面向 LLM / Agent / RAG / Post-training / AI Engineering 的中文 Obsidian 知识库，用来沉淀系统学习、面试准备、论文精读、工程实践与长期知识复利。
LLM · Agent · RAG · SFT · RLHF · Evaluation · Interview · Knowledge Graph · Obsidian
LLM 学习的难点通常不是「资料太少」，而是「资料过多但缺少坐标系」：课程、论文、公众号、知乎、GitHub 项目、面试题和日常灵感会不断涌入，如果没有结构化沉淀，很容易变成一堆不可复用的收藏夹。
本项目把这些材料整理成一个 AI 协作型个人知识库：人可以通过 Obsidian 阅读、链接和复习，AI Agent 也可以按约定读取、改写、总结和维护。它更像一座「知识仓库 + 导航系统」，而不是一篇线性教程。
- 对抗碎片化：把微信、知乎、课程、论文、面试题等原始材料统一放入
01.raw/，先保证资料可追溯。 - 从素材到知识：
01.raw/是矿石，02.wiki/是提炼后的金属；前者保存上下文，后者沉淀概念、实体、项目和决策。 - 学习、面试、工程三合一：同一套知识既能支持 LLM 基础学习，也能支撑项目复盘、面试准备和开源实践。
- 面向未来 AI 协作：通过
AGENTS.md、_CLAUDE.md、frontmatter、[[wikilinks]]和日志规范，让后续 AI Agent 能够低成本接续工作。
几个容易混淆但很关键的概念：
| 概念 | 在本项目中的含义 | 反向 / 易混概念 |
|---|---|---|
| Second Brain | 长期沉淀、可检索、可复用的个人知识系统 | 临时收藏夹、浏览器书签、聊天记录堆积 |
| Knowledge Graph | 用链接把概念、论文、项目、人物、问题连接起来 | 单篇孤立笔记、无上下文摘抄 |
| Raw Layer | 原始材料层，尽量保留来源、语境和证据 | 过早总结导致信息丢失 |
| Wiki Layer | AI 和人共同维护的结构化知识层 | 未整理素材、一次性输出 |
| AI 协作型知识库 | 写给未来的人和 AI 都能读懂、能接续维护 | 只给当前作者看的随手记 |
如果只是想快速使用这个知识库，可以按下面路径进入：
git clone https://github.com/VectorPeak/LLM-Wiki.git
cd LLM-Wiki在 Obsidian 中选择 Open folder as vault，打开本仓库根目录即可。仓库使用 Markdown、[[wikilinks]] 和目录化结构组织内容，在 Obsidian 中阅读和检索体验最好。
| 目标 | 推荐入口 |
|---|---|
| 了解整个知识库 | index.md |
| 准备 LLM / Agent / RAG 面试 | 01.raw/04.Interview/ |
| 系统学习大模型基础 | 01.raw/03.SelfNotes/ |
| 阅读课程和训练营材料 | 01.raw/09.Book&Courses/ |
| 查看论文与研究材料 | 01.raw/08.Research/ |
| 整理微信、知乎、网页剪藏 | 01.raw/05.Wechat/、01.raw/06.Zhihu/、01.raw/07.Website/ |
如果需要让 AI Agent 帮忙整理、迁移或生成笔记，建议先让它读取：
AGENTS.md：Agent 操作手册和命令路由。_CLAUDE.md：Vault 写作规范、目录约定和 AI-first 规则。CRITICAL_FACTS.md：最小必要背景信息。
一个实用原则是：先把原始资料放进 01.raw/，再逐步提炼到 02.wiki/。这样既保留证据，也能沉淀可复用的知识结构。
当前仓库是一个 Obsidian Vault，核心内容主要在 01.raw/，02.wiki/ 是后续知识蒸馏与结构化维护的目标层。
LLM-Wiki/
<<<<<<< HEAD
├── .obsidian/ # Obsidian 本地配置
├── 01.raw/ # 原始素材层：先保存证据，再逐步提炼知识
│ ├── 00.WorkSpace/ # 项目包装、草稿、临时工作区
│ ├── 01.Inbox/ # 收件箱：新材料的临时入口
│ ├── 02.DailyNotes/ # 日记 / 每日记录
│ ├── 03.SelfNotes/ # 自学笔记、八股梳理、个人总结
│ ├── 04.Interview/ # LLM 面试题、简历模板、岗位准备材料
│ ├── 05.Wechat/ # 微信公众号剪藏
│ ├── 06.Zhihu/ # 知乎剪藏
│ ├── 07.Website/ # 网页文章与站点剪藏
│ ├── 08.Research/ # 论文、研究材料与元数据
│ ├── 09.Book&Courses/ # 书籍、课程、训练营与手册资料
│ ├── 10.GitHub/ # GitHub 项目相关笔记与快照
│ ├── 11.Leetcode/ # 刷题与算法练习材料
│ └── 12.Others/ # 暂未归类的其他材料
├── 02.wiki/ # 结构化知识层：概念、实体、项目、决策等
├── 03.templates/ # Obsidian / AI 写作模板
├── 04.output/ # AI 生成结果、整理稿、导出物
├── 05.Mentor/ # 学习导师、复盘和辅助学习材料
├── Bases/ # Obsidian Bases 视图配置
=======
├── 01.raw/ # 原始素材（核心内容）
│ ├── 00.WorkSpace/ # 项目包装、面试生存指南
│ ├── 01.Inbox/ # 收件箱（临时存放）
│ ├── 02.DailyNotes/ # 日记 / 每日记录
│ ├── 03.SelfNotes/ # 自学笔记（八股生存指北等）
│ ├── 04.Interview/ # 面试相关（真题题库、简历模板）
│ ├── 05.Wechat/ # 微信文章剪藏（汐绫惠夜、骑猪撞宝马等）
│ ├── 06.Zhihu/ # 知乎剪藏
│ ├── 07.Website/ # 网页剪藏
│ ├── 08.Research/ # 论文精读笔记
│ ├── 09.Book&Courses/ # 书籍 & 课程资料（波哥LLM训练营等）
│ ├── 10.GitHub/ # GitHub 相关笔记
│ ├── 11.Leetcode/ # LeetCode 刷题笔记
│ ├── 12.Others/ # 其他杂项
│ └── 13.Videos/ # 视频笔记
├── 02.wiki/ # 知识条目（Obsidian wiki 链接）
├── 03.Mentor/ # AI Mentor 学习系统
├── Bases/ # Obsidian Dataview 基础定义
>>>>>>> 26d8694 (Reorganize Mentor vault layer)
├── boards/ # 看板数据
├── Excalidraw/ # 手绘图、白板和可视化草图
├── Logs/ # 操作日志与工作记录
├── AGENTS.md # Codex / Agent 操作手册
├── CRITICAL_FACTS.md # 高频关键事实入口
├── index.md # Vault 导航入口
├── _CLAUDE.md # Vault 写作、维护和协作约定
└── README.md # 项目说明
推荐阅读顺序：
- 先看
README.md理解项目定位。 - 再看
index.md获取 Vault 地图。 - 需要让 AI Agent 参与维护时，优先读取
AGENTS.md和_CLAUDE.md。 - 需要找具体材料时，从
01.raw/对应主题目录进入。
这个仓库不是「资料堆放处」，而是一条从原始信息到可复用知识的流水线：先保存证据，再提炼结构，最后形成可阅读、可检索、可复用的输出。
flowchart TD
A["外部资料\n论文 / 课程 / 微信 / 知乎 / GitHub / 面试题"] --> B["01.raw 原始素材层\n保留来源、上下文和证据"]
B --> C["02.wiki 结构化知识层\n概念、实体、项目、论文、决策"]
C --> D["04.output 输出层\n总结、路线图、复盘、面试材料"]
C --> E["Obsidian 知识图谱\n通过 wikilinks 建立连接"]
F["AGENTS.md / _CLAUDE.md\nAI 协作规范"] --> B
F --> C
G["Logs / CRITICAL_FACTS.md\n维护记录与最小上下文"] --> F
可以把它理解成一个「知识炼油厂」：01.raw/ 像原油，保存完整但不够轻；02.wiki/ 像精炼后的燃料，更适合检索、复习和复用；04.output/ 则是面向具体任务的成品。
不同读者可以从不同入口进入，不需要从头到尾线性阅读。
| 学习目标 | 推荐路径 | 适合场景 |
|---|---|---|
| LLM 基础入门 | 01.raw/03.SelfNotes/ → 01.raw/09.Book&Courses/ → 02.wiki/ |
建立 Transformer、训练、推理、评测等基础概念 |
| RAG 工程实践 | 01.raw/09.Book&Courses/ → 01.raw/10.GitHub/ → 04.output/ |
梳理检索、切分、召回、重排、评测和工程落地 |
| Agent 系统学习 | 01.raw/08.Research/ → 01.raw/03.SelfNotes/ → 02.wiki/ |
理解工具调用、记忆、多 Agent、生产级 Agent 设计 |
| 大模型面试准备 | 01.raw/04.Interview/ → 01.raw/03.SelfNotes/ → 04.output/ |
准备 LLM / RAG / Agent / 训练 / 推理岗位面试 |
| 论文精读沉淀 | 01.raw/08.Research/ → 02.wiki/ → 04.output/ |
把论文从阅读材料转成概念卡片和可复用笔记 |
| AI 协作维护 | AGENTS.md → _CLAUDE.md → CRITICAL_FACTS.md → Logs/ |
让 AI Agent 接续整理、归档、总结和重构知识库 |
推荐的工作方式是：先选一个目标，再沿着路径读材料，不要直接在整个仓库里漫游。知识库越大，越需要入口；否则读者会像进了没有导览牌的图书馆。
仓库中的内容并不处在同一种成熟状态。为了避免误读，可以按下面方式理解：
| 层级 | 位置 | 成熟度 | 阅读建议 |
|---|---|---|---|
| 原始素材 | 01.raw/ |
低到中：保留来源和上下文，可能未完全清洗 | 适合查证、回溯、找一手材料；不要直接当成最终结论 |
| 结构化知识 | 02.wiki/ |
中到高：经过提炼、链接和重写 | 适合复习、检索、建立概念网络 |
| 模板与输出 | 03.templates/、04.output/ |
中：服务具体任务，可能带有阶段性假设 | 适合复用格式、生成总结、准备面试或报告 |
| 维护规范 | AGENTS.md、_CLAUDE.md、CRITICAL_FACTS.md |
高：约束 AI 与人如何协作维护 | 适合在编辑仓库前优先阅读 |
| 日志与看板 | Logs/、boards/ |
中：记录过程和状态 | 适合理解项目演化，但不一定代表最终知识结论 |
简单说：raw 层负责可信来源，wiki 层负责结构化理解，output 层负责面向任务的表达。如果某条内容来自外部文章、课程或剪藏，应优先回到原始来源核对时间、上下文和版权边界。
- 这是知识库，不是代码包：仓库主体是 Markdown、Obsidian 配置、剪藏材料和知识笔记，不应按普通软件项目寻找安装入口。
- 不要随意改写 raw 层：
01.raw/更接近「证据层」，除非明确做清洗、迁移或去重，否则应尽量保留原始语境。 - AI 编辑前先读规范：任何自动化整理、重构、批量生成笔记的操作，都应先读取
AGENTS.md与_CLAUDE.md。 - 外部信息要可追溯：涉及论文、文章、项目、时间敏感事实时，应保留原始 URL、日期、来源和必要的 recency marker。
- 优先使用
[[wikilinks]]：重要人物、项目、概念、论文、工具和决策都应尽量链接化，避免知识成为孤岛。 - 注意版权与隐私：剪藏内容主要用于个人学习和索引，不应将未授权全文包装成原创内容；新增材料前也应避免提交敏感信息。
- 路径与编码要稳定：仓库包含中文目录、特殊符号和 Obsidian 语法，建议使用 UTF-8，并在脚本中使用 literal path 处理文件路径。
- 不要把临时产物混入知识层：中间文件、缓存、实验输出和一次性结果应放入约定的临时或输出位置，而不是污染核心笔记区。
适合正在系统学习 LLM / Agent / RAG 的学习者，也适合需要准备大模型岗位面试、沉淀论文笔记、整理开源项目经验的人。
博客通常是面向读者的一次性发布，LLM-Wiki 更像持续演化的知识操作系统：它允许材料先进入 raw 层，再逐步被提炼为 wiki 条目、复盘、图谱和输出物。
建议从 index.md 开始，它是 Vault 导航入口；如果目标是面试，优先看 01.raw/04.Interview/；如果目标是系统学习，优先看 01.raw/03.SelfNotes/ 和 01.raw/09.Book&Courses/。
两者承担不同职责：01.raw/ 保存「证据和上下文」，02.wiki/ 保存「结构化理解」。类比炼矿，raw 层是矿石，wiki 层是提纯后的材料；如果直接把矿石当成成品，后续检索和复用都会变重。
正常。该项目当前主要资产在 01.raw/，02.wiki/ 更像长期演化的目标层，用于把原始素材逐步转成概念卡片、项目卡片、论文卡片和知识图谱。
可以，但更适合作为材料库和复习地图，而不是直接背诵答案。面试相关内容主要在 01.raw/04.Interview/，配合 03.SelfNotes/ 中的系统化笔记使用效果更好。
克隆仓库后，在 Obsidian 中选择「Open folder as vault」，打开仓库根目录即可。由于笔记大量使用 Markdown 与 [[wikilinks]]，在 Obsidian 中阅读体验会优于普通文本编辑器。
可以通过 Issue 或 PR 反馈目录错误、链接失效、事实错误和结构建议。若提交新内容，应尽量保留来源、日期、上下文和必要的版权说明。
仓库代码和自有整理内容默认遵循 MIT License。外部剪藏、引用、论文和课程材料仍归原作者或原版权方所有。