知识库建好之后，用什么工具持续维护？

如果知识库是一堆 Markdown 笔记（比如 Obsidian 库），维护的重点不是“再查一次”，而是让 AI 帮你把新资料编译进已有页面：收录来源、更新索引和日志、补交叉引用、定期体检断链和孤页。 想让 AI 查自己的资料，直接上传还是做成知识库？这类工具目前有几款可选：

- WikiNow：本地优先，一条命令把网页、YouTube、PDF、epub、音频收进来，LLM 会同时改动 10-15 个 wiki 页面（来源摘要、概念、索引、总览、标签、日志），并通过 MCP 让 Claude Code、Codex 等宿主 AI 读写这个 wiki。注意它目前只支持英文内容。

- knowledge-wiki：常驻型技能，在工作区维护 knowledge/ 目录，核心是收录、综合、查询三个动作，自动维护 index.md 和 log.md，页面之间用相对路径互链。

- llm-wiki（llm-wiki-cn 技能）：更完整的三层结构 source/（原始资料只读）、wiki/（编译层）、schema/（约定层），区分资料页、实体页、概念页、综合页、对比页、查询页，并带 Python 体检脚本检查断链、索引覆盖和编码问题。

- lorekit：把维护做成有状态的命令链，fetch 抓材料、ingest 记录处理进度、index 刷新目录、sync 收尾、lint 查 frontmatter/断链/孤页、snapshot 快照、restore 恢复、remove 安全删除，适合担心 AI 误删误改长期笔记的人。

共同思路是：原始资料单独存放且只读，AI 只改“知识层”，索引和日志每次同步更新，定期跑体检。选哪个主要看你的库是不是 Markdown、要不要接 Claude Code/Codex、以及是否在意快照和回滚。