LLM Librarian — AI skill for Claude Code

LLM Librarian — 让 LLM 当你的图书管理员

一套"LLM 全自动维护的个人知识库"系统规范：人只负责策展（丢链接）和提问，LLM 负责把原始来源"编译"成结构化 wiki——建页、打标、双链、矛盾标记、深度问答、零代码应用手册，全部由一份 377 行的行为指令（CLAUDE.md）驱动。本仓库公开的是**系统本体**（规范 + 模板 + 脚本 + 示例笔记），私人 vault 内容不在其中。

**TL;DR (EN)**: A personal knowledge-base system where an LLM acts as the librarian and the human only curates and asks. One `CLAUDE.md` spec drives the full pipeline: ingest a URL → fetch & store the raw source (YouTube transcript tooling included) → generate a structured deep-analysis page → update concept/entity pages with back-links → flag contradictions → append an audit log. Ships with 9 note templates, a subtitle-fetch script, and 3 real demo notes produced by the system. Runs on Obsidian + Claude Code; no backend, no database.

Why I built this（为什么做）

我读大量 AI 工程内容（Anthropic 工程博客、Karpathy 讲座、agent/eval 方法论），痛点不是"收藏"而是**知识在收藏夹里死掉**：

1. 收藏 ≠ 吸收——文章存了几十篇，三个月后想不起哪篇讲过什么
2. 手动整理不可持续——打标签、建索引、写摘要都是重复劳动，坚持不过两周
3. 知识之间失联——新文章和旧笔记里的概念明明相关，没有人把线连上

现成工具（Notion/Readwise/各类 AI 笔记）都在做"帮你存"，没有在做"帮你维护一个会生长的知识结构"。既然 LLM 最擅长的恰恰是把非结构化内容结构化，那就让它当图书管理员：我做策展人（决定什么值得入库）和读者，其余全交出去。

Demo

Source 深度分析页	Deep-dive 深度问答页	并行 Loop 工程示例

示例笔记（系统真实产出，见 `demo-notes/`）：

• `building-effective-agents.md` — source 页样例：Anthropic《Building effective agents》的深度分析（作者背景 → 核心观点 → 逐章论证结构 → 适用边界 → 可行动收获）
• `deep-dive-demystifying-evals.md` — deep-dive 页样例：对 agent 评估方法论生成 12 个"原文不能直接回答"的深度问题（边界条件、隐含假设、与已有知识的张力），区分原文结论与延伸推理
• `parallel-loop-example.md` — 把"Loop Engineering"落成可运行的完整工程示例：cron 心跳 + 并行 worktree fixer + maker-checker 隔离 + state.md 持久化

How it works（架构）

你丢一个 URL
    │
    ▼
┌──────────────── Claude Code 读 CLAUDE.md 行为指令 ────────────────┐
│  1. ingest  识别来源类型(文章/视频