Wiki Compiler

wiki编译器

CLI+MCP服务器 编译 将网络资源转化为结构化、不断增长的知识库——黑曜石兼容、本地优先、模式驱动。

“这里有一个令人难以置信的新产品的空间，而不是一系列古怪的脚本。” --安德烈·卡帕斯

大多数工具都能给你的AI *访问* 到你的笔记。这个给你的AI一个 *编译知识结构* --从原始源构建的反向链接wiki页面，由您定义的模式组织。

______________________________________________________________________

运作原理

wiki add 
    │
    ▼
fetch page → strip HTML → send to Claude
    │
    ▼
Claude extracts: title, summary, key_concepts, categories, tags
    │
    ▼
vault/agent/{slug}.md  ← Obsidian-compatible markdown
    │
    ▼
wiki query "what do I know about X?"
    │
    ▼
Claude reads all vault pages → synthesized answer

双保险库架构 （科帕诺的污染洞察）：

• vault/agent/ --编译器输出，混乱，实验性
• vault/personal/ --您精心策划的笔记，从未被该工具触及

______________________________________________________________________

安装

git clone https://github.com/Ray0907/wiki-compiler
cd wiki-compiler
uv sync
export ANTHROPIC_API_KEY=sk-ant-...

用法

# Compile a source into your vault
uv run wiki.py add https://github.com/kepano/obsidian-skills

# Written: vault/agent/kepanoobsidian-skills-agent-skills-for-obsidian.md

# Ask a question against everything you've compiled
uv run wiki.py query "What is the Obsidian CLI used for?"

然后打开 vault/ 作为一个黑曜石拱顶——每一个 [[wikilink]] 在编译后的页面中，它将成为知识图中的一个节点。

______________________________________________________________________

输出格式

每个编译页面：

---
title: kepano/obsidian-skills
url: https://github.com/kepano/obsidian-skills
summary: A collection of agent skill files that teach AI agents how to read
  and write Obsidian vaults using Markdown, Bases, JSON Canvas, and CLI.
categories:
  - AI
  - Tools
tags:
  - obsidian
  - agents
  - mcp
date_compiled: '2026-04-03'
---
## Summary
A collection of agent skill files...

## Key Concepts
- [[Obsidian CLI]]
- [[Agent Skills]]
- [[JSON Canvas]]
- [[Model Context Protocol]]
- [[Vault Structure]]

______________________________________________________________________

模式

schema.yaml 控制编译器生成的内容。编辑它以匹配您的域名：

categories:
  - AI
  - Tools
  - Research
  - Knowledge Management
  - Agent Architecture

backlinks:
  min_concepts: 2
  max_concepts: 8
  format: "[[{concept}]]"

output:
  filename_pattern: "{slug}.md"
  frontmatter_fields:
    - title
    - url
    - summary
    - categories
    - tags
    - date_compiled

每次运行时都会重新读取架构，无需重新启动。

______________________________________________________________________

MCP服务器

连接到Claude Desktop、Cursor或任何MCP客户端：

uv run mcp_server.py

暴露的两个工具：

• add_document(url) --将URL编译到vault中
• search_wiki(query) --查询保险库

Claude桌面配置 (claude_desktop_config.json):

{
  "mcpServers": {
    "wiki": {
      "command": "/path/to/wiki-compiler/.venv/bin/python",
      "args": ["/path/to/wiki-compiler/mcp_server.py"],
      "cwd": "/path/to/wiki-compiler",
      "env": {
        "ANTHROPIC_API_KEY": "sk-ant-..."
      }
    }
  }
}

______________________________________________________________________

测试

uv run pytest tests/ -v
# 16 passed in 0.45s

______________________________________________________________________

为什么不是黑曜石插件？

黑曜石插件无法运行繁重的LLM管道，只能绑定到一个应用程序，黑曜岩团队已经在构建原生AI。这里的价值在于 编译器 --将原始资源转化为连贯、模式一致的知识结构的管道。黑曜石只是一个方便的输出查看器。

MCP服务器使编译后的保管库可供任何LLM客户端使用。随着模型的改进，编译会变得更好——模式和积累的知识仍然属于你。

______________________________________________________________________

路线图

• \[ \] wiki compile --批处理模式，一次多个来源
• \[\]人工审核门——推广来自的页面 vault/agent/ 到 vault/personal/
• \[ \] wiki report --自主模式：一个查询生成一个代理团队，构建一个临时wiki，返回完整报告
• \[\]黑曜石CLI集成——使用反向链接图实现更智能的查询路由