lumina-wiki
v1.9.2
Published
Domain-agnostic, multi-IDE wiki scaffolder — Karpathy's LLM-Wiki vision, cross-platform and pack-based.
Maintainers
Readme
Lumina-Wiki
Where Knowledge Starts to Glow.
把 AI 变成您的个人知识助手和第二大脑。
目录
1. 核心工作流
Lumina-Wiki 遵循一个简单原则:将您的原始资料与 AI 的结构化知识分开。
+-------------------------+ /lumi-ingest +---------------------------+
| 您的输入 | ---------------------> | AGENT 的大脑 |
| (raw/ 文件夹) | | (wiki/ 文件夹) |
| | <--------------------- | |
| - paper.pdf | /lumi-ask | - paper.md (摘要) |
| - notes.txt | | - concept-a.md |
+-------------------------+ +---------------------------+- 您提供: 将文档(PDF、笔记)放入
raw/目录。 - Agent 构建: 在 AI 对话中使用指令(如
/lumi-ingest),让 Agent 从raw/读取内容,并在wiki/中构建结构化、互相关联的维基。 - 您使用: 通过
/lumi-ask直接向wiki/中的 Agent“大脑”提问,获得更快、更贴合上下文的回答。
2. 快速开始
第一步:安装
用一条命令把 wiki 工作区安装到当前项目中:
运行此命令前,您的电脑需要安装 Node.js。如果尚未安装,请从官方网站下载并安装推荐版本:nodejs.org/en/download。
npx lumina-wiki installWindows 用户注意: 为了获得最佳体验,建议启用开发者模式,以便安装程序正确使用符号链接。如果开发者模式关闭,安装程序会退回到复制 skill 文件;功能仍然可用,但对后续更新不如符号链接理想。
安装程序会引导您完成几个快速设置步骤,包括选择可选的 Packs,例如 research(研究)、reading(阅读)和 learning(学习)。
第二步(可选):配置 Research Pack
如果您安装了 research 包,部分技能可以使用 API key 来获得更好的在线搜索效果。在 AI 对话中运行:
您:
/lumi-research-setup
Agent 会引导您检查研究工具,并在需要时把 key 保存到本地 .env 文件中。
第三步(升级时):迁移旧版 Wiki 条目
如果您在已经有旧版 wiki/ 的项目上重新安装 Lumina-Wiki,直接再次运行 npx lumina-wiki install 即可。安装器会更新 scripts、schemas 和 skills;您在 wiki/、raw/、log.md 中的内容不会被修改。
您可以在项目根目录或其子目录中运行该命令。如果从设置中移除某个包或 AI 工具,Lumina 会清理旧命令和未经您修改的设置文件。您修改过的文件会保留,并显示警告。如果整个项目被复制、移动或重命名,Lumina 会在升级时修复由系统管理的链接。
如果安装器提示旧条目缺少新的 frontmatter 字段,可以用两种方式回填:
- 推荐: 打开 AI 对话并运行
/lumi-migrate-legacy。 - 更快: 运行终端命令:
node _lumina/scripts/wiki.mjs migrate --add-defaults有关各版本 schema 变更的细节,请查看 CHANGELOG.md 或安装后的本地副本 _lumina/CHANGELOG.md。
3. 您的第一组指令(核心技能)
在 AI Agent 的聊天界面中使用这些指令与 wiki 交互,例如 Gemini CLI、Claude 等。
阶段一:导入与构建知识
/lumi-init: 扫描raw/目录并执行首次 wiki 构建。/lumi-ingest [path/to/file]: 把一份新文档加入知识库。AI 会先请你审阅草稿;如果没有需要你判断的问题,就会继续完成后续步骤。
阶段二:查询与维护
/lumi-ask [您的问题]: 基于wiki/中的完整知识库提问。/lumi-edit [path/to/wiki/page]: 要求修改或修正某个具体 wiki 页面。/lumi-check: 检查整个 wiki 的问题(断链、孤立页面等)。
如果您安装了 research、reading 或 learning 等可选包,还会有额外技能可用。
4. 目录结构指南
Lumina 会创建一个工作区,每个目录都有明确用途。
| 路径 | 用途 | 管理方 |
| :--- | :--- | :--- |
| raw/ | 您的不可变输入库。 Agent 只从这里读取。 | 您 |
| raw/sources/ | 放置主要文档(PDF、论文)的位置。 | 您 |
| raw/notes/ | 您的个人笔记和未结构化想法。 | 您 |
| raw/assets/ | 笔记所需的图片或其他资产。 | 您 |
| raw/discovered/| (Research Pack) /lumi-research-discover 找到的论文会保存在这里。 | Agent |
| wiki/ | Agent 的大脑。 Agent 在这里写入结构化知识。 | Agent |
| wiki/sources/ | 为 raw/sources 中每个文档生成的 AI 摘要。 | Agent |
| wiki/concepts/ | 被抽取成独立页面的核心想法和定义。 | Agent |
| wiki/people/ | 作者、研究人员等人物资料。 | Agent |
| wiki/outputs/ | /lumi-ask 的详细回答会保存在这里,便于引用。 | Agent |
| wiki/index.md | 整个 wiki 的主目录。 | Agent |
| ... | (其他实体目录,如 foundations/、characters/,会随对应 pack 出现) | Agent |
| _lumina/ | Lumina 管理的引擎、脚本和配置。 | 系统 |
| .agents/ | Agent 可以使用的 skills。 | 系统 |
通常您只需要在 raw/ 中工作,并阅读 wiki/ 中的结果;不需要修改系统目录。
使用 Obsidian 浏览 Wiki(可选)
Obsidian 是一款本地 Markdown 笔记应用,可以帮助您阅读和浏览互相关联的笔记。由于 Lumina-Wiki 也生成 Markdown 文件,您可以用 Obsidian 打开项目根目录,更方便地阅读 wiki。更多信息请见用户指南。
使用 qmd 进行本地搜索(高级,可选)
随着 Wiki 的增长,您可以使用 qmd 实现更快的本地 Markdown 搜索。如果您的 IDE 支持 Skill 格式,请安装官方 qmd skill:
npx skills add https://github.com/tobi/qmd --skill qmd有关详细的安装和配置,请参阅高级指南。
5. 可用技能
这些是您在与 AI 对话时可以使用的指令。
| Pack | Skill | 用途 |
| :--- | :--- | :--- |
| Core | /lumi-init | 从 raw/ 中的所有文件初始化 wiki。 |
| | /lumi-ingest | 阅读一份文档并撰写 wiki 页面。AI 会先请你审阅草稿;如果没有需要你判断的问题,就会继续完成后续步骤。可跨会话续接。 |
| | /lumi-ask | 基于整个知识库提问。 |
| | /lumi-edit | 要求手动编辑 wiki 页面。 |
| | /lumi-check | 检查 wiki 中的问题(断链等)。 |
| | /lumi-reset | 安全地删除 wiki 的部分内容。 |
| | /lumi-verify | 核查 wiki 里的笔记是否与引用的来源相符。把可疑之处报告给你审阅;不会替你修改笔记。 |
| | /lumi-help | 读取工作区状态,给出下一步该做的一条建议。加参数 /lumi-help skills 可查看全部命令清单,或 /lumi-help explain <主题> 询问 Lumina 自己的工作原理(例如 /lumi-help explain bidirectional links)。 |
| Research| /lumi-research-discover | 发现并排序相关研究论文。 |
| | /lumi-research-watchlist | 帮你选择要定期查找的研究主题。 |
| | /lumi-research-survey | 从现有知识创建综述/调研。 |
| | /lumi-research-prefill | 预先生成基础概念,避免重复。 |
| | /lumi-research-topic | 把 wiki 中已有的相关概念和来源汇聚成一个主题页,保存在 wiki/topics/<slug>.md。AI 会提议收录哪些内容,由你确认后再生成页面。多次 /lumi-ingest 之后,用它把一组相关想法整理成独立的主题页。 |
| | /lumi-research-rank | 给已经纳入的论文打分,帮你决定先读哪一篇。它会查询论文的影响力(引用信号)、估计发表场所的声望,并从四个方面评估质量——正确性、清晰度、贡献、背景——然后在论文页面上加上一份清晰的评分卡。实测数据与 AI 的估计始终分开标注。 |
| | /lumi-research-setup | 帮助配置研究工具的 API key。 |
| | /lumi-research-watch-run | 基于 watchlist 运行一次计划式发现(主题 + RSS / Atom 源)。仅在你要求时才运行。 |
| Reading | /lumi-reading-chapter-ingest| 按章节导入书籍知识。 |
| | /lumi-reading-character-track| 追踪故事中的角色及其关系。 |
| | /lumi-reading-theme-map | 识别并映射故事主题。 |
| | /lumi-reading-plot-recap | 提供情节的顺序回顾。 |
| Learning | /lumi-learning-reflect | 引导一次针对某个概念或资料的自我反思(self-reflection)。在 wiki/reflections/ 中创建个人反思页,包含可改写的"当前理解"部分和只能追加的"演变日志"。AI 充当认知镜——引用你过去说的话并提问——但从不替你撰写反思内容。 |
后台脚本位于 _lumina/scripts/ 和 _lumina/tools/;通常您不需要直接调用它们。
6. 未来规划
Lumina-Wiki 正在快速演进。这是我们的用户路线图:
近期计划(稳定性与新导入支持)
- [x]
/lumi-help技能: 智能助手读取工作区状态并告诉你下一步该做什么;加参数/lumi-help skills可查看全部命令清单,或/lumi-help explain <主题>询问 Lumina 本身的工作原理。(v1.4 已发布) - [x] 学习包(Learning Pack): 自我反思功能,帮助您追踪对某个概念的理解随时间的演变。(v1.4 已发布)
- [x] 多语言安装: 安装时可选英文、越南文或中文作为主语言。(v1.2 已发布)
- [x] 原生 DOCX、RTF 与 EPUB 导入: 通过 research pack 将 Word、Rich Text 与 EPUB 电子书直接导入维基。(v1.x 已发布)
- [x] 改进的 CI/CD: 正式支持 Bun 和 Node 22 环境。(v1.2 已发布)
- [x] 全球数据源扩展: 直接集成 OpenAlex、CORE 和 Unpaywall,实现可靠的 DOI-to-PDF 解析。(在 v1.6 中发布)
- [x] RSS 与博客监控: 通过 watchlist 中的
type: feed项,自动从您喜爱的实验室博客和期刊中发现新论文。(在 v1.6 中发布) - [x] 高级论文排名: 通过
/lumi-research-rank查看研究论文的影响力评分和质量信号。(在 v1.7 中发布)
长期计划(深度研究与集成)
- [ ] 图片 OCR 与扫描 PDF: 将截图与扫描版 PDF 导入维基。
- [ ] 论文版本追踪: 当已导入的论文出现新修订版或正式发表版本时发出通知。
- [ ] Google Workspace: 直接将 Google Docs 和 Sheets 导入知识图谱。
- [ ] 多媒体支持: 通过转录处理 YouTube 视频和音频录音。
- [ ] 知识图谱审计: 自动检测矛盾和结构偏移。
计划中
- [ ] 桌面端应用: 专用的图形界面环境,方便管理维基。
- [ ] 专业科学包: 为生物医学和物理研究人员提供深度集成。
完整的技术细节请见 ROADMAP.md。想要贡献?欢迎在 GitHub 上加入我们!
7. 贡献与许可
CLI 契约
CI 脚本和集成应参考 docs/cli-contract.md 了解 v1.x 稳定标志列表和退出码映射。未在其中列出的任何内容均为内部,可能在不另行通知的情况下更改。
本地开发(贡献者)
如果您想为 lumina-wiki 安装器做贡献:
# 1. 克隆并安装依赖
git clone https://github.com/tronghieu/lumina-wiki.git
cd lumina-wiki
npm ci
# 2. 运行测试
npm run test:all8. 其他语言
许可: MIT © Lưu Trọng Hiếu.
贡献者
感谢所有为 Lumina Wiki 做出贡献的人!
想要贡献? 请阅读 CONTRIBUTING.md 开始参与——欢迎提交 Bug 报告、新 skill、工具集成以及翻译。
