Token导航 LogoToken导航TokenDH.com
研究检索执行命令clawhub未标认证来源可访问clear审计提醒

wikisagewikisage 搜索

Agent Skill

wikisage 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,076

周安装

84

GitHub Stars

公开资料未说明

下载量

652
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:wikisage(wikisage 搜索)
来源仓库:https://github.com/harryzsh/wikisage
安装命令:
openclaw skills install wikisage
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install wikisage

简介

wikisage 实现 Karpathy 风格的持久化 LLM 知识库管理。

  • 支持用户指令驱动的内容摄入、查询、校验与回答生成。
  • 典型用法包括 ingest、query、lint 和 answer 四个核心动作。
  • 需确保本地存储安全与多轮交互上下文一致性管理。
  • wikisage 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

name
wikisage
description
A Karpathy-style persistent LLM wiki. Use when: (1) user says '加进wiki/ingest/摄入', (2) user says '查wiki/wiki里有没有', (3) user says '整理wiki/lint', (4) answering questions that should check long-lived local knowledge first. Also use after answering valuable technical questions to ask if user wants to save to wiki.
metadata

Wikisage Skill

基于 Karpathy llm-wiki 模式的持久化 Wiki。 LLM 负责写和维护所有内容,用户负责来源、探索方向和提问。 纯本地 markdown 文件,用 index.md 导航,无需向量数据库。

📍 路径约定(环境变量驱动)

本 skill 所有路径都基于环境变量,无硬编码:

变量默认值作用
WIKI_ROOT$HOME/.openclaw/workspace/wikiWiki markdown 根目录
MCPORTER_CONFIG$HOME/.openclaw/workspace/config/mcporter.jsonmcporter 配置文件(可选)
WIKI_SKILL_DIR$HOME/.openclaw/workspace/skills/wikisageSkill 自身目录(脚本位置)

首次部署时,在 shell/agent 环境里 export 一下这三个变量即可(或用默认值)。 下文示例用 $WIKI_ROOT 这种写法代替绝对路径。

🛠 执行通道:Obsidian MCP(首选,强烈推荐)

本 skill 围绕 Obsidian filesystem MCP server 设计。 没装 MCP 也能跑(走 read/write/edit fallback),但装了会更稳:allowed-dir 边界兜底、错误更规范、LLM 不会意外写到 wiki 外面。

所有 wiki 文件读写优先走 Obsidian filesystem MCP,而不是通用 read/write 工具。

操作MCP 调用
读文件mcporter call obsidian.read_text_file path=<abs path>
写/覆盖文件mcporter call obsidian.write_file path=<abs> content=<str>
列目录mcporter call obsidian.list_directory path=<abs>
搜文件名mcporter call obsidian.search_files path=<abs> pattern=<glob>
改文件mcporter call obsidian.edit_file path=<abs> edits=...
看边界mcporter call obsidian.list_allowed_directories

所有调用都需要 --config $MCPORTER_CONFIG (mcporter 有双 config 坑:会同时读 ~/.claude.json 和项目 config,不带 --config 只会看到 claude.json 里的 server)

Fallback:MCP 不可用时(daemon 挂了、server 不 healthy),用通用 read/write/edit/exec grep 兜底,但要在回复里告诉用户"MCP 离线,走 fallback"。

全文搜索不走 MCP:MCP 的 search 只匹配文件名。找内容用:

  • qmd-search(workspace 集合,BM25,快但索引可能滞后)
  • exec grep -rn "关键词" $WIKI_ROOT/

触发条件

用户说执行
"加进 wiki" / "ingest" / "摄入这篇"→ ingest 流程
"查 wiki" / "wiki 里有没有" / "从 wiki 查"→ query 流程
"整理 wiki" / "wiki 健康检查" / "lint"→ lint 流程
涉及客户、历史决策、账号信息的技术问题→ 先本地查 wiki,再回答
通用技术问题(无特定上下文)→ 直接 MCP → LLM
回答完有价值的技术问题后→ 询问"要把这些存进 wiki 吗?"

三层架构

$WIKI_ROOT/
├── raw/                  原始文档(只读,用户放入,LLM 不修改)
├── pages/                LLM 生成并维护的 markdown 文件集
│   ├── aws/              AWS 服务、架构、合规
│   ├── ai/               AI/LLM 技术
│   ├── clients/          客户信息(账号、联系人、项目)
│   ├── projects/         具体项目
│   └── ops/              运维、kubectl、DevOps
├── index.md              所有页面目录(标题 + 一行描述 + 路径),每次 ingest 后更新
├── log.md                操作日志(append-only,格式:## [YYYY-MM-DD] ingest | 标题)
└── .ingest-cache.json    SHA256 去重缓存(dedup.py 维护,不进 Obsidian vault)

只有一个 wiki 目录: $WIKI_ROOT(即 Obsidian MCP 的 allowed dir)

Query 流程

详见 scripts/query.md

核心逻辑:

  1. obsidian.read_text_file$WIKI_ROOT/index.md,找相关页面
  2. obsidian.read_text_file 读相关页面全文,综合回答,标注来源 > 参考:[[页面名]]
  3. 答案本身有价值 → 询问用户是否存回 wiki

Ingest 流程

详见 scripts/ingest.md

核心逻辑:

  1. dedup.py check 去重(来源是文件/URL 时)→ DUPLICATE 就停
  2. obsidian.read_text_file 读 index.md,判断是否已有相关页面
  3. obsidian.write_file / obsidian.edit_file 新建 or 更新页面(一次 ingest 可能触碰 5-15 个页面)
  4. obsidian.edit_file 更新 index.md
  5. obsidian.edit_file 追加 log.md(## [YYYY-MM-DD] ingest | 来源标题
  6. dedup.py record 记录 SHA256 缓存(来源是文件/URL 时)

Lint 流程

详见 scripts/lint.md

检查:孤儿页面、缺失概念页、index.md 不一致、矛盾内容、过时内容 (lint.py 脚本走 Python filesystem 直接读,不经过 MCP;LLM Layer 2 整改时走 MCP)

页面模板

# 页面标题

**最后更新:** YYYY-MM-DD
**来源数量:** N
**分类:** aws/security
**置信度:** EXTRACTED  <!-- 整页默认值;段落内可局部覆盖 -->

## 概述

## 核心内容

<!-- 置信度可以在段落/句子级别用 inline tag 标注: -->
<!-- [EXTRACTED] 原文直接扒的事实 -->
<!-- [INFERRED]  基于来源推理的结论 -->
<!-- [AMBIGUOUS] 来源本身表述模糊 -->
<!-- [UNVERIFIED] AI 自己补的常识/背景,未经来源验证 -->

## 相关页面
- [[相关页面名]]

## 来源
- [[原始文档页面名]]
- [外部链接](https://...)

置信度标签规则(强制)

Tag含义什么时候用
EXTRACTED从来源原文直接扒的事实定价、API 参数、官方原话
INFERRED基于来源推理/组合得出"所以月成本约 $80"(来源只给了单价)
AMBIGUOUS来源本身说得不清楚文档自相矛盾或写得模糊
UNVERIFIEDAI 补的背景常识,没来源写页面时为了通顺加的常识性描述

原则:

  • 整页默认置信度写在 frontmatter,不要省略
  • 页面内如果混合了不同置信度的内容,必须在段落开头/句尾用 inline tag 标注
  • Query 时如果引用了 INFERRED / UNVERIFIED 的内容,必须在回答里明说("这条是推断的")

log.md 格式

每条记录格式:## [YYYY-MM-DD] {操作} | {标题}

## [2026-04-09] ingest | Karpathy llm-wiki 模式
## [2026-04-09] query | S3 Files POSIX 访问方案
## [2026-04-09] lint | 全库健康检查

可用 grep "^## \[" $WIKI_ROOT/log.md | tail -10 查最近操作。

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

94.14%
按下载量换算614

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

执行命令

安装流程涉及命令执行,可能通过 openclaw skills install wikisage 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills