（1260期）Wiki Ingest – 智能摄取 · 结构化知识 · 零冗余

智能摄取 · 结构化知识 · 零冗余 智能知识库内容摄取与结构化工具，自动提取实体概念、更新关联页面、维护索引与日志，避免信息冗余与碎片化 使用说明 核心功能 wiki-ingest 是一款面向 Obsidian 友好型 markdown 知识库的智能内容摄取工具。其核心设计目标是在持续维护的个人或团队知识 wiki 中，将新增源材料（文章、笔记、会议记录、论文、报告等）转化为结构化、可复用的持久知识，同时避免 wiki 沦为信息垃圾堆。 显著优点 结构化知识提取：自动识别源材料中的核心主题、实体、概念、主张、日期及开放问题，而非简单全文存档 智能页面管理：严格遵循"必要性原则"创建新页面——仅当概念可能复现、可成为链接枢纽或会使现有页面过宽时才新建，否则合并更新 关系网络强化：主动修复和添加内部双向链接，提升知识图谱的连通性与可发现性 来源与合成分离：明确区分"源材料所述"、"wiki 既有认知"与"多源综合后的当前推断"，绝不静默抹平矛盾 审计追踪完整：通过 index.md 维护目录、log.md 记录摄取历史，形成可回溯的知识演变轨迹 潜在局限 依赖前置知识库结构：效果高度依赖既有 wiki 的页面命名规范与分类体系，冷启动或混乱的知识库需要先整理 markdown 格式约束：专为纯 markdown/git 后端设计，对富媒体、数据库型 wiki（如 Notion 数据库）支持有限 增量维护成本：长期价值需持续执行，若中断则产生历史债务 语义理解边界：复杂论证中的隐含前提、修辞性表述可能被扁平化处理 适合人群 使用 Obsidian、GitHub/GitLab wiki、MkDocs 等 markdown 原生工具的知识工作者 需要跨项目、跨时间积累领域知识的研究员、产品经理、技术写作者 追求"渐进式总结"（progressive summarization）而非"收藏即遗忘"的信息管理者 常规风险 过度结构化陷阱：严格的新建页面规则可能导致相关内容分散，需配合定期回顾调整 链接漂移：频繁重命名或移动页面会破坏内部链接，需结合 git 版本控制或 Obsidian 的链接自动更新 源材料误读：自动提取可能丢失语境依赖的细微差别，关键材料建议人工复核"源 vs 合成"的区分标注 原始说明 Ingest new source material into a persistent markdown knowledge wiki. Use when a user adds an article, note, transcript, report, paper, meeting summary, or o...