# SKILL.md - LLMification Knowledge Builder

> 版本：v1.0 | 创建：2026-04-08 > 创建者：龙龟神将（基于Skill Builder v1.1工业化生产） > 粒度层级：中粒度·独立可复用

---

🎯 核心定义

---

📋 适用边界

✅ 适用场景

❌ 不适用场景

---

🔄 核心算法

三层架构设计

``` ┌─────────────────────────────────────────────┐ │ Schema Layer (机器行为规则层) │ │ ┌─────────────────────────────────┐ │ │ │ CLAUDE.md / AGENTS.md │ │ │ │ - 文件命名规范 │ │ │ │ - 标签体系 │ │ │ │ - 引用格式 │ │ │ │ - 元数据格式 │ │ │ └─────────────────────────────────┘ │ │ ↓ 约束 │ │ ┌─────────────────────────────────┐ │ │ │ Wiki Layer (LLM工作区) │ │ │ │ - 结构化Markdown文件 │ │ │ │ - LLM维护的知识图谱 │ │ │ │ - 增量编译融合 │ │ │ │ - 双向链接网络 │ │ │ └─────────────────────────────────┘ │ │ ↑ 检索 | ↓ 编译 │ │ ┌─────────────────────────────────┐ │ │ │ Raw Layer (只读源) │ │ │ │ - 原始PDF/网页/文档 │ │ │ │ - 未经LLM修改的原始资料 │ │ │ │ - 文件夹: raw/ │ │ │ └─────────────────────────────────┘ │ └─────────────────────────────────────────────┘ ```

知识生命周期管理

``` Entry阶段（增量编译） ├─ Raw Layer → Wiki Layer（编译） ├─ 多源异构资料统一 └─ LLM语义理解与结构化 ↓ Query阶段（检索调用） ├─ 自然语言查询 ├─ 语义搜索（Wiki Layer） └─ Schema约束下的Invoke ↓ Check阶段（自修复） ├─ 一致性检查 ├─ 孤岛检测 └─ 自动修复建议 ```

核心决策算法

```python def llmification_pipeline(raw_material, scope): """ LLMification三层编译管道核心算法 """ # 1. 编译阶段（Raw → Wiki） wiki_doc = compile_to_wiki(raw_material, llm_model) if not validate_schema(wiki_doc, scope): return schema_violation_report # 2. 索引阶段（Wiki Layer可检索） index_for_retrieval(wiki_doc) # 3. 调用机制（Query → Invoke） def query_handler(natural_query): wiki_segments = semantic_search(natural_query) return invoke_with_schema(wiki_segments, scope) return { "wiki": wiki_doc, "schema": schema_definition, "query_handler": query_handler } ```

---

🛠️ 操作指令体系

7个可执行操作

| 操作 | 指令 | 参数 | 输出 | 说明 | |------|------|------|------|------| | 1. 知识编译 | `/compile [source]` | 源文件路径 | Wiki Layer Markdown | 将Raw Layer文件编译为结构化Wiki文档 | | 2. 增量更新 | `/update [topic]` | 主题关键词 | 合并后的文档 | 将新资料增量融合到现有Wiki文档 | | 3. 模式定义 | `/define-schema [scope]` | 作用域 | CLAUDE.md/AGENTS.md | 定义或更新Schema层规则 | | 4. 检索调用 | `/query [intent]` | 自然语言查询 | 相关Wiki片段 | 从Wiki Layer检索并Invoke相关知识 | | 5. 一致性检查 | `/check [scope]` | 检查范围 | 修复建议 | 检查Wiki Layer与Schema的一致性 | | 6. 知识融合 | `/merge [files]` | 文件列表 | 融合后的文档 | 合并多个Wiki文档，消除冗余 | | 7. 生命周期管理 | `/lifecycle [action]` | entry/query/check | 状态报告 | 查看或管理知识文档的生命周期状态 |

---

📊 输入输出规范

输入格式标准

```yaml raw_material: source: "文件路径/URL" format: "pdf/docx/html/text" encoding: "utf-8" scope: "global/specific" ```

输出格式标准

```yaml wiki_document: path: "知识库路径/文件名.md" format: "markdown" tags: ["#标签1", "#标签2"] references: ["[[相关文档1]]", "[[相关文档2]]"] metadata: created_at: "ISO8601" updated_at: "ISO8601" lifecycle_stage: "draft/published" source_raw: "raw/文件名" ```

Schema层规范

```yaml schema_definition: scope: "global/specific" version: "1.0" rules: - "文件命名：kebab-case或snake_case" - "标签体系：使用#开头的主题标签" - "引用格式：Obsidian双向链接[[文件名]]" - "元数据格式：YAML frontmatter" - "层级结构：最多6级标题（H1-H6）" compilation_constraints: - "保留原始资料的核心信息" - "使用LLM原生表达（Markdown+Mermaid+代码块）" - "建立双向链接网络" - "添加元数据标签" ```

---

🎯 核心价值

1. 从检索增强到知识编译 - 摒弃"即用即检"的低效检索模式 - 采用预编译策略，生成LLM原生知识表达 - 提升检索准确性与响应质量

2. 三层架构的解耦设计 - Raw Layer：保证源资料不可篡改 - Wiki Layer：LLM可维护的知识工作区 - Schema Layer：机器可理解的行为规则

3. 知识生命周期管理 - 增量编译：持续迭代，而非一次重建 - 检索调用：自然语言查询→精准Invoke - 自修复：一致性检查与孤岛检测

---

🔗 协同关系

与其他Skills的协同

| Skill | 协同方式 | 协同点 | |-------|---------|---------| | 知识学习 | 前置调用 | 用十项认知指令深度理解LLMification方法论 | | Obsidian | 存储协同 | Wiki Layer Markdown存储到Obsidian知识库 | | IMA笔记 | 快速录入 | Raw Layer快速记录通道 | | 象思维 | 创新扩展 | 架构设计的0→1突破 | | 五色光 | 需求分析 | 用白/黄/蓝光分析知识库需求 |

与龙心OS的整合

| 龙心OS模块 | 整合方式 | |--------------|---------| | 🐉 象思维 | 三层架构的0→1原创设计 | | 📚 知识学习 | 深度理解LLMification理论 | | 🌈 五色光 | 需求分析（事实/价值/风险） | | 🤝 人机协同 | 知识库建设的人机分工设计 | | 🔄 知行合一 | LLMification实践经验的沉淀 |

---

📈 未来展望

1. 微调Fine-tuning - 基于Wiki Layer的专有模型训练 - 将知识库嵌入到模型参数中 - 实现更高的响应质量与领域适配

2. Internalization内部化 - 从外部知识库到内化知识 - 减少检索依赖，提升推理效率 - 实现真正的知识"消化"而非"存储"

---

🏷️ 版本信息

---