
alphalab-ustc/autowiki-skill
Developer toolsこのページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。 原文を見る
LLM は知識ベースをコンパイルします。 カルパシーのLMナレッジベースビジョンの実装 — ソース、オブシディアン・ウィキアウト。 アルファラボUSTC
概要
LLM は知識ベースをコンパイルします。 カルパシーのLMナレッジベースビジョンの実装 — ソース、オブシディアン・ウィキアウト。 アルファラボUSTC グッドアンケート用紙は、参照をリストするだけでなく、アイデアの進化を追跡し、フィールドを一貫性のある構造に整理します。 AutoWiki は同じことを、自動的に行います。 紙をドロップします。 LLM は (概念的なブレークスルー) を識別します。, クラスターは、それらの周りに論文を識別します。, フィールドの構造をミラーリングする階層的なファイルツリーを構築します。, ソース間の一時的なリンクで深い分析を書きます. Obsidianで維持されている調査品質知識グラフは、接続されていないメモのフォルダではなく、取得します。 プロジェクトのルートをObsidian vaultとして、Claude Code / OpenClawで開きます。 ClaudeコードまたはOpenClaw + Obsidian + Python 3.12+ 3つの操作:(PDF→分析ページ)、(askの質問→合成→書き込みバック)、(25+自動チェック)。 80枚の紙、13マイルストーン、2時間に本物のwikiを作成しました.
概要(AI 翻訳)
オートウィキ
LLM は知識ベースをコンパイルします。 あなただけを読んで尋ねます。 カルパシーのLMナレッジベースビジョンの実装 — 原産物、オブシディアン・ウィキアウト。 アルファラボUSTC
日本語 English
お問い合わせ
アイデア
良い調査用紙は、参照をリストするだけではいけない — 彼らは**マイルストーンを特定し、どのように変化するかを追跡し、フィールドを一貫性のある構造に整理します。 AutoWiki は同じことを、自動的に行います。
紙をドロップします。 LLM は、milestone nodes (概念的なブレークスルー) を識別し、クラスターは、フィールドの構造を映し出す階層的なファイルツリーを構築し、ソース間の一時的なリンクで深い分析を記述します。 Obsidianで維持されている調査品質知識グラフは、接続されていないメモのフォルダではなく、取得します。
お問い合わせ
すぐにスタート
##1. クローンとインストール
##2. スキルとして追加
Claude Code または OpenClaw では、次のように尋ねます。
##3. あなたのウィキを初期化
##4. 使用開始
プロジェクトのルートをObsidian vaultとして、Claude Code / OpenClawで開きます。
前提条件: クロードコードまたはOpenClaw + Obsidian + Python 3.12+
お問い合わせ
使い方
| レイヤー | ロール | 誰が所有しているか | お問い合わせ
このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。
README
以下は原文 README の抜粋です。原文を見る。
AutoWiki
Your LLM Compiles a Knowledge Base. You Just Read and Ask. Implementing Karpathy’s LLM Knowledge Base vision — raw sources in, Obsidian wiki out. By AlphaLab-USTC
English · 中文
The Idea
Good survey papers don’t just list references — they identify milestones, trace how ideas evolved, and organize the field into a coherent structure. AutoWiki does the same thing, automatically.
Drop papers in. The LLM identifies milestone nodes (conceptual breakthroughs), clusters papers around them, builds a hierarchical file tree that mirrors the field’s structure, and writes deep analysis with temporal links between sources. You get a survey-quality knowledge graph maintained in Obsidian — not a folder of disconnected notes.
You drop PDFs LLM compiles You browse in Obsidian
───────────── ────────────────────────── ──────────────────────────────────
raw/new/ → Identify milestones kb/topics/ (milestone nodes)
Cluster papers kb/sources/ (deep analysis pages)
Trace temporal evolution kb/journal/ (cognitive timeline)
Write cross-linked wiki index.md (survey-style tree)
🚀 Quick Start
1. Clone & Install
git clone https://github.com/AlphaLab-USTC/AutoWiki-skill.git
pip install PyMuPDF
2. Add as Skill
In Claude Code or OpenClaw, just ask:
> "Add /absolute/path/to/AutoWiki-skill/skills to my global skillSources"
3. Initialize Your Wiki
cd your-wiki-project
mkdir -p raw/new raw/compiled kb/{sources,topics,journal} output
touch kb/index.md kb/log.md
4. Start Using
推奨ツール
別のキーワードを試すか、フィルタを外してください。
インストール
npx skillfish add alphalab-ustc/autowiki-skill