结论先行：传统RAG知识库是临时抱佛脚——你来问，他去查，答完就散。这套基于Hermes Agent的LLM Wiki正好反过来：知识提前编译一次，交叉引用先织好，提问时调的是已经长好的网络。支持论文、图片、网页、语音，Obsidian打开就是知识图谱。
把一篇论文丢给Agent，几十秒后，知识图谱里一个新节点亮起，接上整张网络。更让我惊讶的是它的发现——这篇论文串起了库里几个原本独立的方向。我又顺手问了几个问题，回答让我震惊：它居然顺着库挖出了一条暗线，一条连我自己都没意识到的隐藏关联，而且每一句结论后面都挂着原论文引用。
我第一次觉得，这已经不是搜索了，它更像是会思考。
知识库三层结构
这套系统本质就三层，没有数据库，就是一堆Markdown文件：
| 层级 | 作用 | Agent权限 |
|---|---|---|
| raw | 存放原始文档（PDF、图片、音频、网页截取） | 只读不改 |
| 中间层 | AI织出来的知识网络（页面、总结、对比、关联） | 读写织网 |
| 规则手册 | 底层规则和技能配置 | 系统固定 |
这也是Karpathy提出的 LLM Wiki 思路：你负责喂文档，Agent负责总结、连线、归档。
官方技能只支持PDF论文，但这位作者将其扩展到了图片、网页和录音三种格式。
三大核心能力实测
1️⃣ 跨源综合
问：「我想用一张自拍生成一堆同一个人的脸，有哪些方法？」
Agent给出三条路线，每条都有代表性方法、适用场景和取舍，末尾附来源列表，每条一个完整的论文路径。随手找一条核对——出处是真的。普通搜索一次给你一篇文章，它直接铺开整个地图。
2️⃣ 概念对比
让Agent对比两个概念（同一张脸做定制生成的两种方法），它从两个已有的实体页面秒出一张对比表。然后觉得这个对比有价值，自动把它存成新的页面——库里的comparisons目录就多了一页。
这就是「会生长」的意思：有价值的答案，它会把它变成新知识。
3️⃣ 知识挖掘找暗线
最刁钻的一题：「基于知识库查询身份嵌入算法扮演了哪些角色，它们之间有没有互相打架的矛盾点？」
回答令人毛骨悚然——画脸要用的那串数字，和隐私里想抹掉的其实是同一串。AI越擅长用它造脸，真人想藏住自己反而越难。认出你和伪装成你，可能用的是同一种技术。
这些不是论文里的结论，而是Agent把整座知识库串起来以后挖出来的一条暗线。
四步搭建指南
Step 1：部署Hermes
官网下载桌面版，默认安装。如遇安装错误，把代理开成全局模式解决。
Step 2：配置Hermes
配置向导选「有API Key」→ 接入模型 → 填上API Key。进入主界面后：
- 顶部设置 → 外观 → 改语言
- 侧边栏「技能与工具」→ 搜索wiki → 把两个自带技能关掉（防冲突）
Step 3：安装Wiki技能
从GitHub下载扩展版Wiki技能源码（链接见视频评论区笔记），解压后整个文件夹放入Hermes技能目录。然后用管理员身份打开PowerShell，执行注册启动网关的指令。
启动完成后，聊天框输入 /mul 就能选到技能。
Step 4：创建第一个知识库
告诉Agent「在D盘创建wiki」，命名后即可批量摄入文档。把论文目录丢给它，Agent会自动：
- 读取论文PDF，转Markdown
- 写新页面，更新知识库节点
- 跟库里已有内容反复对比，找出关联
- 关系图谱同步新增文件
几十篇论文十几分钟摄入完成，Token费只花了几块钱。
打通Obsidian
在Obsidian中打开本地仓库，选择wiki目录就导入了。Obsidian主要当查看器使用，文档摄入和知识库查询都在Hermes里操作。
五个实用补充配置
1. DeepSeek + 视觉模型
DeepSeek API不支持图片理解。主模型用DeepSeek，但接入一个能看图的视觉模型——用Hermes平台自带的step模型，免费（需Hermes官网注册，选0元套餐）。
2. 语音转录
翻源码发现Hermes本地自带fast-whisper引擎，只需在技能里加条规则就接上。模型选Large-V3（6G显存），配完重启网关。
3. 手机端使用
- Telegram：@BotFather创建Bot → 获取Token → Hermes消息平台粘贴 → 填Telegram账号ID → 国内填代理 → 重启网关
- 微信：PowerShell执行指令 → 扫码连接 → 配置权限两步选1 → 最后Y
4. 支持的文件格式
| 格式 | 处理方式 |
|---|---|
| 📄 PDF论文 | 转Markdown → 读内容 → 写页面 → 更新图谱 |
| 🖼️ 图片截图 | 视觉模型读图 → 写页面 → 连线 |
| 🌐 网页内容 | 复制粘贴 → 写入知识库 |
| 🎙️ 语音备忘录 | fast-whisper转文字 → 逐字稿入库 |
5. 知识库养护
成长的知识库需要定期巡检。输入「巡检我的知识库」，Agent会自检并给出报告——哪里有问题，说一声Agent自己就会修好。
适用场景
| 场景 | 推荐方案 |
|---|---|
| 个人学术研究、追垂直领域进展 | ✅ 这套Wiki知识库 |
| 管理工作文档 | Claude Code + Obsidian |
| 团队内部知识库 | 企业知识库方案 |
传统知识管理最大的痛：存的时候很勤快，找的时候头疼，更别说把它们串起来用。这套方案正好相反——知识提前编译、交叉引用先织好，提问时调的是已经长好的网络。收藏论文、截图、摘抄、语音备忘都能自动生成一个会生长的知识网。