你的个人知识管理引擎，记住一切、理解一切、回答一切
Your Personal Knowledge Engine — Remember, Understand, and Answer Everything
茵蒂克丝.skill（LLM Wiki） 是同济大学工程智能研究院出品的一套运行在 Claude Code 上的知识管理、更新与交互系统，能够接受任意输入（文字、网址、文件、代码仓库），自动分类并生成结构化的 Obsidian 笔记，然后通过整理归档生成层级化的永久记忆库，并可以基于该记忆库进行交流。所有记忆都可通过 Obsidian 展开，做到思维透明。也可通过本地部署的WebUI进行交互。
题外话：该项目的想法在和相关老师交流后，最早在 2026.03.30 完成设计草稿（链接可以看到当时的手写设计草案），目的是基于自己的实际工作流，做一个自己也会使用的知识管理与交互工具。然而有趣的是就在 2026.04.03 Karpathy 提出了非常相似的 LLM-KiWi 概念，只能说好的想法总是会趋同演化。因此我也不得不加快步伐开始完善原型。
- 🧠 个性化人格 — 初始化你喜欢的"茵蒂克丝"知识库性格，让后续交互更符合个人喜好
- 📝 万物皆可记 — 将不同类型的信息与文档都整理为统一的 Obsidian 笔记，以供查阅
- 🗂️ 自动归档 — 将"已阅"的笔记和聊天记录统一归档到层级化记忆空间，自动提取新知识和性格更新
- 💬 记忆问答 — 基于自定义性格与记忆空间中的知识自由交流，对话记录自动保存
基于本项目当前自带的测试IndexVault的聊天效果图与Obsidian界面截图。
本项目也支持本地webUI网页部署，更方便使用哦~ 直接使用Claude Code打开项目文件夹，要求其部署webUI文件夹下的网页即可。下面是webUI的一些运行截图。
/index-init /index-note INPUT /index-update /index-chat INPUT
│ │ │ │
▼ ▼ ▼ ▼
创建知识库 自动分类 & 生成笔记 已读笔记 → 提取知识 → 归档 加载人格 → 检索记忆
配置 MBTI 人格 6 种模板智能填充 聊天记录 → 人格更新 → 归档 生成回答 → 保存对话
生成 persona.md 写入 _new/ 写入 memory/ & deep/ 写入 _chat/
| 工具 | 说明 | 检查安装 |
|---|---|---|
| Claude Code | CLI 运行环境 | claude --version |
| uv | Python 包管理器（用于辅助脚本） | uv --version |
| Obsidian | 可选，用于阅览生成的笔记 | -- |
使用方式：直接在本项目目录下运行Claude Code，或者将本项目路径下的skills合并到你使用的Claude Code工作目录下的".claude"文件夹下。
/index-init该指令会：
- 创建 Obsidian 知识库目录 — 包含
_new（新笔记）、_template（模板）、_images（图片）、_downloads（下载缓存）等子目录 - 部署 6 种笔记模板 — 想法、项目、书籍、论文、网页信息、网络新闻各一套
- 配置 Agent 人格 — 通过交互问答设置你的职业和期望的 Agent 风格
初始化过程中会询问两类信息：
🏢 职业领域
请问您从事的工作与专业领域是什么？
🧬 Agent 人格（MBTI 四维度）
| 维度 | 选项 | 影响 |
|---|---|---|
| 能量方向 | E 外向 / I 内向 | Agent 主动发散 vs 深入聚焦 |
| 信息获取 | S 感觉 / N 直觉 | Agent 注重细节 vs 关注模式 |
| 决策方式 | T 思考 / F 情感 | Agent 理性分析 vs 温暖共情 |
| 工作风格 | J 判断 / P 知觉 | Agent 结构有序 vs 灵活开放 |
🎨 额外性格特质（可选）
描述您希望 Agent 具备的额外性格特质，例如：幽默感、毒舌但真诚、喜欢用比喻解释概念等
完成后会在知识库根目录生成 persona.md，包含 MBTI 类型描述、5 项自动推导的认知特质，以及自定义的额外性格特质。
/index-note INPUT_STRING输入任意字符串，系统自动识别类型并生成对应格式的 Obsidian 笔记。
/index-update阅读完笔记并勾选"已读"后，运行此指令将知识归档到记忆库。该指令会：
- 将
_new/中标记"已读"的笔记提取知识后归档到deep/，知识分类存入memory/ - 将
_chat/中的聊天记录归档到deep/，同时：- 检测对话中的人格/风格变更请求并更新
persona.md - 提取用户在对话中提供的新知识并存入
memory/
- 检测对话中的人格/风格变更请求并更新
/index-chat 你的问题基于 persona.md 定义的人格风格和记忆库中的知识进行对话。需要先通过第三步归档，记忆库中才有可检索的知识。系统会：
- 从输入中提取关键词
- 在记忆库中逐层检索（memory-index → _local_index → KEY_WORD.md）
- 以设定的人格风格回答，附带来源引用
- 自动将对话保存到
_chat/目录
| 类型 | 输入示例 | 自动识别方式 |
|---|---|---|
| 💡 想法 | 大语言模型的推理可能本质上是模式匹配 |
纯文本 |
| 🛠️ 项目 | https://github.com/anthropics/claude-code |
GitHub URL / 本地文件夹 |
| 📄 论文 | https://arxiv.org/abs/2501.12948 或 2501.12948 |
arXiv URL / 裸 ID |
| 📚 书籍 | C:\Books\design_of_everyday_things.pdf |
本地 PDF / DOCX / TXT |
| 🌐 网页信息 | https://huggingface.co/blog/open-llm-leaderboard |
通用网页 URL |
| 📰 网络新闻 | https://www.reuters.com/technology/... |
新闻域名 |
对于不确定的输入（如 PDF 可能是论文也可能是书籍），系统会进行两阶段分类：先结构匹配，再内容分析。
每次调用生成一个 Obsidian Markdown 文件，保存在 IndexVault/_new/ 下：
文件名格式：YYYY-MM-DD_类型_序号.md
示例：
2026-04-05_idea_001.md
2026-04-05_paper_002.md
2026-04-05_webnews_001.md
所有笔记遵循统一设计原则：
| 原则 | 说明 | 理论依据 |
|---|---|---|
| 📌 TL;DR 置顶 | 每篇笔记开头 1-3 句摘要 | 认知负荷理论 |
| 🗣️ 自我解释 | 论文笔记包含"用我自己的话"段落 | 自我解释效应 |
| 🔗 类型化关联 | 连接标注关系：支撑/矛盾/延伸/类比 | Zettelkasten |
| ❓ So What? | 每篇必须回答"这对我意味着什么" | 精细加工 |
| 🔍 检索提示 | 场景触发："什么时候我会回来翻这篇？" | 测试效应 |
| 模板 | 核心板块 | 特色 |
|---|---|---|
| 💡 想法 | 核心想法 → 假设风险表 → 关联网络 → 最小验证实验 | maturity 追踪成熟度（seed/sprout/tree） |
| 📄 论文 | In My Own Words → 方法架构 → 实验结果 → 批判分析 | 五维评价表 + 永久笔记提炼 |
| 📚 书籍 | 核心论点 → 关键概念 → 结构图 → 与作者对话 | 论证脉络图替代章节摘要 |
| 🛠️ 项目 | 问题与方案 → 适用场景表 → 架构概览 → 设计洞察 | When to Use / When Not to Use 决策表 |
| 🌐 网页信息 | SIFT 可信度速查 → 事实/观点/预测分离 → So What? | info_half_life 标注信息保鲜期 |
| 📰 网络新闻 | 5W1H 紧凑表 → 信号 vs 噪音 → 我的预测 | 个人预测含验证时间线 |
对于 论文 和 书籍（PDF 格式），系统会自动提取图片：
| 来源 | 策略 |
|---|---|
| 📄 论文 | 三级优先级 — arXiv 源码包图片 > PDF figure 转换 > PDF 直接提取 |
| 📚 书籍 | 从 PDF 中提取（过滤小于 200×200 像素的图标） |
| 🛠️ 项目 | 扫描 docs/、assets/、images/ 等目录 |
提取的图片保存在 _images/ 目录下，并自动嵌入到笔记的对应位置。图片提取引擎支持 SMask 软遮罩合成、CMYK 色彩空间转换、跨页去重和全黑图过滤，确保提取质量。对于 arXiv 论文，当源码包图片充足时会跳过 PDF 下载以节省时间。
茵蒂克丝.skill 提供基于浏览器的 Web 界面，无需 Obsidian 即可完成全部工作流：初始化、笔记浏览、信息录入、归档整理和聊天交流。
uv run --with flask --with python-frontmatter python webUI/app.py服务启动后访问 http://localhost:3008（可通过 PORT 环境变量覆盖）。
Web UI 采用侧边栏导航，包含以下六个视图：
| 视图 | 说明 |
|---|---|
| 新加入 | _new/ 中尚未阅读的笔记，支持按类型筛选 |
| 已读 | _new/ 中已标记"已读"但尚未归档的笔记 |
| 已归档 | deep/ 中已提取知识并归档的笔记 |
| 新建笔记 | 文本 / 文件上传 / URL 三种输入方式，实时显示处理进度 |
| 聊天 | 基于 persona.md 人格与 memory/ 知识库的智能对话 |
| 归档整理 | 一键触发 /index-update，扫描已读笔记和聊天记录进行归档 |
另有两个独立页面：
| 页面 | 路径 | 说明 |
|---|---|---|
| 初始化向导 | /init |
首次使用时自动进入，7 步设置职业、MBTI 人格和额外性格特质 |
| 笔记详情 | /note/<source>/<filename> |
单篇笔记查看，支持标记已读/取消已读，可填写个人笔记与想法 |
- 未初始化时访问首页自动跳转到初始化向导
- 笔记详情页支持 Obsidian 特有格式渲染：Callout 块（含内部加粗/斜体）、Wikilink、KaTeX 数学公式、图片嵌入
- 笔记详情页底部提供"笔记与想法"输入框，标记已读时自动写入笔记文件
- 笔记分类逻辑：笔记末尾的
- [ ] 已读复选框未勾选为"新加入"，勾选后变为"已读"，运行归档整理后移至"已归档"
茵蒂克丝.skill/
├── skills/
│ ├── index-init/ # 🧠 初始化技能
│ │ ├── SKILL.md
│ │ └── resources/ # 6 个模板源文件
│ ├── index-note/ # 📝 知识记录技能
│ │ ├── SKILL.md
│ │ └── scripts/
│ │ ├── classify_input.py # 输入分类器
│ │ ├── extract_images.py # 图片提取器
│ │ ├── finalize_images.py # 图片清理器
│ │ └── generate_id.py # 序号生成器
│ ├── index-chat/ # 💬 聊天交互技能
│ │ └── SKILL.md
│ └── index-update/ # 🗂️ 归档整理技能
│ ├── SKILL.md
│ └── resources/ # 记忆索引模板
├── webUI/ # 🌐 Web 界面
│ ├── app.py # Flask 后端（路由、MBTI、后台任务）
│ ├── static/
│ │ ├── css/style.css # 自定义样式（侧边栏、卡片、聊天、Obsidian 渲染）
│ │ └── js/main.js # SPA 导航、Markdown 渲染、聊天、轮询
│ └── templates/
│ ├── base.html # 共享布局（CDN 依赖）
│ ├── init.html # 初始化向导（7 步：职业 → MBTI × 4 → 额外特质 → 确认）
│ ├── app.html # 主界面（侧边栏 + 6 个视图）
│ └── note_detail.html # 笔记详情页
├── IndexVault/ # 📦 Obsidian 知识库
│ ├── _new/ # 生成的笔记
│ ├── deep/ # 已归档笔记与聊天记录
│ ├── memory/ # 层级化知识库
│ ├── _chat/ # 聊天记录（归档前）
│ ├── _template/ # 笔记模板
│ ├── _images/ # 提取的图片
│ ├── _downloads/ # 下载缓存
│ └── persona.md # Agent 人格配置
├── CLAUDE.md
└── README.md
初始化完成后，用 Obsidian 打开 IndexVault 文件夹即可：
- 打开 Obsidian → "打开文件夹作为仓库" → 选择
IndexVault - 在
_new/目录下查看新生成的笔记 - 阅读完毕后勾选笔记末尾的"已读"复选框
- 运行
/index-update将已读笔记和聊天记录归档到deep/，知识自动存入memory/ - 利用 Obsidian 的反向链接和图谱视图查看
memory/和deep/中的知识关联 - 通过
/index-chat随时基于记忆库进行对话交流