ask

/ask

对 wiki 知识库提问。LLM 读取 context_brief.md 获取全局上下文，检索相关页面， 综合回答并附带引用。好的回答可以 crystallize 回 wiki——写入 outputs/ 或创建新的 concept/claim 页面，让探索成果像 ingest 一样持续积累。

Inputs

• question：自然语言问题（如 "LoRA 和 Adapter 的核心区别是什么？"）
• --crystallize（可选）：若指定，将回答 crystallize 回 wiki（默认仅回答不写入）
• --format（可选）：输出格式，默认 markdown，可选 table / timeline / bullets

Outputs

• 始终：终端输出综合回答（含 [[slug]] 引用）
• 若 crystallize：
  • wiki/outputs/{query-slug}.md — 查询结果页面（默认 crystallize 目标）
  • 或 wiki/concepts/{slug}.md — 若回答揭示了新的跨论文概念
  • 或 wiki/claims/{slug}.md — 若回答发现了可验证的新断言
  • 更新的 wiki/graph/edges.jsonl（crystallize 产生的关系）
  • 更新的 wiki/index.md 和 wiki/log.md

Wiki Interaction

Reads

• wiki/graph/context_brief.md — 全局压缩上下文（claims, gaps, failed ideas, papers, edges）
• wiki/index.md — 页面目录，用于定位相关页面
• wiki/graph/open_questions.md — 开放问题，辅助判断问题是否涉及已知知识缺口
• wiki/papers/*.md — 与问题相关的论文页面
• wiki/concepts/*.md — 与问题相关的概念页面
• wiki/claims/*.md — 与问题相关的 claim 页面
• wiki/topics/*.md — 与问题相关的 topic 页面
• wiki/people/*.md — 若问题涉及特定研究者
• wiki/ideas/*.md — 若问题涉及研究想法或 failed ideas
• wiki/experiments/*.md — 若问题涉及实验结果
• wiki/Summary/*.md — 若问题涉及领域全景

Writes（仅 crystallize 模式）

• wiki/outputs/{query-slug}.md — CREATE（查询结果页面）
• wiki/concepts/{slug}.md — CREATE（新发现概念）或 EDIT（补充已有概念）
• wiki/claims/{slug}.md — CREATE（新发现断言）或 EDIT（补充 evidence）
• wiki/graph/edges.jsonl — APPEND（crystallize 产生的关系）
• wiki/graph/context_brief.md — REBUILD（若 crystallize 创建了新页面）
• wiki/graph/open_questions.md — REBUILD（若 crystallize 创建了新页面）
• wiki/index.md — EDIT（若 crystallize 创建了新页面）
• wiki/log.md — APPEND

Graph edges created（仅 crystallize）

• output → paper: derived_from（回答引用的论文）
• output → concept: derived_from（回答引用的概念）
• output → claim: derived_from（回答引用的 claim）
• concept → paper: supports（若新概念从论文中归纳）
• claim → paper: supports（若新 claim 从论文中提取）

Workflow

前置：确认工作目录为 wiki 项目根（包含 wiki/、raw/、tools/ 的目录）。 设 WIKI_ROOT=wiki/。

Step 1: 加载全局上下文

1. 读取 wiki/graph/context_brief.md——获取 wiki 当前知识的压缩快照（claims, gaps, papers, edges）
2. 读取 wiki/graph/open_questions.md——了解已知的开放问题和知识缺口
3. 若两者都不存在，先重建：

   python3 tools/research_wiki.py rebuild-context-brief wiki/
   python3 tools/research_wiki.py rebuild-open-questions wiki/
   

Step 2: 检索相关页面

1. 读取 wiki/index.md，基于 question 关键词匹配相关 slugs
2. 从 context_brief.md 中提取与 question 语义相关的 claims 和 papers
3. 按相关性排序，选取 top-K 页面（K ≤ 15，避免上下文过长）
4. 读取选中页面的完整内容
5. 若 question 涉及关系（如 "X 和 Y 的区别"），额外读取 wiki/graph/edges.jsonl 中连接 X 和 Y 的边

Step 3: 综合回答

1. 基于收集的页面内容，综合回答用户问题
2. 回答要求：
   • 有引用：每个关键论断必须附带 [[slug]] wikilink 指向来源页面
   • 有结构：根据 --format 参数组织输出（markdown / table / timeline / bullets）
   • 识别不确定性：对 wiki 中证据不足的部分明确标注 "wiki 中尚无充分证据"
   • 标注知识缺口：若问题触及 open_questions.md 中的已知缺口，明确指出
   • 引用 claim confidence：涉及 claim 时注明其 confidence 和 status
3. 若问题超出 wiki 当前知识范围，坦诚告知并建议：
   • 需要 ingest 哪些论文来填补
   • 可能的搜索方向（arXiv 关键词、Semantic Scholar 查询）

Step 4: 评估 crystallize 价值

1. 判断回答是否值得写回 wiki（即使用户未指定 --crystallize，也给出建议）
2. Crystallize 值得的信号：
   • 回答综合了多篇论文的信息，形成了新的跨论文洞察
   • 回答揭示了一个 wiki 中尚未显式记录的概念
   • 回答发现了一个可验证的新断言（claim）
   • 回答回应了 open_questions.md 中的一个已知缺口
3. Crystallize 不值得的信号：
   • 回答只是复述了单一页面的内容
   • 问题是简单事实查询（如 "LoRA 是哪年发表的？"）
   • 回答主要依赖推测而非 wiki 中的证据
4. 在回答末尾附带 crystallize 建议：

   💡 Crystallize 建议：[值得/不必要] — [原因]
   

Step 5: Crystallize 回 wiki（若用户确认或指定了 --crystallize）

根据回答内容选择 crystallize 目标：

Case A — 写入 outputs/（默认）：

1. 生成 slug：python3 tools/research_wiki.py slug "<query-summary>"
2. 创建 wiki/outputs/{query-slug}.md：

   ---
   title: ""
   slug: ""
   query: ""           # 原始问题
   source_pages: []    # 回答引用的所有页面 slugs
   date_created: YYYY-MM-DD
   ---
   

   正文为回答内容（保留 wikilinks）
3. 为每个引用的源页面添加 graph edge：

   python3 tools/research_wiki.py add-edge wiki/ --from outputs/<slug> --to papers/<source-slug> --type derived_from --evidence "query answer"
   

Case B — 创建新 concept：

1. 若回答揭示了新概念：按 CLAUDE.md concept 模板创建 wiki/concepts/{slug}.md
2. maturity: emerging
3. key_papers: 从回答引用中提取
4. 添加 graph edges（concept → papers）
5. 在相关 paper 页面的 ## Related 追加反向链接

Case C — 创建新 claim：

1. 若回答发现新断言：按 CLAUDE.md claim 模板创建 wiki/claims/{slug}.md
2. status: proposed（从查询综合得出，非直接实验证据）
3. confidence: 基于引用 evidence 的强度设置初始值
4. source_papers: 从回答引用中提取
5. 添加 graph edges（claim → papers）
6. 在相关 paper 页面的 ## Related 追加反向链接

Step 6: 更新导航与图谱（仅 crystallize）

1. index.md：在对应分类下追加新建页面条目
2. log.md：

   python3 tools/research_wiki.py log wiki/ "ask | <question-summary> | crystallized: <target-path>"
   

   若未 crystallize：

   python3 tools/research_wiki.py log wiki/ "ask | <question-summary> | answer-only"
   

3. 重建 graph 派生文件（仅 crystallize 创建了新页面时）：

   python3 tools/research_wiki.py rebuild-context-brief wiki/
   python3 tools/research_wiki.py rebuild-open-questions wiki/
   

Step 7: 报告给用户

输出摘要，包含：

• 检索的页面数量和列表
• 回答（带引用和格式）
• 知识缺口标注（若有）
• Crystallize 建议或执行结果
• 后续建议（推荐 ingest 的论文、相关的 open questions）

Constraints

• 不得虚构：回答必须基于 wiki 中的实际内容，不得凭 LLM 预训练知识编造
• 引用必须存在：每个 [[slug]] 必须指向 wiki 中实际存在的页面
• raw/ 只读：不得修改 raw/ 下的文件
• graph/ 仅通过 tools 维护：不得手动编辑 graph/ 下的文件
• Crystallize 需确认：除非用户显式指定 --crystallize，否则仅建议但不执行写入
• 上下文限制：检索页面数量 ≤ 15，避免超出上下文窗口
• claim confidence 引用：涉及 claim 时必须注明其 confidence 值和 status
• gap 标注：若问题涉及 open_questions.md 中的已知缺口，必须明确指出
• outputs/ frontmatter 必须包含 query 和 source_pages：确保可追溯

Error Handling

• context_brief.md 不存在：运行 python3 tools/research_wiki.py rebuild-context-brief wiki/ 重建后重试
• wiki 为空：告知用户先运行 /init 或 /ingest 建立知识基础
• 无相关页面匹配：坦诚告知 wiki 中无相关内容，建议搜索和 ingest 方向
• crystallize slug 冲突：追加数字后缀（如 query-result-2）
• index.md 不存在：运行 python3 tools/research_wiki.py init wiki/ 初始化后重试

Dependencies

Tools（via Bash）

• python3 tools/research_wiki.py slug "<title>" — slug 生成
• python3 tools/research_wiki.py add-edge wiki/ --from <id> --to <id> --type <type> --evidence "<text>" — 添加 graph edge
• python3 tools/research_wiki.py rebuild-context-brief wiki/ — 重建压缩上下文
• python3 tools/research_wiki.py rebuild-open-questions wiki/ — 重建知识缺口地图
• python3 tools/research_wiki.py log wiki/ "<message>" — 追加日志
• python3 tools/research_wiki.py init wiki/ — 初始化 wiki（fallback）

Skills（via Skill tool）

• /ingest — 若建议用户补充知识时引用

Shared References

• .claude/skills/shared-references/citation-verification.md（Phase 3 创建）