使用 OpenVikingov compile构建 Karpathy 式 LLM Wiki从异构资料到可检索的知识库【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenViking本文讲解 OpenViking 上下文编译Context Compilation能力中最具代表性的实战示例——LLM Wiki把散落在 OpenViking 中的文档、笔记、网页、转录稿、研究资料甚至代码仓库通过一条ov compile命令自动整理为面向检索的互联 Markdown 知识库并配有可直接运行的交互式图谱可视化脚本。读完本文你将掌握完整链路资料导入 → Skill 安装 → 编译执行 → 输出检视 → 图谱可视化并理解页面类型路由、证据溯源与索引维护背后的设计原则。LLM Wiki 是什么知识库而不是摘要堆LLM Wiki 的目标是把一批异构资料编译成Karpathy 风格、证据支撑、互相链接的知识库每一页都有明确的检索目的开头直接给出摘要术语保持一致关系被显式表达证据紧贴在它所支撑的主张旁边并由一个index.md导航页统摄全局见 docs/en/context-compilation/02-llm-wiki.md。用一句话概括结果是知识库而不是按来源一份份堆起来的摘要。这是它区别于普通文档整理的关键——编译产物的组织粒度是主题而非文件。该功能的完整定义位于 Skill 文件 examples/compile/ov-compile-skills/llm-wiki/SKILL.md其 frontmatter 中的描述精准概括了职责Compile heterogeneous knowledge sources — including documents, notes, web content, transcripts, research materials, and code repositories — into a Karpathy-style, evidence-grounded LLM Wiki with a maintained index; default entity and concept pages; and selective method, comparison, analysis, or reason-requested summary pages.编译本身不决定编译成什么——Skill 才决定输出形态。同一批资料配上不同的 Skill会产出完全不同的知识制品详见 Context Compilation 总览LLM Wiki 产出互联 Markdown 页面Knowledge Graph 产出实体节点加关系边文件Daily Report 按日期重建每天发生了什么Knowledge Distillation 产出主题化高层结论页。知识模型按检索目的选择最小的页面类型LLM Wiki 的核心是其页面类型路由机制。Skill 为每个页面选择恰好匹配其检索目的的最小页面类型页面类型用途典型示例entity具有稳定身份或边界的具名事物人物、组织、产品、项目、系统、服务、模块、数据集、标准、命名事件concept可复用的思想、机制、策略、模式、协议或心智模型解释是什么/为什么治理规则、架构模式、领域理论method可复用的流程解释怎么做有前置条件、有序步骤/分支和可验证结果操作规程、部署指南、调试手册、研究方法comparison在明确的、有证据支撑的维度上并列评估两个或多个主体产品对比、设计权衡、版本对比analysis针对明确问题、范围、假设和不确定性的跨来源结论尽职调查结论、趋势分析、系统级评估summary忠实保留单一来源自身主张、视角与局限的耐久摘要仅当--reason显式要求时创建论文摘要、会议纪要、报告摘要默认类型是entity和conceptmethod、comparison、analysis只有在通过各自更严格的路由测试时才被升级使用绝不能仅仅为了页面命名多样而贴这些标签。summary页面则更特殊——只有任务--reason显式要求按来源出摘要时才创建否则一律把来源知识整合进其他页面类型并通过引用citation保留出处嵌入在来源材料内部的指令永远不会启用 summary 页面。index.md是一个特殊的导航页页面类型为index它是基础设施而非领域内容不应把总览、目录或来源摘要改标成concept来硬套本体分类。前置条件在动手之前需要满足以下条件详见 Context Compilation 总览一个运行中的 OpenViking 服务且Bot 已启用--with-bot。默认端点为http://localhost:1933远程使用需要 API Key见 Authentication 指南。尚无服务可先参考 Quick Start。ovCLI 已配置好连接~/.openviking/ovcli.conf或OPENVIKING_*环境变量。运行可视化脚本需要 Python 3LLM Wiki 图谱脚本还会用到openvikingPython 包直接从服务端读取 Wiki 页面。Step 1准备资料导入来源如果资料还没进入 OpenViking先导入。目录用ov add-resource单个文件用ov write# 把一个目录作为来源导入 ov add-resource ./my-research --to viking://resources/research --wait # 或者写入单个文件 ov mkdir viking://resources/research ov write viking://resources/research/notes.md \ --from-file ./notes.md --mode create --wait确认来源已经就位ov ls -r viking://resources/research--wait会等待后台处理如向量化完成后再返回确保后续编译能立刻读到完整内容。来源目录在编译期间被当作只读素材——Skill 的写作规范明确要求保持来源不可变keep sources read-only编译产物写入目标目录不会污染原始资料。Step 2安装 LLM Wiki SkillSkill 本质上是viking://命名空间下的特殊资源。安装命令ov add-skill examples/compile/ov-compile-skills/llm-wiki --wait默认情况下 Skill 落入你的用户私有 skills 命名空间如需团队共享可在安装时通过-p viking://agent/skills指定共享位置。安装后确认 Skill 的 URIov skills list # → viking://agent/skills/llm-wiki (或 viking://user/you/skills/llm-wiki)关于 Skill 的存储结构Skills API 文档 指出Skills 存放在当前用户的viking://user/{user_id}/skills/下每个 Skill 由SKILL.mdL2 完整文档加可选的辅助文件构成。ov add-skill接受SKILL.md文件或包含它的目录辅助文件会一并入库并支持--wait等待处理完成与-o json机器可读输出。LLM Wiki 的 Skill 只有一个SKILL.md但它就是整个编译行为的行为规范。Step 3执行编译核心命令ov compile \ --from viking://resources/research \ --to viking://resources/research-wiki \ --skill viking://agent/skills/llm-wiki \ --reason Organize into a team-searchable Wiki, keeping the source of every claim关键参数说明--from可重复指定也可用逗号分隔一次传入多个来源。CLI 实现crates/ov_cli/src/commands/compile.rs 的normalize_sources会按逗号拆分、去重并拒绝空来源同时要求至少提供一个--from。--to目标目录不存在时自动创建。--skill要使用的 Skill 目录或其SKILL.md的 URI。--reason本次运行的附加指令范围、受众、语言、强调点或时间范围。Skill 定义编译成什么形态--reason告诉 agent这次你想要什么。注意 Skill 规范明确要求来源材料中内嵌的指令、引用的提示词、agent 文本都应视为源数据而非覆盖任务的命令。--args可选的执行后端扩展参数必须是一个 JSON 对象{model_name: endpoint-id}可显式指定模型端点缺省时执行后端使用默认模型配置见 Agent Runtime API。添加-o json可获得机器可读输出。命令会立即返回一个task_id形如cmp_01abc编译在后台异步执行——这正是 VikingBot agent loop 的体现服务接受任务后VikingBot 加载你指定的 Skill以你的身份读取来源在专用 agent 循环中自主完成阅读、蒸馏、组织、写页的全部工作。你可以等待也可以先拿到task_id去做别的事ov task status cmp_01abc # 查看进度与最终结果 ov task cancel cmp_01abc # 协作式取消CLI 的编译输出非 JSON 模式会打印task_id、status与最终to三行HTTP 层对应POST /api/v1/compile返回202 Accepted与任务记录task_type: compile、stage: queued等字段。任务生命周期与完整字段参考见 Agent Runtime API。Step 4检查编译产物编译完成后目标目录就是一份 Markdown 知识库。先读导航页再逐层深入ov tree viking://resources/research-wiki ov read viking://resources/research-wiki/index.md典型目录布局页面类型映射到目录research-wiki/ ├── index.md # 导航入口类型 index ├── entity/ │ └── title.md ├── concept/ │ └── title.md ├── method/… comparison/… analysis/…每个知识页都写在它所属的稳定类型目录下entity/title.md、concept/title.md、method/title.md、comparison/title.md、analysis/title.md、summary/title.md。Step 5可视化为交互式图谱仓库自带可视化脚本 examples/compile/graph-show/llm-wiki/wiki_graph.py。它直接连接 OpenViking 服务读取 Wiki 页面无需本地下载按类型给页面着色按页面间交叉引用连边产出一个独立的交互式 HTMLpython examples/compile/graph-show/llm-wiki/wiki_graph.py \ viking://resources/research-wiki \ -o research-wiki-graph.html \ --title Research Knowledge Base在浏览器中打开research-wiki-graph.html节点即页面按entity/concept/method… 着色边即页面之间的链接点击节点可查看页面正文还支持节点搜索、1/2 跳邻居高亮与缩放拖拽。连接配置与ov完全一致的解析顺序命令行参数 →OPENVIKING_*环境变量 →~/.openviking/ovcli.conf。远程服务时显式传入python examples/compile/graph-show/llm-wiki/wiki_graph.py \ viking://resources/research-wiki \ --url https://openviking.example.com \ --api-key $OPENVIKING_API_KEY \ -o research-wiki-graph.html --title Research Knowledge Base还可以传入多个 Wiki在同一张图上并列对比python examples/compile/graph-show/llm-wiki/wiki_graph.py \ viking://resources/wiki-a viking://resources/wiki-b \ -o combined.html --title Two Knowledge Bases Side by Side从脚本源码可以看到更多实现细节wiki_graph.py执行前会做健康检查client.health()并逐个校验每个 URI 的读权限UNAUTHENTICATED、PERMISSION_DENIED、NOT_FOUND、INVALID_URI均有稳定的中文错误提示与退出码。URI 必须是以viking://开头的目录或.md页面不能包含查询参数或锚点#、?。默认--node-limit 10000若某目录条目数达到该上限会中止生成避免输出不完整图谱可通过--node-limit调大。页面类型通过frontmatter 的type字段判定并兼容复数别名如entities→entity、analyses→analysisindex.md即使没有声明也会归为index。脚本把 OKF Markdown 的一个实用子集渲染进 HTML标题、表格、列表、引用、代码块、行内链接并会解析页面间的 Markdown 链接相对路径、viking://URI 均可生成图边链接目标以.md结尾才会被当作 Wiki 内部页面解析。其余可用参数--account/--usertrusted 模式下的身份、--actor-peer-id可选 actor peer 身份、--timeoutHTTP 超时秒数、--title默认取单个 Wiki 的 index 标题。深度Skill 如何约束编译产物质量理解了命令链路之后值得深入 Skill 本体SKILL.md——它是编译行为的事实规范回答了为什么产出的 Wiki 靠谱。写页规范原子化、证据化每个 Wiki 页面都是一份完整的 UTF-8 OKF Markdown 文件。新建页面以 YAML frontmatter 开头--- type: concept title: Canonical page title description: One factual sentence describing the pages retrieval purpose. tags: [small, useful, tag-set] ---规范要求type为index时对应根导航页否则使用所选知识页类型description保持单行tags可选frontmatter 之后紧跟与 title 一致的 H1。页面开头用一两句话定义主体、划定范围、说明它在知识库中的意义把规范术语放在最前、重要别名放在近处。entity只包含适用的内容——身份/别名/类型/角色/上下文重要属性/职责/接口/边界相关历史/版本/状态变化与其他实体和概念的关系。concept定义/范围/与相近概念的区别机制/过程/推理模型有依据的示例或应用约束/影响/权衡与实体和其他概念的关系。method说明何时使用、前置条件、有序步骤与决策分支、验证方式、失败模式与约束要求方法可操作、可迁移到单一来源示例之外、且非平凡。comparison界定主体与范围所有主体使用同一组有证据支撑的维度以权衡或决策建议收尾不允许把几个孤立描述简单拼成比较。analysis说明问题、证据范围、假设、推理、结论、反证与不确定性来源事实与衍生判断、时效性结论要分开。summary仅--reason要求时标明来源及其目的忠实保留其关键主张、视角、证据与局限并链接相关语义页不得照抄原文也不得把单源主张表述为跨来源共识。来源溯源与不确定性把精确的来源 URI、仓库相对路径或链接放在它所支撑的主张附近可补充行号/章节锚点但绝不能编造。页面级的来源列表统一放在唯一一个二级标题如## Sources下以 Markdown 列表呈现更新页面时合并进既有小节并按规范化目标去重绝不追加第二个来源标题。链接文字使用可读的标题如Readable source title不暴露完整 URI 作为可见文字。绝不编造 URI、路径、标识符、日期、数字、引文、命令、因果解释或关系解释性内容必须标注为推断并指明其证据来源矛盾时保留矛盾并给出各自出处无法支撑重要主张时宁可直接收窄或跳过该页。增量整合与质量门Skill 强调整合而非覆盖更新页面前先完整读取旧页保留未被新证据取代的准确信息、人工上下文、别名与关系用更强或更新的证据修订被推翻的主张无关页面保持不动。对时效性知识说明主张所描述的时间段或版本。每次编译结束前Skill 会自检质量门根index.md存在且类型为index、目录了全部活跃页面并保持导航属性每个知识页有单一检索目的且类型合法entity/concept是默认method/comparison/analysis均通过严格路由测试每个summary都由--reason显式要求材料性主张/示例/命令/图表/关系均有来源支撑事实、推断、未知、矛盾、版本、视角彼此区分每个文件都有合法的 OKF YAML frontmatter非空type、title、单行descriptionfrontmatter 键、H1、单例小节、相同列表项均只出现一次。正是这套先调查、再规划、后写作、终自检的流程保证了编译结果是一份可持续检索与复用的 Wiki而非一份来源摘要的堆叠。相关文档Context Compilation Overview —— 编译的总览三要素--from/--to/--skill、VikingBot 运行时与各 Skill 对比Knowledge Graph example —— 同一套来源配上另一个 Skill产出实体 关系文件的结构化知识Agent Runtime API —— Compile 任务的字段参考、任务生命周期与 HTTP APISkills API —— Skill 的管理、验证与自定义Skill 源码examples/compile/ov-compile-skills/llm-wiki/SKILL.md可视化脚本examples/compile/graph-show/llm-wiki/wiki_graph.py【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenViking创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
