From 20b560fef4c5d6b771499dde4895fcb484babbe8 Mon Sep 17 00:00:00 2001 From: weishen Date: Mon, 20 Apr 2026 14:58:12 +0800 Subject: [PATCH] docs: focus article on llm-wiki-sync analysis; add example RTO-vs-RPO; mention Obsidian and wiki-graph visualization --- Hermes/xingzhi/llm-wiki-sync_公众号稿.md | 8 +++++++- 1 file changed, 7 insertions(+), 1 deletion(-) diff --git a/Hermes/xingzhi/llm-wiki-sync_公众号稿.md b/Hermes/xingzhi/llm-wiki-sync_公众号稿.md index 71e09ebd..f61f4151 100644 --- a/Hermes/xingzhi/llm-wiki-sync_公众号稿.md +++ b/Hermes/xingzhi/llm-wiki-sync_公众号稿.md @@ -110,4 +110,10 @@ - llm-wiki-sync 把 Karpathy 关于 LLM Wiki 的理念落地为可执行的工程流程：把知识以结构化表征保存，使得大模型既是“读者”也是“执行者”。 - 我们的实现基于 SamurAI 的 llm-wiki-agent，并在其上加入了企业级的同步、审计与 Hermes skill 封装，最终通过 Quartz 静态站把生成的 wiki 内容对外展示与分享。 -如果你想，我可以把上面 RTO vs RPO 的 source 页面再跑一遍演示：展示原始 raw 文件、模型的中间输出（提取断言、实体的置信度、连接候选），以及最终写入 wiki 的 diff。要我现在生成演示输出吗？ +- 通过这种方式，可以很容易地把所有的知识进行结构化与关联化： + - 在 Obsidian 中可以直接通过关系图谱（graph view）查看笔记之间的连接； + - 在 llm-wiki-agent 中可以通过 wiki-graph 构建并可视化关系图谱（graph.html / graph/graph.json），以便在浏览器中交互式查看所有内容的关联关系。 + +如果你需要，我可以： +- 现在对 RTO vs RPO 的源文件再跑一遍演示，输出模型中间结果（断言置信度、实体识别置信度、连接候选）与最终写入 wiki 的 diff；或 +- 直接把这篇更新再提交并推到 Git（我可以自动 commit & push）。