使用生财 MCP 构建 LLM-WIKI

发表于 分类于 阅读次数： 本文字数： 1.5k 阅读时长 ≈ 5 分钟

什么是 LLM-WIKI

LLM-WIKI 是 Andrej Karpathy 大神 2026 年 4 月提出来的一个理念，核心是让大语言模型把阅读、理解、综合、交叉引用、矛盾发现和问答，持续沉淀为一个持久、结构化、互链、带引用的 Markdown 知识库。

Agent owns the wiki; human owns the judgment.

它可以：

  • 把离散的信息沉淀成结构化的知识库：通过理解、提炼、总结，把生财有术海量优质内容转换成清洗、糅合过的知识库。从文档中提取 概念/实体/总结 等多层结构，帮助我们更好地理解信息。
  • 把文档集合转化为概念图谱：通过 wikilink 在文档和文档之间建立关联，关系脉络一目了然。
  • 把问答的过程转换成知识维护过程：有价值的问答沉淀进知识库，问答本身也可以是知识。
  • 把 LLM 的阅读工作从一次性消耗变成复利资产：LLM-WIKI 的每次摄入都会沉淀知识，告别传统一次性消耗。
  • 维护知识：知识库不是死物，通过定期的 lint 检查和维护知识库，检查断链、修正引用关系、处理冲突、更新陈旧事实，防止知识库腐化。

一张图看懂 LLM-WIKI：

1
2
3
4
5
6
7
8
9
10
11
flowchart TD
    A[Raw Sources<br>网页 / PDF / 代码 / issue / transcript] --> B[Ingest<br>读取、理解、拆解]
    B --> C[Wiki Knowledge Layer<br>Markdown 页面 + wikilinks + citations]
    C --> D[Query<br>基于 wiki 回答问题]
    D --> E{答案有长期价值吗?}
    E -- 是 --> C
    E -- 否 --> F[只返回答案]
    C --> G[Lint / Maintain<br>查断链、无引用、冲突、陈旧事实]
    G --> C
    C --> H[Derived Indexes<br>全文搜索 / 向量 / 图索引 / backlinks]
    H --> D

通过 “资料进入 → 知识编译 → 问答复用 → 好答案回写 → 定期维护 → 知识继续变好” 的核心循环打造知识复利。

OpenKB 是 LLM-WIKI 理念的开源实现。借助 OpenKB，我们可以方便快捷地搭建知识库，而不是从零搞基建。

OpenKB 架构图

生财有术 LLM-WIKI 可以实现什么效果？

构建知识图谱

  • OpenKB 知识图谱：
    OpenKB 知识图谱
  • Obsidian 关系图谱：
    Obsidian 关系图谱
  • Obsidian 关系图谱-亦仁：
    Obsidian 关系图谱-亦仁
  • Obsidian 关系图谱-垂直小号：
    Obsidian 关系图谱-垂直小号

问答

  • 问：“帮我梳理汇总公众号垂直小号的所有资料，告诉我相关的操作指引、工具、经验心得。”
    openkb-chat-vertical-small-account

怎么用生财有术 MCP 构建 LLM-WIKI？

我们需要用到：

  • scys-mcp：获取数据
  • openkb：加工数据
  • LLM API：openkb 大脑
  • AI Agent Client：执行助理
1
2
3
4
5
6
7
flowchart LR
    H["我<br>出目标、做验收"] --> A["AI Agent Client<br>ZCode / Claude Code"]
    A -- "MCP 协议<br>只读拉取" --> S["scys-mcp<br>生财数据源"]
    A -- "CLI 命令<br>驱动编译与 lint" --> O["openkb<br>知识编译器与问答"]
    O -- "API 调用<br>理解 / 综合 / 问答" --> L["LLM API<br>openkb 大脑"]
    O --> W["wiki<br>Markdown 知识库"]
    W --> V["Obsidian<br>图谱"]

构建过程极其简单，只需要创建一个 wiki 文件夹、使用你喜欢的 AI Agent 打开这个文件夹，全程只需要跟 AI Agent 对话：
有了 AI，很多操作都可以变得非常简单。

  1. 参考 生财有术 MCP 上手指南 安装测试 scys-mcp。

  2. 初始化 OpenKB：

    1
    使用 https://github.com/VectifyAI/OpenKB 初始化当前 wiki, LLM API 的配置信息可以让我协助配置。

  3. 初始化项目上下文：

    1
    2
    初始化项目，写入 AGENTS.md 上下文。
    当前项目的目的是使用 scys-mcp 读取生财有术最近半年所有精华帖、超级标、航海手册，并且写入 openkb wiki。

  4. 执行数据采集与 WIKI 构建：

    1
    使用 scys-mcp 读取生财有术最近半年所有精华帖、超级标、航海手册，并且写入 openkb wiki。

就是这么简单。

一些可能让你体验更舒服的优化项：

  1. 把数据采集过程持久化为 SKILL：

    1
    结合项目上下文，分析最近几次 scys-mcp 数据采集过程和 openkb 知识入库过程，帮我把数据采集和知识沉淀过程生成 scys-ingest skill。

  2. 优化/修正知识库内容：

    1
    2
    根据已经爬取的信息，优化 openkb metadata, openkb wiki 文件命名规则等，并持久化规则指引后续数据更新。
    （这里按照自己的需求定制就好）

  3. 日常的 wiki lint 检查和维护：

    1
    使用 openkb lint 检查知识库并修正发现的问题。

  4. 从 WIKI 中提炼可复用的 Skills：

    1
    2
    3
    使用 openkb skill new 指令帮我提炼 skill:
    - skill-name: <skill 名称>
    - intent:  <意图：你想要提炼什么样的 skill>

  5. 有能力的话，数据采集和入库过程可以做成定时任务。我们只管维护就好了。

相关阅读：《LLM-Wiki：让知识像花园一样持续生长》

后记

  • AI 赋予我们远超以往的能力，常使我们自觉“无所不能”。我们应该是 AI 的主人，而非奴隶。腾云驾雾的间隙，别忘了巩固自身。多看一些官方文档，知其然、知其所以然，知应如何进、知从何处退。
  • 尽最快的速度，用上你知道的能最快上手的 AI；尽最大的努力，用上你能用上的最厉害的 AI。
  • 只懂皮毛技术，业务常感生疏。行文略显生硬，各位看官见谅。技术只是躯壳，业务注入灵魂。是强是弱，还得辛苦各位定制和调教。
  • 生财有术是少有的开放、互利共赢社群，祝大家早日大发！数据采集尽可能晚上跑吧，不要给生财服务器增加太多压力
  • 数据采集不要贪心，大而全未必更好。小而精更显专注。