第八章：Hermes如何使用LLM Wiki工具

Hermes Agent 整合了基于 Andrej Karpathy 提出的 LLM Wiki 模式，提供了一个强大的、可自我维护的知识库解决方案。

这一功能允许用户和 Agent 共同构建和维护一个由相互关联的 Markdown 文件组成的知识库，从而实现知识的持续积累、更新和高效检索。

本章将深入探讨 Hermes Agent 的 LLM Wiki 应用，包括其核心理念、架构设计以及操作管理。

8.1 LLM Wiki 介绍

Hermes Agent 的 LLM Wiki 功能是基于 Andrej Karpathy 的 LLM Wiki 模式，旨在解决传统知识管理和检索的痛点。它不仅仅是一个简单的文档存储系统，而是一个能够构建和维护持久化、相互关联的 Markdown 文件知识库的智能系统。

与传统的 RAG (Retrieval-Augmented Generation) 模式不同，LLM Wiki 的核心区别在于其知识处理方式：

• 传统 RAG：在每次查询时从头开始重新发现知识，这意味着每次都需要重新检索和理解源材料。
• LLM Wiki：知识被编译一次并持续更新。一旦信息被摄取到 Wiki 中，它就会被结构化、交叉引用，并与现有知识进行整合。这意味着知识库中的矛盾已经被标记，综合信息已经反映了所有摄取的内容。

这种模式下，人类用户负责策划来源和指导分析，而 Agent 则负责总结、交叉引用、归档和维护知识库的一致性。通过这种分工，LLM Wiki 能够随着时间的推移不断增长和完善，成为一个“活”的知识系统。

8.2 Wiki 架构与分层

Hermes Agent 的 LLM Wiki 采用清晰的三层架构，确保了知识库的结构化、可维护性和可扩展性。整个 Wiki 存储在一个指定的目录中（默认为 ~/wiki，可通过 WIKI_PATH 环境变量配置），该目录由一系列 Markdown 文件和子目录组成。

8.2.1 三层架构

LLM Wiki 的三层架构包括：

1. 原始来源 (Raw Sources)：这一层包含不可变的原始材料，如网页文章、PDF 文档、会议记录、访谈稿以及引用的图像和图表。Agent 只读取这些文件，但不会修改它们。它们是知识库的基础，确保了所有信息的来源可追溯。
2. Wiki (Agent 拥有)：这一层由 Agent 创建、更新和交叉引用的 Markdown 文件组成。它是知识库的核心，包含了经过 Agent 处理和整合后的实体、概念、比较和查询结果等页面。这些文件是 Agent 学习和沉淀经验的体现。
3. Schema (结构定义)：SCHEMA.md 文件定义了 Wiki 的结构、约定和标签分类法。它充当了 Agent 行为的约束，确保知识库的整体一致性和规范性。例如，它定义了文件命名约定、页面前置元数据 (frontmatter) 格式、链接规则以及标签的使用规范。

8.2.2 目录结构

典型的 LLM Wiki 目录结构如下：

wiki/
├── SCHEMA.md           # 约定、结构规则、领域配置
├── index.md            # 带有单行摘要的分段内容目录
├── log.md              # 按时间顺序排列的行动日志 (仅追加，每年轮换)
├── raw/                # 第一层：不可变原始材料
│   ├── articles/       # 网页文章、剪报
│   ├── papers/         # PDF、arxiv 论文
│   ├── transcripts/    # 会议记录、访谈
│   └── assets/         # 原始来源引用的图像、图表
├── entities/           # 第二层：实体页面 (人物、组织、产品、模型)
├── concepts/           # 第二层：概念/主题页面
├── comparisons/        # 第二层：并排分析
└── queries/            # 第二层：值得保留的归档查询结果

8.3 Wiki 操作与管理

Hermes Agent 提供了一套完整的操作流程来初始化、维护和更新 LLM Wiki，确保知识库的有效性和准确性。

8.3.1 初始化新 Wiki

当用户要求创建或启动一个 Wiki 时，Agent 会执行以下步骤：

1. 确定 Wiki 路径：从 $WIKI_PATH 环境变量获取，或询问用户，默认为 ~/wiki。
2. 创建目录结构：按照上述三层架构创建相应的目录和文件。
3. 询问 Wiki 领域：明确 Wiki 涵盖的具体领域。
4. 编写定制化的 SCHEMA.md：根据领域定制结构、约定和标签分类法。
5. 编写初始 index.md：包含分段标题。
6. 编写初始 log.md：记录 Wiki 的创建事件。
7. 确认 Wiki 就绪：并建议用户摄取第一个来源。

8.3.2 Wiki 定位

在处理现有 Wiki 时，Agent 在每次会话开始时都会进行“定位”操作，以理解当前的领域、约定和最新活动：

1. 阅读 SCHEMA.md：理解领域、约定和标签分类法。
2. 阅读 index.md：了解现有页面及其摘要。
3. 扫描最近的 log.md：阅读最近的 20-30 条记录，了解近期活动。

这一步骤至关重要，它能防止创建重复页面、遗漏交叉引用、违反约定或重复已完成的工作。

8.3.3 摄取 (Ingest) 来源

当用户提供一个来源（URL、文件、粘贴文本）时，Agent 会将其整合到 Wiki 中：

1. 捕获原始来源：
   • URL：使用 web_extract 获取 Markdown 内容，保存到 raw/articles/。
   • PDF：使用 web_extract 处理，保存到 raw/papers/。
   • 粘贴文本：保存到相应的 raw/ 子目录。
   • 文件命名：描述性命名，例如 raw/articles/karpathy-llm-wiki-2026.md。
   • 添加原始前置元数据 (raw frontmatter)：包含 source_url、ingested 和内容的 sha256 摘要。sha256 用于检测内容是否发生变化，避免重复处理或标记内容漂移。
2. 讨论要点：与用户讨论来源中的重要信息和对领域的影响（自动化场景下可跳过）。
3. 检查现有内容：搜索 index.md 并使用 search_files 查找现有页面，避免重复。
4. 编写或更新 Wiki 页面：
   • 新实体/概念：仅当满足 SCHEMA.md 中定义的页面阈值（例如，2 个以上来源提及或对一个来源至关重要）时才创建新页面。
   • 现有页面：添加新信息、更新事实、更新 updated 日期。如果新信息与现有内容冲突，遵循更新策略。
   • 交叉引用：每个新页面或更新页面必须通过 [[wikilinks]] 链接到至少 2 个其他页面，并检查现有页面是否反向链接。
   • 标签：仅使用 SCHEMA.md 中定义的标签分类法。
   • 出处：对于综合了 3 个以上来源的页面，在段落末尾添加 ^[raw/articles/source-file.md] 标记，以追溯信息来源。
   • 置信度：对于观点性强、变化快或单一来源的主张，可在前置元数据中设置 confidence: medium 或 low。
5. 更新导航：将新页面添加到 index.md 的正确部分，并更新“总页数”和“最后更新”日期。

8.3.4 页面阈值与更新策略

LLM Wiki 设定了明确的页面阈值和更新策略，以确保知识库的质量和一致性：

• 创建页面：当一个实体/概念出现在 2 个以上来源中，或对一个来源至关重要时。
• 添加到现有页面：当一个来源提及已涵盖的内容时。
• 不创建页面：对于一笔带过、次要细节或领域之外的内容。
• 拆分页面：当页面内容超过约 200 行时，将其拆分为带有交叉链接的子主题。
• 归档页面：当页面内容被完全取代时，将其移动到 _archive/ 并从索引中移除。

更新策略：当新信息与现有内容冲突时：

1. 检查日期：新来源通常取代旧来源。
2. 标记矛盾：如果存在真正的矛盾，记录两个立场及其日期和来源。
3. 在前置元数据中标记矛盾：contradictions: [other-page-slug]。
4. 在 lint 报告中标记以供用户审查。

8.3.5 标签分类法

SCHEMA.md 中定义了标签分类法 (Tag Taxonomy)，规定了 Wiki 中可使用的顶级标签。所有页面上的标签都必须出现在此分类法中，以防止标签蔓延，确保标签的一致性和可管理性。

例如，对于 AI/ML 领域的 Wiki，标签可能包括：

• 模型：model, architecture, benchmark, training
• 人物/组织：person, company, lab, open-source
• 技术：optimization, fine-tuning, inference, alignment, data
• 元信息：comparison, timeline, controversy, prediction