Hermes Agent LLM Wiki 技术应用

Hermes Agent LLM Wiki 技术应用数据来源: GitHub PR #5100/#5635、Karpathy Gist、Hermes Agent 官方文档、SkillsLLM1. 概述LLM Wiki 是 Andrej Karpathy 于 2026 年 4 月 4 日提出的一种持久化知识编译模式，旨在用 LLM 增量构建和维护一个结构化的 Markdown 知识库，取代传统 RAG（检索增强生成）每次查询都从头发现知识的低效方式。Hermes Agent（Nous Research 开发的自改进 AI Agent）在 PR #5100 中首次引入 LLM Wiki 作为内置 Skill，并在 PR #5635 中正式合并，成为第一个使用全新 Skill Config 接口的技能。核心差异：LLM Wiki vs 传统 RAG2. 三层架构 (Three-Layer Architecture)2.1 原始来源层 (Raw Sources) — 不可变存放文章、论文、图片、数据文件等原始材料不可变 (Immutable) — LLM 只读不改这是事实的源头 (Source of Truth)建议通过 chmod -R a-w raw/ 强制文件系统级不可变位置：~/wiki/raw/2.2 Wiki 页面层 (Wiki Pages) — Agent 拥有LLM 完全拥有和维护的 Markdown 文件目录包含：摘要页面、实体页面、概念页面、比较页面、综述、综合分析LLM 创建页面、更新内容、维护交叉引用、保持一致性人类阅读，LLM 编写使用 YAML frontmatter 进行搜索和过滤使用 [[wikilink]] 进行交叉引用位置：~/wiki/wiki/2.3 Schema 配置层 (Schema Config) — 协同进化一个告诉 LLM Wiki 结构和约定的文档（如 SCHEMA.md）定义工作流程：摄入源、回答问题、维护 Wiki将 LLM 从通用聊天机器人变为纪律严明的 Wiki 维护者人类和 LLM 共同演化位置：~/wiki/SCHEMA.md3. 三大核心操作 (Three Core Operations)3.1 Ingest（摄入）流程步骤：用户将新源丢入 raw/ 目录LLM 读取源文档与用户讨论关键要点在 Wiki 中写入摘要页面更新 index.md更新相关实体和概念页面（一次摄入可能触及 10-15 个 Wiki 页面）追加 log.md 条目重要：当更新超过 10 个页面时，先询问再批量更新Hermes 增强特性：Session 导向：每次会话开始时读取 index.md 定位Tag 分类法 (Tag Taxonomy)更新策略 (Update Policy)扩展指导 (Scaling Guidance)日志轮转 (Log Rotation)归档工作流 (Archiving Workflow)3.2 Query（查询）流程步骤：用户提出查询问题LLM 读取 index.md 找到相关页面深入读取相关页面从已编译知识中综合答案（带引用）答案可以是多种格式：Markdown 页面、比较表、幻灯片、图表关键洞察：好的答案应被归档回 Wiki 作为新页面探索成果像摄入源一样在知识库中复利增长3.3 Lint（健康检查）检查维度（Hermes 实现 8 类检查）：孤立页面 (Orphan Pages) — 无入链的页面死链 (Dead Wikilinks) — 指向不存在页面的链接矛盾检测 (Contradictions) — 页面间冲突的声明缺失页面 (Missing Pages) — 被提及但未创建的概念未链接提及 (Unlinked Mentions) — 提到但未建立链接的实体不完整元数据 (Incomplete Metadata) — frontmatter 缺失字段空白段落 (Empty Sections) — 内容不完整的页面过期索引 (Stale Index) — index.md 与实际内容不一致4. 导航与索引系统4.1 index.md — 内容导向Wiki 中所有内容的目录每个页面含：链接、一行摘要、可选元数据（日期、源数量）按类别组织（实体、概念、来源等）LLM 每次摄入时更新查询时 LLM 先读 index 再定位相关页面在中等规模（约 100 个源、数百个页面）下效果很好4.2 log.md — 时间线导向追加式的事件记录格式：## [YYYY-MM-DD] action | subject可用 Unix 工具解析：grep “^## [” log.md | tail -5记录：摄入、查询、Lint 操作帮助 LLM 理解最近发生了什么4.3 hot.md — 热缓存（Hermes 增强）约 500 词的会话上下文持久化消除”我们上次聊到哪里了？”的重新解释问题占用不到 0.25% 的上下文窗口每次会话节省 2-3K token 的重新解释5. Hermes Agent 集成细节5.1 Skill Config 接口LLM Wiki 是第一个使用 Hermes 新 Skill Config 接口的技能：Copy code# config.yamlskills:config:wiki:path: ~/wiki # LLM Wiki 路径实现组件：agent/skill_utils.py: extract_skill_config_vars(), discover_all_skill_config_vars(), resolve_skill_config_values(), SKILL_CONFIG_PREFIXagent/skill_commands.py: _inject_skill_config() — 将配置注入技能上下文hermes_cli/config.py: get_missing_skill_config_vars(), migrate_config(), show_config()5.2 可配置项通过 wiki.path 配置 Wiki 存储路径默认路径：~/wiki通过 hermes config migrate 扫描并提示配置通过 hermes config show 显示所有技能配置5.3 与 Hermes 记忆系统的协作Hermes 自身的 MEMORY.md / USER.md 用于短期交互记忆LLM Wiki 用于长期领域知识编译FTS5 跨会话搜索与 LLM 摘要互补Honcho 用户建模提供用户偏好上下文6. 使用场景6.1 研究深潜数周/数月阅读论文、文章、报告增量构建综合 Wiki，形成演进论述用 lint 发现知识空白并指导下一步阅读6.2 读书笔记按章节归档构建角色页面、主题页面、情节线索页面类似 Tolkien Gateway 级别的个人读书 Wiki6.3 商业/团队知识库摄入 Slack 对话、会议记录、项目文档、客户电话LLM 做人类不想做的维护工作通过 Hermes Gateway 跨 15+ 平台自动化6.4 竞争分析与尽职调查长期追踪公司、市场、技术交叉引用多源信息自动标记矛盾与过期信息6.5 个人知识管理追踪目标、健康、心理、自我提升归档日记、文章、播客笔记构建结构化的自我认知画像7. Obsidian 集成Wiki 目录直接作为 Obsidian Vault 使用使用 Obsidian Graph View 查看知识结构Obsidian Web Clipper 快速将网页文章转为 MarkdownDataview 插件查询 YAML frontmatterMarp 插件直接从 Wiki 内容生成演示文稿Wiki 本身是 Git 仓库 — 免费版本历史8. 扩展生态8.1 社区实现SwarmVault: 50+ 格式支持、混合搜索、commit-on-writeagent-wiki: Python 工具包、链接感知移动/合并、PDF 转 Markdownknowledge-pipline: BFS 推理链、知识图谱、Louvain 社区检测Cortex: OWL-RL 本体、Oxigraph SPARQL +