feat(vault): track PARA layer (Categories/References/Notes/Daily/Clippings/Tags/Attachments/Presentations)

- Add 8 PARA directories to .gitignore whitelist (234 files) - Completes dual-layer sync: LLM Wiki layer + PARA personal knowledge layer - markdown_output/ remains excluded (transit zone)
2026-07-01 08:50:00 +08:00
parent ee46368f9a
commit 8273017082
235 changed files with 10094 additions and 1 deletions
@@ -0,0 +1,145 @@
+---
+created: 2026-04-23
+tags:
+  - note
+  - journal
+  - LLM_WIKI
+para: []
+---
+
+对 [[llm-wiki]] 这份 GitHub Gist 文档的分析。
+
+---
+
+## LLM Wiki 文档分析
+
+### 一、LLM 如何理解这个文档
+
+这份文档采用了一种**意图清晰、层次分明的设计**，LLM 能够高效地理解其核心要义：
+
+**1. 文档结构理解**
+
+LLM 会识别出这是一份 **"想法文件"（Idea File）**，属于 Meta-Document（元文档）——专门设计用来被 LLM 读取并指导其行为的文档，而非普通知识性文本。
+
+LLM 能提取的核心信息：
+
+- **问题层**：传统 RAG 的缺陷——无积累、每次从头发现知识
+- **解决方案**：构建持久化维基（Persistent Wiki），替代临时检索
+- **三层架构**：Raw Sources（不可变原始资料）→ Wiki（LLM 生成的可编辑层）→ Schema（行为规范）
+- **三种操作**：Ingest（摄入）→ Query（查询）→ Lint（健康检查）
+- **人机分工**：人类负责 Source/Explore/Ask，LLM 负责 Summarize/Cross-reference/File/Maintain
+
+**2. 关键概念的提取**
+
+LLM 会从中提炼出：
+
+- **"持久化编译知识"** vs **"临时检索"** 的本质区别
+- **维基是"累积性产物"**（compounding artifact），而非一次性产出
+- **"Schema 层"** 是让 LLM 从通用聊天机器人转变为"有纪律的维基维护者"的关键
+- 类比：**Obsidian = IDE，LLM = 程序员，Wiki = 代码库**
+
+**3. LLM 会识别出的设计模式**
+
+该文档本质上描述了一个 **双层知识架构 + 三种操作循环** 的模式：
+
+```
+Raw (不可变) → Ingest → Wiki (可编辑) ← Query/Lint
+     ↑                              ↓
+     └────── Schema 规范约束 ←──────┘
+```
+
+LLM 理解这个文档后，会将自身定位为 **Wiki 的维护者** 而非普通对话伙伴。
+
+---
+
+### 二、这种文档如何有效实现人机交互
+
+这是本文档最值得学习的部分——它通过**文档设计本身**实现了一种高效的"隐式协议"，让人与 LLM 的协作自动化成为可能。
+
+#### 1. **元文档设计（Meta-Document Pattern）**
+
+| 传统文档 | LLM Wiki 这类文档 |
+|----------|-------------------|
+| 人类消费 | LLM 也消费 |
+| 只传达信息 | 传达**行为规范** |
+| 读完即忘 | 指导 LLM 的**工作流程** |
+| 无状态 | 引导 LLM 进入**特定角色** |
+
+这类文档是 **Agent-Augmented Document**（智能体增强文档）——它不只是信息载体，更是 LLM Agent 的"启动配置"。
+
+#### 2. **人机协作协议的有效实现**
+
+文档设计了**清晰的职责边界**：
+
+```
+Human                              LLM
+──────                             ─────
+• Sourcing（搜集资料）              • Reading & Extracting
+• Exploring（探索方向）             • Summarizing  
+• Asking（提问）                    • Cross-referencing
+• Thinking（思考意义）              • Filing & Bookkeeping
+• Reviewing（审核结果）             • Updating & Maintaining
+```
+
+这避免了 LLM 被问到"帮我整理一下我的笔记"时无法下手的问题——**职责已被文档明确定义**。
+
+#### 3. **Schema 层的关键作用**
+
+文档中提到的 `AGENTS.md` / `CLAUDE.md` 实际上是一种 **LCM Behavior Protocol**（行为协议）：
+
+```markdown
+# AGENTS.md 定义了：
+1. 目录结构（/wiki /raw /Templates）
+2. 文件命名规范（Wiki page 模板）
+3. Frontmatter 约定（categories, tags, type, source）
+4. 操作流程（Ingest → Update Index → Append Log → Lint）
+5. 质量标准（什么算"好"的 Wiki page）
+```
+
+这相当于给 LLM 提供了一份 **SOP（标准作业程序）**，LLM 无需每次被告知"如何处理新来源"，只需遵循 Schema 执行即可。
+
+#### 4. **双向价值累积**
+
+文档设计了一个**自增强循环**：
+
+```
+Human asks question 
+    ↓
+LLM searches Wiki + synthesizes answer
+    ↓
+"Good answer" → Filed back into Wiki as new page
+    ↓
+Future queries benefit from this accumulation
+    ↓
+Wiki grows richer → More valuable over time
+```
+
+这实现了**每次交互都在增加系统价值**，而非消耗性使用。
+
+#### 5. **实践中的隐式交互**
+
+文档还描述了一种高效的**同步协作模式**：
+
+> *"I have the LLM agent open on one side and Obsidian open on the other. The LLM makes edits based on our conversation, and I browse the results in real time"*
+
+这是一种 **WYSIWYG 协作**（所见即所得）——人类在 Obsidian 中实时浏览 LLM 的编辑结果，通过双窗口实现"人在回路"（Human-in-the-Loop），既保证了人类对最终结果的控制，又将繁琐的维护工作外包给了 LLM。
+
+---
+
+### 三、总结：这种文档的本质
+
+| 维度 | 描述 |
+|------|------|
+| **文档类型** | Idea File / Meta-Document / Agent Configuration |
+| **核心价值** | 将 LLM 从"对话工具"升级为"持久化知识管理者" |
+| **人机协议** | Schema 层定义的 SOP，明确分工，互不越界 |
+| **知识流动** | Raw → Wiki（编译一次，持续维护）→ 产出（Query/Lint） |
+| **交互优势** | 累积性、自增强、低维护成本、双向价值流动 |
+
+这种文档设计代表了 **"文档即代理"（Document-as-Agent）** 的理念——文档不只是被阅读，而是**被解释并转化为行动**，让人与 LLM 的协作从临时会话升级为持续性的知识共建系统。
+
+### 后续
+
+生成了完整的人机协作创意文档模板[[Idea Document Template]]
+
+例如有以下任务，我想通过人机协作写作一篇有关“高校ai教育”领域的论文，你能结合以上思路，生成一个idea文档。[[高校AI教育-论文-Idea]]