dsh-llm-wiki
DeepSeek Harness 插件：让 agent 直接管理 LLM-Wiki 个人知识库——检索、阅读、统计、校验、修复、错误本、入库，共 7 个工具。
@detpecca/dsh-llm-wiki 是一个薄适配层，不重复实现任何检索/编译逻辑：
DSH agent ──调用工具──▶ 本插件（ToolDefinition × 7）
│ ctx.subprocess.spawn
▼
python -m llm_wiki --wiki <路径> <子命令> --json
│
▼
LLM-Wiki 引擎（检索打分 / 算法 1 编译 / 校验修复的唯一权威）
│
▼
你的 Wiki 目录- 每个工具通过 DSH 的
subprocess服务调用 LLM-Wiki 引擎 CLI 的--json通道； - Wiki 自己的结构化信号检索（页名/别名/标签/摘要加权打分）和论文算法 1 编译流程保持唯一权威；
- 插件本体零运行时依赖（纯 ESM，无构建步骤），Node ≥ 18。
前置要求
1. 已安装 DeepSeek Harness（dsh 命令可用，或有其仓库 checkout）； 2. Python ≥ 3.10（供引擎使用）； 3. （可选）一个 OpenAI 兼容的 LLM API key——只有 wiki_ingest 和 wiki_fix {finalize:true} 需要。
🚀 快速开始
两条命令，不需要克隆任何仓库。
1. 安装 Python 引擎（LLM-Wiki）
pip install git+https://github.com/detpecca/LLM-Wiki.git
# 唯一运行时依赖是 pyyaml2. 安装本插件
dsh plugin --profile web add @detpecca/dsh-llm-wiki> 还没发布 npm 时，直接从 GitHub 装（本插件无构建步骤，git 安装即可用）： > dsh plugin --profile web add github:detpecca/dsh-llm-wiki
3. 配置知识库路径
安装默认指向 ./wiki。把实际路径写进 profile 的 cordis.patch.yml （$DSH_HOME/profiles/<name>/cordis.patch.yml，$DSH_HOME 默认为 ~/.dsh）， 按 id 覆盖并重述全部键（patch 是整行替换，不是深合并）：
- id: llm-wiki
config:
wikiPath: D:/path/to/your/wiki # 你的知识库根目录
pythonPath: python # python 可执行文件（引擎已装进它的 site-packages）
cwd: '' # 留空用宿主 cwd；llm_wiki 需可从 cwd 导入（pip 装过即可）
# —— 以下三项可选：wiki_ingest / wiki_fix finalize 的 LLM 配置，显式配置优先于环境变量 ——
llmWikiBaseUrl: https://api.moonshot.cn/v1
llmWikiApiKey: sk-xxx # 或改用环境变量 LLM_WIKI_API_KEY
llmWikiModel: kimi-k2-0711-preview重启 DSH 后，agent 即可调用全部 7 个工具。
Windows：一键安装脚本
在插件仓库里直接跑（本地无引擎 checkout 时自动从 GitHub 装）：
.\scripts\install.ps1 -WikiPath D:\你的知识库 -ApiKey sk-xxx脚本自动完成：uv 建 venv → 装引擎 → dsh plugin add → 把配置（含 key）写进 profile 的 cordis.patch.yml。详情 Get-Help .\scripts\install.ps1。
知识库初始化
知识库为空时，可以让 agent 直接 wiki_ingest 你的第一份笔记，或先用引擎 CLI 编译：
python -m llm_wiki --wiki ./wiki ingest my_notes.txt（--wiki 必须放在子命令之前。更多 CLI 用法见 LLM-Wiki README。）
卸载
dsh plugin --profile web remove @detpecca/dsh-llm-wiki工具参考
| 工具 | 作用 | 需要 LLM key？ |
|---|---|---|
wiki_search | 结构化信号打分检索（CJK 分词） | 否 |
wiki_read | 批量读页 / 目录索引，跟随 [[wikilink]] | 否 |
wiki_stats | 页面/分类/digest/错误本统计 | 否 |
wiki_validate | 4 类确定性结构校验 | 否 |
wiki_fix | 确定性修复；finalize:true 追加 LLM 修复轮 | 否（finalize 需 key） |
wiki_errorbook | 查看 Error Book（自我纠错记录） | 否 |
wiki_ingest | 把源文本编译入库（算法 1 全流程） | 是 |
wiki_search — 检索（第一跳）
- 参数：
query（必填；实体名/别名匹配最好）、limit（默认 10） - 返回：
{ hits: [{ path, score, aliases, tags, summary }] }，score是整数权重
累加（页名 8 > 别名 6 > 标签 4 > 摘要 2 > 正文 1），越高越强，非相似度
wiki_read — 批量读页
- 参数：
paths（必填，数组）：wiki 相对路径、不带.md，如concepts/retrieval、
目录索引 concepts/_index、根索引 index、digest sources/digests/s-001
- 返回：
{ pages: { path: content } }；缺失页值为(page not found)，
不安全路径值为 (invalid or unreadable path)
- 页面正文含
[[wikilink]]，多跳问题让 agent 跟随链接继续读
wiki_stats — 统计
- 返回：
{ pages, categories: {分类: 数量}, digests, errorBookEntries }
wiki_validate — 结构校验（只读）
- 返回：
{ ok, errors: [{ type, page, detail }] } - 4 类确定性检查：悬空链接 / 不完整页面 / 畸形来源引用 / 索引不一致
- 第 5 类
unseen_overwrite是编译期检查，只在wiki_ingest内部触发，不在本工具 - 有错误时引擎 exit 1，插件已按"结果而非失败"处理，放心调用
wiki_fix — 修复（wiki_validate 的搭档）
- 参数：
finalize（默认false）
- false：只跑确定性修复——重建目录/全局索引、补双向 [[wikilink]] 回链， 无需 LLM key； - true：追加论文 §3.3 定稿流程（3 轮 代码↔LLM 修复 + 跨页一致性扫描 + Error Book Verify & Close），较慢且需 LLM key
- 返回：
{ codeFixes, finalized, repaired, closedErrorEntries, openErrorEntries } - 典型闭环：
wiki_validate发现问题 →wiki_fix→ 再wiki_validate确认
wiki_errorbook — 错误记录本（只读）
- 返回：
{ entries: [...] }，条目含 id / status / type / page / occurrences /
constraint_rule 等
wiki_ingest — 编译入库
- 参数：
file（必填）：源文本文件路径，相对 DSH 宿主 cwd 解析 - 返回：
{ source, passages, written, pages, openErrorEntries, skipped } - 需要 LLM 配置（见下）；建议跑完后接
wiki_validate确认健康
配置项
| 键 | 默认 | 说明 |
|---|---|---|
wikiPath | ./wiki | wiki 根目录（含 index.md） |
pythonPath | python | python 可执行文件 |
cwd | ''（宿主 cwd） | 子进程工作目录；llm_wiki 包需可导入 |
llmWikiBaseUrl | ''（回落环境变量） | ingest/finalize 的 OpenAI 兼容端点 |
llmWikiApiKey | ''（回落环境变量） | ingest/finalize 的 API key |
llmWikiModel | ''（回落环境变量） | ingest/finalize 的模型名 |
LLM 配置的优先级：每个键独立判断——cordis.patch.yml 里的显式值 > 环境变量 LLM_WIKI_BASE_URL / LLM_WIKI_API_KEY / LLM_WIKI_MODEL > 不设置 （此时 wiki_ingest / finalize 会以清晰错误失败）。查询类工具不需要第二套 LLM key——遍历推理由 DSH 宿主的 agent 模型自己完成。
使用示例（对 agent 说）
- 「把
D:\notes\transformer.md收录进我的知识库，然后校验一下」 - 「我知识库里关于注意力机制都讲了什么？给出依据页面」
- 「检查一下知识库结构有没有问题，有就修好」
- 「错误本里最近记录了什么？为什么会反复出现？」
故障排查
| 症状 | 原因与处理 |
|---|---|
No module named 'llm_wiki' | 引擎没装进 pythonPath 指向的解释器。按快速开始第 1 步安装；插件报错信息里也自带此提示 |
wiki_ingest 报缺 API key | 配 llmWikiApiKey 或环境变量 LLM_WIKI_API_KEY；查询类工具不受影响 |
| 改动了 wiki 但搜索/统计没变化 | 重启 DSH 使配置生效；若是手动编辑了 wiki 文件，跑 wiki_fix 重建索引（建议始终通过工具修改 wiki） |
wiki_validate 报错但 wiki_fix 修不掉 | 结构性问题之外的错误（如坏链接改写）需要 wiki_fix {finalize:true}（需 LLM key） |
| 子进程输出被截断 | stdout 上限 2MB、stderr 200KB，正常检索/入库不会触及 |
开发与测试
# 真实驱动 Python CLI 的端到端测试（10 个用例）
LLM_WIKI_PYTHON="path/to/python.exe" LLM_WIKI_ROOT="path/to/LLM-Wiki" node --test test/run.test.jsLLM_WIKI_PYTHON：装了pyyaml的 python（默认python）LLM_WIKI_ROOT：LLM-Wiki 引擎 checkout 根目录（默认../LLM-Wiki）
相关仓库
- LLM-Wiki — 本插件调用的 Python 引擎，
也是论文《Retrieval as Reasoning: Self-Evolving Agent-Native Retrieval via LLM-Wiki》 的原始实现（CLI 参考、wiki 目录结构、论文映射见其 README）；
- deepseek-harness — 宿主；
- DSH-Wiki — ⚠️ 已废弃的引擎 fork，功能已并回
LLM-Wiki，请勿再使用。
许可证
MIT（见 LICENSE）。