跳转至

AI-FRIENDLY PERSONAL WIKI

DONE 👌 .md ✅ 牛合天's wiki 一份人和 AI 都能直接读的知识库

学科笔记、拿来就挑的 Gallery、讲通用问题的文章、讲一个具体东西的项目,背面是可挂载执行的 AI skills。写给人看,也写给 agent 读: 每个页面在同域提供 Markdown 源,整站可以当作你的 agent 的远程知识库。

顺链接读 🔗
把任意页面喂给 AI
# 普通页把结尾的 / 换成 .md,目录首页加 index.md
wiki.liuhetian.work/posts/prediction-loop/
wiki.liuhetian.work/posts/prediction-loop.md

# 或者直接从入口开始,顺相对链接往下读
curl https://wiki.liuhetian.work/index.md
↓

这站聊什么 —— 每一枚都可以抓着玩

Python 概率 统计 机器学习 Git FastAPI Claude skills MkDocs ECharts Dashboard 前端动效 贝叶斯

你能得到什么

不止是又一个博客

  • 一篇讲透一个问题

    每篇文章像一篇论文:先把问题定义清楚,再给几种方案和依据,讲各自适合什么;论文笔记也是文章。

  • 一个东西一个项目

    自己做的软件、别人的仓库,讲它解了哪些问题;粗讲一页说它是什么,细讲一组、每步落到源码和实跑。

  • 推导出来的笔记

    算法、概率、统计、机器学习,从具体问题一步步推到结论,跟着走一遍就是一次练习。

  • 拿来即用的 skills

    按 Claude skill 标准目录组织的成套资产:约定、模板和活 demo,复制路径就能挂载。

  • 拿来就挑的 Gallery

    图配 prompt、版式、配色、前端特效、人设,通用到不用提问题,要用时来挑,看中哪条就拿走。

  • AI 可直接消费

    同域 .md 源加 llms.txt 入口,LLM 拿到的是干净 Markdown,不用从 HTML 里抠正文。

  • 链接即目录

    所有页面用相对链接互联,agent 顺着链接一层层读,需要多深读多深。

  • 方案完全公开

    对象存储 + 静态构建 + 部署校验,整套建站方案有完整拆解,可以照抄。

细看几处

为 agent 铺好的路

llms.txt 入口

站点根目录提供 /llms.txt,内容就是首页索引的 Markdown 副本 —— 服从 llms.txt 协议的爬虫和 agent 一进门就能拿到全站地图, 不需要任何约定之外的先验知识。

llms.txt
$ curl wiki.liuhetian.work/llms.txt
# 牛合天's wiki
> AI 友好的个人知识库:每个页面在同域提供 .md 源…
## 文章 / ## 项目 / ## 笔记 / ## Gallery …

远程 skill 挂载

skills 板块按 Claude skill 的标准目录组织:SKILL.md 写约定, reference/ 放按需加载的细则。给 agent 一个 URL, 它就多了一套现成的工作方式。

skills/fastapi/
skills/fastapi/
├── SKILL.md        # 总约定,入口
└── reference/
    ├── 项目布局.md
    ├── 数据库.md
    └── 测试.md      # …按需加载

部署即校验

这个站的 AI 入口是相对链接,不是 nav —— 漏挂链接的文章对 agent 等于不存在。 所以每次部署前有一道闸门:每篇 .md 都必须能被某个祖先索引页直接链到, 另查死链。挂不上链,部署不了。

deploy.sh
$ ./deploy.sh
✅ 链路校验通过 —— 全部文章
   都能从上一级索引走到

为什么这么做

写下来的东西,应该人能读,AI 也能直接读。链接就是目录,Markdown 就是接口。

顺手一提

这些卡片也能拖

0

读取门槛

不用登录,不用 API key,curl 就行。

1

条 curl

/llms.txt 一口气拿到全站地图。

7

个板块

笔记、Gallery、文章、项目排成一根轴,skills 是背面,收藏夹、维护在轴外。

∞

链接深度

顺相对链接往下读,要多深有多深。

从一个入口开始

人从索引读,AI 从 .md 读,殊途同归。