识库地图"、"展示知识关联"

### 前置检查

执行 **通用前置检查**（见上方定义）。如果没有可用知识库，提示用户先初始化。

1. **扫描双向链接**：
   - 遍历 `wiki/` 下所有 `.md` 文件
   - 提取每个文件中的 `[[链接]]` 语法，建立关系列表： `页面A → 页面B`
2. **生成 Mermaid 图表文件** `wiki/knowledge-graph.md`：
   markdown

   ````markdown
   # 知识图谱

   > 自动生成 | {日期} | 共 {N} 个节点，{M} 条关联

   ```mermaid
   graph LR
     A[概念1] --> B[概念2]
     A --> C[素材1]
     D[主题1] --> A
     D --> E[概念3]

查看方式：用 Typora、VS Code（Markdown Preview Enhanced）、或直接在 GitHub 上查看。

**生成规则**：
- 节点名用中括号 `[名称]`，名称太长则截断到 10 字
- 只展示有双向链接关系的节点（孤立节点不纳入图谱）
- 如果关系超过 50 条，只保留被引用次数最多的 30 个节点，避免图谱过于密集
3. **向用户展示结果**（按 `WIKI_LANG` 切换语言）：

**zh**：
text

```
知识图谱已生成！

共 {N} 个节点，{M} 条关联
文件：wiki/knowledge-graph.md

查看方式：
- Obsidian：直接打开即可渲染
- VS Code：安装 Markdown Preview Enhanced 插件
- GitHub：上传后自动渲染
- Typora：直接打开

孤立页面（未纳入图谱）：
- [[某页面]]（建议添加到相关实体页或主题页）

```

（英文版按「输出语言规则」生成，结构相同。）