盘点L站的徽章 长期更新！（2026.2.17更新） 文档共建 盘点 L 站的徽章长期更新!（2026.2.17 更新） [!warning] 注意！ 做 Wiki 编辑的徽章就做，别把整个教程帖子内容覆盖成无意义的内容！！！！！！！！! … 徽章说明 1 个帖子 - 1 位参与者 阅读完整话题
ai-agents.7z (32.7 KB) 已压缩,可以放到llm wiki里. 1 个帖子 - 1 位参与者 阅读完整话题
Deepwiki几乎索引了80%的github内容吧 网页版和mcp都是免费的，我用了半年了，没有一次触发过429，说明两件事： 企业本身应该有不小的GPU集群，能抗住全球开发者的请求 又收集了大量的coding QA 数据 我本以为他们会搞个大动作（发个CodingModel啥的），结果感觉现在一点消息都没有，是我错过啥了吗 1 个帖子 - 1 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 github.com GitHub - fivif/OmniKB: Universal AI Knowledge Base Agent Universal AI Knowledge Base Agent [! ] 功能简述 支持上传各种文档，图片 支持URL摄取网络资源 将摄入资源转变为wiki页 支持快速定制并发布自定义场景 [! ]-场景发布演示 [!danger]具体介绍测试晚点补，先睡觉了，通宵了。 1 个帖子 - 1 位参与者 阅读完整话题
vibe coding开发了一套嵌入类wiki平台的在线编程训练系统（Online Judge, 简称OJ），包含： 题库浏览 题目详情 在线代码编辑 语法检查 自测 正式提交 提交记录 排行榜 作业 判题侧支持 Python，通过 Redis/RQ 异步队列调度 Docker 沙箱运行，记录每个测试点结果、得分、耗时和错误信息，并区分样例与隐藏数据。 后台支持题目创建、ZIP 导入、测试数据与附件管理、题目模板、可见性、难度、语言限制、重测和作业发布。 比较有特色的是： Python AST 教学规则：输出正确后还能根据是否满足指定语法目标区分 AC 与 PAC(perfect AC, 用于标记学生采用了规范的语法和变量名等，强调语法学习初期编码的规范性），用于鼓励学生按教学要求写出“满星”解法； 根据学习行为获得贴纸，实现一定的社交功能； 利用websocket实现师生同步编写代码和指导功能。 UI参考仓库：guokaigdg/animal-island-ui 5 个帖子 - 3 位参与者 阅读完整话题
References 说明 · acmesh-official/acme.sh Wiki dnsapi · acmesh-official/acme.sh Wiki — dnsapi · acmesh-official/acme.sh Wiki 前置条件 有服务器 有域名 域名设置到Cloudflare 优点 泛域名省事，nginx通配 自动延长证书有效期 设置DNS 准备 CF_Zone_ID 和 CF_Token 准备 CF_Zone_ID 位置在对应域名的概述窗格下，cloudflare前端界面可能会改变，图片仅供参考。 准备 CF_Token select Zone -> DNS -> Edit , and under Zone Resources, only choose the domain we need. 大概像这样，确定后保存好 CF_Token 申请 安装acme 在服务器上，以Ubuntu为例。 sudo apt update sudo apt install socat curl https://get.acme.sh | sh -s [email protected] source .bashrc acme.sh -h 最后一步能显示，说明安装成功。 安装证书 export CF_Token="**************" export CF_Zone_ID="*************" # 申请证书 # zyhq.de换成自己的域名 acme.sh --issue --dns dns_cf -d zyhq.de -d '*.zyhq.de' /etc/nginx/ssl 属主是 root, acme.sh 以用户zyhq运行,写不进去，需要把目录属主改成当前用户zyhq。 # zyhq换成自己的用户名 sudo chown -R zyhq:zyhq /etc/nginx/ssl # 安装证书 # zyhq.de换成自己的域名 acme.sh --install-cert -d zyhq.de \ --key-file /etc/nginx/ssl/zyhqde_key.pem \ --fullchain-file /etc/nginx/ssl/zyhqde_cert.pem \ --reloadcmd "sudo service nginx reload" 以nginx为例，其余参考最上面的references. 完成。 3 个帖子 - 3 位参与者 阅读完整话题
想试着读英文 Wiki 来练练阅读，做了一个简单 Fork 。现在支持 标题、正文、图注自动翻译，有模糊可开关 单击单词可以让 AI 根据句子的语境解释这个词 双击句子快速翻译 没找到太好的免费服务，接入的是 DeepSeek 的 API ，填一个 Key 就可以用，写死了 v4Flash 的非思考模式，效果不错。 项目还是 MVP ，诚邀大佬试用和提意见，如果能帮我一起打磨就太感谢了。 Github 链接在： https://github.com/NihilDigit/WikiReader-Bilingual 用 Action 打的包，开了 R8 和分 ABI ，所以单个包只有 4M 左右： https://github.com/NihilDigit/WikiReader-Bilingual/releases/tag/26.5.2
地址： https://geo.wiki/ GEO Wiki 是一个面向 AI 搜索时代的免费百科全书，专门收录与生成式引擎优化（ Generative Engine Optimization, GEO ）相关的概念、方法、平台与研究。 它要解决的问题很具体：当读者越来越习惯在 ChatGPT 、Perplexity 、Google AI Overviews 、Gemini 这类生成式入口里直接拿答案，原本围绕"排序链 接"建立起来的 SEO 知识体系正在失去解释力。GEO Wiki 把这门新学科的术语、流程、引擎差异、最新论文整理成可引用、可核查的条目，让从业者在客户方案里能直接引用，让工程师在阅读时不会觉得被稀释。 站点分为五个模块： Wiki ：GEO 概念、引擎爬虫、SEO/AEO/LLMO/GEO 对比等定义性条目。 Playbooks ：可复用的操作手册，覆盖审计、引用追踪、品牌提及监测等日常动作。 Research ：原创论文与一份精选的参考文献库，聚焦 AI 搜索行为、评测与治理。 Platforms ：每一家主流中西方 AI 搜索引擎的深度档案，含爬虫 UA 、排序信号、访问策略。 Learn ：把上述四类内容串成学习路径，按从入门到落地的顺序导览。 所有条目同时提供英文与简体中文两个版本。 2. 我为什么要做这个 第一，中文圈缺一份可信的 GEO 参考。 市面上要么是各家 SaaS 写的产品向软文，要么是英文资料的机器翻译，几乎没有把"什么是 GEO 、它与 SEO 的真正分野在哪、各家引擎到底如何爬取与引用"讲清楚的中立来源。从业者在跟客户解释时，常常没有一条可以贴出去的链接。 第二，AI 搜索的规则正在被重新写。 爬虫、引用机制、品牌提及权重这些底层信号变化得很快，传统 SEO 资料的更新节奏跟不上，原始论文又散落在 arXiv 、各厂博客、各家工程文档里。需要有人把它们一篇篇读完、对齐、注上出处。 3. 特点 引用级的内容标准 每一个非显而易见的论断都必须挂一条一手来源（论文、厂商文档、首方数据）。 sources 字段是内容 schema 的强制部分，没有出处的条目无法发布。 自创术语被诚实标注 凡是站点自己提出、行业尚未通用的说法（如 Answer Loop ），条目顶部会有一段"关于这个词"的说明，事实卡里会写明"是否行业通用术语：否"，并锚定 到它所依赖的既有概念。读者一眼能分辨这是行业共识还是站点观点。 模块之间彼此打通 定义条目可以直接跳到对应的 Playbook ，Playbook 又会引用 Research 里的论文与 Platforms 里的引擎档案，Learn 再把这些串成可执行的学习路线。读者从任一入口进入，都能顺着链接走完一个完整闭环。 为 AI 与人同时设计 结构化数据、清晰的标题层级、稳定的 URL 、显式的 TL;DR 、CC BY 4.0 协议，让生成式引擎可以低成本地理解与引用本站，也让人类读者在前 10 秒就能拿到要点。 4. 适合谁 主要面向三类读者 SEO 与市场从业者 ：正在从传统 SEO 过渡到 GEO ，需要可以在客户方案、内部周报、汇报材料里直接引用的定义与方法。建议从 Wiki 里的 SEO vs GEO 、 生成式引擎 、 引用追踪 等基础条目入手，再到 Playbooks 找对应的执行手册。 AI 与搜索方向的工程师、研究者 ：关心一手定义、原始论文、可复现的评测方法。建议直接进入 Research 与 Platforms 模块，逐一查看各引擎的爬虫 UA 、排序信号、首方文档链接。 品牌、产品与业务决策者 ：需要快速判断"这件事是否值得投入、投入多少"。建议从 Learn 的入门路径开始，配合 About 与 Topic 索引建立全局认知。
想要给项目生成wiki 作为历史得prd文档，想要得效果有点像zread，或者repowiki，但是都不是开源，更新迭代也慢，佬们，有没有其他合适得工具给推荐推荐 1 个帖子 - 1 位参与者 阅读完整话题
在线简历（含联系方式）： https://my.feishu.cn/wiki/YS4kwuRtRi6IkokqkoccmiwLnsf?from=from_copylink
在线简历（含联系方式）： https://my.feishu.cn/wiki/YS4kwuRtRi6IkokqkoccmiwLnsf?from=from_copylink
在线简历（含联系方式）： https://my.feishu.cn/wiki/YS4kwuRtRi6IkokqkoccmiwLnsf?from=from_copylink
在线简历（含联系方式）： https://my.feishu.cn/wiki/YS4kwuRtRi6IkokqkoccmiwLnsf?from=from_copylink
为啥用 所有笔记全是本地的 版本管理和同步有现成的解决方案 我有很多想读或是读了但是没记笔记的东西 借用Coding Agent的多工具同时使用以及Composer 2.5 fast极快的速度，交互时延迟极低 用啥 Obsidian ：你总得看看你的笔记吧 Obsidian Clipper ：摘抄看到的好文章、好视频 LLM Wiki ：Karpathy的记忆设计 Cursor：任何一个Coding Agent Composer-2.5-fast：一个tps爆表且还算聪明的模型 Obsidian CLI和你喜欢的版本管理+同步方案 咋用 配置 根据LLM wiki把你Obsidian里面创建一个新的文件夹，这个文件夹就是llm wiki，你不去动他，LLM会去改 Obsidian Clipper 把 YouTube、B 站、微信公众号、L站等平台想留的内容一键收进 vault 你自己的笔记随便写，你想整理就整理，不想整理有AI帮你干活 把 LLM Wiki 扔给你的Coding Agent，然后让他和你讨论我们怎么设计这个LLM wiki结构、我的关注点在哪里，明确说你除了LLM wiki这个文件夹以外什么都不能改 结构明确之后，写两个prompt。一个是每天把新进来的所有内容增量索引。一个是每周/月对整个vault进行检查。 使用 每天凌晨把前一天的新内容增量索引 每周/月对整个vault进行检查 查资料的时候直接用composer 2.5 fast对话。不管是先看LLM wiki里面的index、cursor自带的index、直接grep、还有obsidian cli，哪一个都能几乎瞬间找到你要的内容。 Coding Agent对多工具调用的强大支持意味着你看到的答案可能是通过4个不同路径同时召回的。 这只是我最近搭出来的一个基座/思路，欢迎大家分享有啥可以优化改正的地方。 4 个帖子 - 3 位参与者 阅读完整话题
推荐一个本地知识库管理神器 「 pith-wiki 」 你是不是也和我一样？电脑里散落着无数的本地资料：去年的项目总结、上家公司的报销发票、学生时期的学习笔记、随手写的感悟日记、看书摘录的片段、浏览器收藏夹里吃灰的资料和文章。 用 Karpathy 的新理念，结合 AI ，配合「 Obsidian 」来管理，随时问答，当做知识库来管理，非常好用。 初衷是帮我整理我自己的本地文件夹，用着觉着挺好用，就开源出来了。 欢迎体验、提 Issue 或送个 Star ！ 希望也能帮到你。 GitHub： [ https://github.com/l-zhi/pith-wiki ]
Code Wiki，把任意 GitHub 仓库秒变： 不用安装任何东西 不用本地跑模型 Gemini 直接读懂整个仓库，并向他问任何代码问题 自动生成架构图、依赖关系、模块说明 PR / 代码更新实时同步 https://codewiki.google/ 实测用 Claude 看一个仓库，几分钟就好了，主要是里面的图示很清晰，倒是结构略显啰嗦了一点 9 个帖子 - 8 位参与者 阅读完整话题
楼主是一个几乎纯新linux小白，能查ai和wiki 不过其实是重度win用户，早年间一直有在尝试Ubuntu，每次都会感觉：这英伟达驱动怎么这么难装、安装好麻烦、系统卡卡的，故而劝退回府 久仰Arch linux大名，在我的印象里是那种纯命令行+黑客专用的神秘刻板印象，然后直到前天我才发现Arch也可以装KDE这类图形桌面软件 说起来，我一直有个误区就是，各位用linux是纯命令行。是因为早年有人说用linux就是要抛弃图形化界面的臃肿、性能浪费之类的 加上问过长辈，他们说他们以前用的是dos系统，便听闻dos种种，则更加对linux望而却步 直到最近有人问我ai能不能装arch，我才让ai下载arch、做启动盘、做安装文件、在新系统里让codex配置,安装驱动 以前的难题迎面而解！而且我感觉arch系统很润滑，操作以及控制台、安装包都挺舒服的，似乎也没有别人说的这么难了 但是还是遇到了一些问题，比如很多指令，目前记得很深的是systemctl、grep、mkdir、vi这些，用linux一定要把指令都记下来背下来吗？这么长的指令真能不看盲打的吗？ 说到底用了ai作弊的我是不是只是纸面功夫，还没接触到arch的实质呢？有没有长期耕耘arch的佬分享一下心得呢 补：现在个人感觉arch可塑性很强，指挥ai干活的时候系统透明度花费不了多少上下文 16 个帖子 - 6 位参与者 阅读完整话题
佬友们有研究ai知识库搭建吗？更准确说法是ai代码库的搭建，之前看过大神Karpathy的llm wiki知识库的搭建，也按照思想搭建了知识库，但这种其实不适合存放代码工程，本人见识浅薄，希望各位佬友能够给一些具体的代码库搭建方法 8 个帖子 - 4 位参与者 阅读完整话题
https://subnautica2wiki.net ，我也太爱深海迷航这款游戏了。刚下载下来玩了 5 分钟。熟悉的感觉又回来了。睡不着，爬起来做一个游戏攻略站，还很单薄，欢迎大家提意见。 另外，致敬吃喝不愁的 live.
想问问各位大佬有没有好用落地的前端AI流 需求：wiki 设计稿：figma 接口：apifox/或者口头 目前反复比较多的设计稿落地的交互，接口字段对齐费时，想要整一套工作流，把需求、设计稿、接口都喂进去，他产出一个大概的方案，过程中和我实时交互确认，大佬们有好的落地流程推荐吗？ 2 个帖子 - 2 位参与者 阅读完整话题