Practice Guide.md - LLMification 实操指南
> 用途：LLMification Knowledge Builder的实操执行手册 > 适用人群：知识库建设者、AI系统管理员、知识工程师 > 前置条件：已理解三层架构理论（Raw→Wiki→Schema）
---
🎯 实操场景
场景1：企业知识库建设
背景： 某公司有大量PDF手册、网页文档、培训材料，分散在不同平台，员工难以快速找到准确信息。 目标： 使用LLMification方法，构建三层架构的企业知识库。 执行步骤： Step 1：Raw Layer准备 ``` knowledge-base/ ├── raw/ │ ├── 手册/ │ │ ├── 产品手册-v1.0.pdf │ │ └── 培训手册-2024.pdf │ ├── 网页/ │ │ ├── 官网产品介绍.html │ │ └── 技术文档.html │ └── 文档/ │ ├── 员工指南.docx │ └── 流程说明.txt ``` Step 2：Wiki Layer编译 ```bash编译产品手册
/compile raw/手册/产品手册-v1.0.pdf编译网页文档
/compile raw/网页/官网产品介绍.html编译员工指南
/compile raw/文档/员工指南.docx ``` 输出示例： ```markdown --- path: knowledge-base/wiki/产品手册.md tags: ["#产品", "#手册"] created_at: 2026-04-08T10:00:00 lifecycle_stage: published source_raw: raw/手册/产品手册-v1.0.pdf ---产品手册 v1.0
核心功能
功能1：用户管理
功能2：订单管理
常见问题
Q1：如何创建用户？
A：使用以下步骤...Q2：订单取消后如何退款？
A：参考[[退款流程]]文档。相关文档
定义全局Schema
/define-schema global ``` 生成：`CLAUDE.md` ```yaml file_naming: "kebab-case" tag_format: "#标签" reference_format: "[[文档名]]" max_heading_level: 6 ``` Step 4：Query测试 ```bash自然语言查询
/query "如何创建用户账户？"/query "订单取消后的退款流程是什么？" ```
结果： ``` Query: "如何创建用户账户？" Answer: 要创建用户账户，请按照以下步骤： 1. 访问用户管理页面 2. 点击"创建用户"按钮 3. 填写用户信息 4. 点击提交相关信息：[[产品手册]] -> 功能1：用户管理 ```
---
场景2：个人知识资产系统化
背景： 个人研究者收集了大量论文、书籍笔记、网页资料，管理混乱，查找困难。 目标： 构建个人三层知识库系统，提升知识管理效率。 执行步骤： Step 1：Raw Layer整理 ``` personal-kb/ ├── raw/ │ ├── 论文/ │ │ ├── 论文1.pdf │ │ └── 论文2.pdf │ ├── 书籍/ │ │ ├── 书籍1笔记.md │ │ └── 书籍2笔记.md │ └── 网页/ │ ├── 文章1.html │ └── 文章2.html ``` Step 2：增量编译 ```bash先编译核心论文
/compile raw/论文/论文1.pdf再编译书籍笔记
/compile raw/书籍/书籍1笔记.md增量编译网页资料
/update "机器学习" ``` 输出示例： ```markdown --- path: personal-kb/wiki/机器学习核心概念.md tags: ["#机器学习", "#深度学习", "#神经网络"] created_at: 2026-04-08T12:00:00 lifecycle_stage: published ---机器学习核心概念
核心理论
神经网络
神经网络是机器学习的一种模型...深度学习
深度学习是神经网络的延伸...相关研究
论文1：[[Attention Is All You Need]]
核心观点：Transformer架构的核心...论文2：[[BERT: Pre-training of Deep Bidirectional Transformers]]
核心贡献：预训练语言模型...实践应用
应用1：图像识别
参考[[计算机视觉]]应用2：自然语言处理
参考[[NLP技术栈]] ``` Step 3：一致性检查 ```bash检查整个知识库
/check all修复发现的孤岛
/merge ["孤岛1.md", "孤岛2.md"] ```---
场景3：AI原生内容管理
背景： 需要为AI Agent（如Claude、GPT）构建优化的知识库，提升响应质量。 目标： 使用LLMification方法，创建AI原生的知识表达。 执行步骤： Step 1：设计AI友好结构 ```markdownAI优化版知识库
核心概念（LLM易于理解）
概念定义
使用清晰的定义和示例...算法步骤
使用编号和代码块...常见问题（FAQ格式）
问题1：[具体问题]
答案：[简洁准确回答] 相关概念：[[概念1]], [[概念2]] ``` Step 2：Wiki Layer优化 ```bash /compile raw/资料/技术文档.md ``` 优化输出： ```markdown --- path: ai-kb/wiki/技术文档-ai版.md tags: ["#AI优化", "#技术文档"] format: "markdown" ---技术文档 - AI优化版
快速参考
API端点
| 端点 | 方法 | 描述 | |-------|------|------| | /api/users | GET | 获取用户列表 | | /api/users/:id | GET | 获取单个用户 | | /api/users | POST | 创建用户 |常见错误
| 错误码 | 原因 | 解决方案 | |-------|------|---------| | 400 | 参数错误 | 检查参数格式 | | 401 | 未授权 | 检查API密钥 | | 404 | 资源不存在 | 确认资源ID |详细说明
创建用户
```python示例代码
import requestsresponse = requests.post( "http://api.example.com/api/users", json={ "name": "张三", "email": "zhangsan@example.com" }, headers={"Authorization": "Bearer YOUR_TOKEN"} )
print(response.json()) ```
相关文档
CLAUDE.md
ai_knowledge_base: style: "technical" format_preference: "code-first" response_style: "concise" max_context_length: 4000 ```---
🛠️ 常见问题与解决方案
Q1：Raw Layer应该放什么文件？
A：Q2：如何处理重复内容？
A： 使用`/merge`指令： ```bash /merge ["文档1.md", "文档2.md"] ``` LLM会自动识别重复内容并合并。Q3：Schema Layer如何定义？
A： 根据知识库的用途定义： ```yaml个人知识库
scope: "personal" rules: file_naming: "snake_case" tag_format: "#个人笔记"企业知识库
scope: "corporate" rules: file_naming: "kebab-case" tag_format: "#官方文档" ```Q4：如何更新已有知识？
A： 使用`/update`指令进行增量更新： ```bash /update "机器学习" ``` LLM会找到相关文档并追加新内容。Q5：知识库多大合适？
A：---
📊 性能优化建议
1. 分层存储
``` knowledge-base/ ├── raw/ # 原始资料（冷存储） ├── wiki/ # 结构化知识（热存储） └── schema/ # 行为规则（规则存储） ```2. 增量编译
3. 索引优化
4. 查询优化
---
🔗 工具集成
与Obsidian集成
存储路径： ```bash knowledge-base/wiki/ → Obsidian库 ``` 配置： ```json { "attachmentFolderPath": "knowledge-base/raw", "newFileLocation": "current", "newFileTemplatePath": "templates/wiki-template.md" } ```与WorkBuddy集成
自动触发：WorkBuddy Rule
triggers: - "知识库" - "文档整理" - "资料系统化" auto_operations: - "/compile" - "/update" - "/check" ```---
✅ 质量检查清单
在发布知识库前，使用此清单进行质量检查：
Raw Layer检查
Wiki Layer检查
Schema Layer检查
整体检查
---
📚 进阶主题
主题1：多语言知识库
方法： 在Wiki Layer中使用语言标签： ```markdown --- tags: ["#技术", "#English", "#中文"] --- ```主题2：版本管理
方法： 在文件名中包含版本： ```bash knowledge-base/wiki/产品手册-v1.0.md knowledge-base/wiki/产品手册-v2.0.md ```主题3：权限控制
方法： 在Schema Layer中定义访问规则： ```yaml access_control: public: - tags: ["#公开", "#文档"] internal: - tags: ["#内部", "#流程"] admin: - tags: ["#管理", "#配置"] ```---
实操指南版本：v1.0 最后更新：2026-04-08 维护者：龙龟神将