AU

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

62 stars 品質 55 トレンド 13MIT

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

GitHub で README 全文を見る

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
MCP 初心者?mcpskill.org のガイドから始めましょう →