企业官网建设流程全解析

1. 为什么我要把三源笔记塞进同一个 Obsidian 库

先说清楚 llm-wiki 是什么，因为它决定了后面所有目录结构和脚本的写法。llm-wiki 是 Andrej Karpathy 提出的一个思路：把你过去积累的所有文字材料——笔记、博客、读书摘录、工作日志——当成一个语料库，让 LLM 自动从中提取概念、建立页面、编织交叉引用，最后长成一个结构化的、能持续迭代的个人 Wiki。它和传统 Wiki 最大的区别是：传统 Wiki 要你手动建页面、写摘要、加链接，枯燥且难坚持；llm-wiki 把组织成本压到接近零，你只管持续产生和收集内容，LLM 负责组织和管理。

我自己的情况是：Notion 里躺着开发知识和投资笔记，微信读书里 151 本书的划线和想法，知乎上有上千篇回答和文章。这三块内容各自成岛，搜索要开三个 App，想交叉引用基本靠脑子记。所以我的目标很明确——用 llm-wiki 的思路，把 Obsidian 作为统一的知识中枢，三源内容全部汇入同一个 vault，再通过 TaoToken 的统一 Key 和 API 通道，让 AI 反复执行摄入、更新、审计。

这篇适合谁：已经在用 Obsidian、但笔记来源分散的人；想用 Playwright 做浏览器自动化采集的人；以及想搞明白 AGENTS.md 到底该怎么写、怎么让 AI 稳定执行的人。下面给的是可复制的目录结构、AGENTS.md 配置和采集脚本，最后演示一次端到端同步与校验。

2. TaoToken 前置准备：统一 Key 与 API 通道

在动手写脚本之前，先把调用通道理顺。llm-wiki 的摄入、审计、人格蒸馏这些流程，本质都是让 LLM 读你的 Markdown 文件、提取概念、生成页面。这些操作会高频调用模型，如果每个工具各配一套 Key，管理起来很乱。我的做法是用 TaoToken 做统一入口，一个 Key 走所有流程。

TaoToken 在这里扮演的角色是统一的模型调用通道：你拿到一个 API Key，配好 Base URL，就能在脚本、Agent 工具、编辑器插件里复用同一套凭证。官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api （这个不加 UTM）。注意，API 地址和官网地址是两个不同的东西，配 Base URL 的时候用后者。

具体要准备三样东西，我把它叫「三件套」，后面所有配置都围绕它：

拿 Key 的路径是：进控制台，找到 API Keys 页面，新建一个 Key 并立刻复制保存。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API Keys 页面是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。如果你只是想先验证模型通不通，可以直接用模型对话页面试一条请求： https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

这里有个我踩过的坑：很多人把 Base URL 写成官网首页，结果请求 404 或者返回 HTML。记住，Base URL 一定是 https://taotoken.net/api ，不带任何路径后缀。另外，Key 不要硬编码进脚本提交到 Git，用环境变量或者 .env 文件，后面配置里我会写成读取环境变量的形式。

如果你后面要长期跑编码类 Agent，比如让 AI 自动改脚本、维护 vault 结构，可以了解下 Coding Plan： https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，遇到参数问题先查文档比瞎试快。

3. 可复制配置：目录结构、AGENTS.md 与采集脚本

这一节是全文最重的部分，我把目录结构、AGENTS.md、Playwright 脚本、微信读书同步脚本全部给全，你复制改路径就能跑。

3.1 目录结构

Obsidian vault 本质就是一个本地文件夹，llm-wiki 方法论里有一条很重要：原始素材永不可改，LLM 在原始素材之上生成结构化知识。所以我把 vault 分成 raw（原料区，只读）和 wiki（生成区，AI 可写）两层。

my-vault/ ├── AGENTS.md # 知识维护规则，AI 读这个 ├── raw/ # 原料区，永不修改 │ ├── notion-export/ # Notion 导出的 md │ ├── weread/ # 微信读书笔记 │ ├── zhihu/ # 知乎回答/文章/想法 │ └── blog/ # 博客 Markdown 源文件 ├── wiki/ # 生成区，AI 写入 │ ├── concepts/ # 概念页面 │ ├── entities/ # 实体页面 │ ├── sources/ # 来源摘要页面 │ └── index.md # 总索引 ├── personal/ # 人格蒸馏产出 │ ├── style.md # 表达风格 │ └── cognition.md # 认知特征 └── .state/ # 同步状态文件 ├── weread-synced.json └── zhihu-synced.json

Notion 导入这块补一句：在 Notion 的「设置与成员 → 设置」里选「导出所有工作区内容」，格式选 Markdown & CSV，解压后每个页面对应一个 .md。然后在 Obsidian 社区插件市场装 Importer 插件，Cmd+P 搜「Importer: Open Importer」，选 Notion 格式导入。导入完把文件挪进 raw/notion-export/，标记为不可修改。

3.2 AGENTS.md 配置

AGENTS.md 是整个系统的规则文件，AI 每次执行前先读它。我参考 karpathy 的 llm-wiki 思路写的版本如下，重点是定义清楚摄入、更新、审计三个流程，以及硬性约束。

# AGENTS.md — 知识中枢维护规则 ## 角色 你是一个 llm-wiki 维护 Agent。你的任务是把 raw/ 下的原始素材， 转化为 wiki/ 下结构化的、带交叉引用的知识页面。 ## 硬性约束 1. raw/ 目录只读，任何情况下不得修改或删除其中文件。 2. 所有生成内容写入 wiki/ 和 personal/。 3. 每个概念页面必须包含：定义、来源引用、相关概念链接。 4. 交叉引用使用 Obsidian 的 [[wiki-link]] 格式。 5. 不确定的内容标注 `> 待核实`，不要编造。 ## 流程一：摄入（ingest） - 扫描 raw/ 下所有 .md 文件 - 提取概念、实体、来源三类信息 - 概念写入 wiki/concepts/，实体写入 wiki/entities/ - 每个来源生成一个摘要页写入 wiki/sources/ - 更新 wiki/index.md 总索引 ## 流程二：审计（audit） - 检查 wiki/ 下所有页面的链接是否有效 - 找出孤立页面（无任何入链） - 找出重复概念并合并 - 输出审计报告到 wiki/audit-report.md ## 流程三：人格蒸馏（personal） - 从 raw/zhihu/ 和 raw/blog/ 中分析表达风格 - 从 raw/weread/ 中分析认知特征和价值取向 - 产出写入 personal/style.md 和 personal/cognition.md - 注意：人格蒸馏只做归纳，不做评价 ## 模型调用 - Base URL: https://taotoken.net/api - API Key: 从环境变量 TAOTOKEN_API_KEY 读取 - 摄入用长上下文模型，审计可用轻量模型

这份文件的关键在于「硬性约束」那几条。我试过不写约束，AI 会顺手改 raw 里的文件，原始数据一旦被改，后面所有引用都对不上了。

3.3 Playwright 采集知乎

知乎没有官方导出 API，我用 Playwright 做浏览器自动化。先装依赖：

pip install playwright playwright install chromium

脚本核心逻辑是：首次运行打开 Chromium 让你登录，登录状态持久化到本地，后续用 --reuse 参数静默执行，增量抓取。

import asyncio import json import os from pathlib import Path from playwright.async_api import async_playwright STATE_FILE = Path(".state/zhihu-synced.json") OUT_DIR = Path("raw/zhihu") USER_DATA = Path(".state/zhihu-profile") async def sync_zhihu(reuse: bool = False): OUT_DIR.mkdir(parents=True, exist_ok=True) synced = json.loads(STATE_FILE.read_text()) if STATE_FILE.exists() else {"ids": []} async with async_playwright() as p: ctx = await p.chromium.launch_persistent_context( user_data_dir=str(USER_DATA), headless=reuse, ) page = await ctx.new_page() await page.goto("https://www.zhihu.com/people/your-id/answers") if not reuse: print("请在打开的浏览器中登录知乎，登录完成后按回车继续") input() # 滚动加载，抓取回答列表 for _ in range(20): await page.mouse.wheel(0, 3000) await asyncio.sleep(1) items = await page.query_selector_all("div.List-item") for item in items: link = await item.query_selector("a") if not link: continue href = await link.get_attribute("href") title = (await link.inner_text()).strip() item_id = href.rstrip("/").split("/")[-1] if item_id in synced["ids"]: continue # 抓正文 await page.goto(f"https://www.zhihu.com{href}") await asyncio.sleep(1.5) body = await page.query_selector("div.RichText") content = await body.inner_text() if body else "" safe = "".join(c for c in title if c.isalnum() or c in " -_")[:60] (OUT_DIR / f"{item_id}-{safe}.md").write_text( f"# {title}\n\n来源: https://www.zhihu.com{href}\n\n{content}", encoding="utf-8", ) synced["ids"].append(item_id) print(f"已同步: {title}") STATE_FILE.parent.mkdir(parents=True, exist_ok=True) STATE_FILE.write_text(json.dumps(synced, ensure_ascii=False)) await ctx.close() if __name__ == "__main__": import sys asyncio.run(sync_zhihu(reuse="--reuse" in sys.argv))

首次跑python sync_zhihu.py，登录后按回车；之后跑python sync_zhihu.py --reuse就是静默增量同步。状态文件记录已抓的 id，重复运行不会重复处理。

3.4 微信读书笔记同步

微信读书开放了 Agent API Gateway，申请 API Key 后调用 /user/notebooks 拿有笔记的书籍列表，再逐本拉划线和想法。

import json import os import requests from pathlib import Path WEREAD_KEY = os.environ["WEREAD_API_KEY"] OUT_DIR = Path("raw/weread") STATE = Path(".state/weread-synced.json") def sync_weread(): OUT_DIR.mkdir(parents=True, exist_ok=True) synced = json.loads(STATE.read_text()) if STATE.exists() else {"books": []} headers = {"Authorization": f"Bearer {WEREAD_KEY}"} books = requests.get( "https://api.weread.example/user/notebooks", headers=headers ).json()["data"] for book in books: bid = book["bookId"] if bid in synced["books"]: continue detail = requests.get( f"https://api.weread.example/book/{bid}/notes", headers=headers ).json()["data"] lines = [f"# {book['title']}", f"作者: {book.get('author', '未知')}", ""] for ch in detail.get("chapters", []): lines.append(f"## {ch['title']}") for mark in ch.get("marks", []): lines.append(f"> {mark['text']}") if mark.get("note"): lines.append(f"\n笔记: {mark['note']}") lines.append("") (OUT_DIR / f"{bid}.md").write_text("\n".join(lines), encoding="utf-8") synced["books"].append(bid) print(f"已同步: {book['title']}") STATE.parent.mkdir(parents=True, exist_ok=True) STATE.write_text(json.dumps(synced, ensure_ascii=False)) if __name__ == "__main__": sync_weread()

注意接口域名以微信读书官方文档为准，我这里用占位域名示意结构。输出格式是书名和作者作标题，每章划线用引用块，笔记附在对应原文下方。

3.5 统一 Key 的 settings 片段

如果你用支持 settings.json 的 Agent 工具，把三件套写进去：

{ "model": { "baseUrl": "https://taotoken.net/api", "apiKey": "${TAOTOKEN_API_KEY}", "modelId": "your-model-id" }, "knowledgeBase": { "rawDir": "raw", "wikiDir": "wiki", "agentsFile": "AGENTS.md" } }

Base URL、Key、Model ID 三件套齐了，脚本和 Agent 工具就能共用同一套凭证。

4. 验证请求：跑一次端到端同步与校验

配置写完，先别急着全量摄入，用一条最小请求验证通道通不通。这一步能帮你把 401、模型名写错这类问题提前挡掉。

curl https://taotoken.net/api/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "your-model-id", "messages": [{"role": "user", "content": "回复 OK 两个字母"}] }'

返回里能看到 choices 数组、message.content 是 OK，就说明 Key、Base URL、Model ID 三件套都对。如果返回 401，先查 Key 有没有复制全、有没有多余空格；如果返回 model not found，查 Model ID 拼写。

通道验证完，跑一次端到端同步。顺序是：先跑知乎和微信读书脚本，把 raw/ 填满；再让 Agent 读 AGENTS.md 执行一次全量摄入。

python sync_zhihu.py --reuse python sync_weread.py

然后触发摄入。如果你用命令行 Agent，大致是这样：

agent run --agents-file AGENTS.md --task "执行一次全量 ingest，扫描 raw/ 下所有文件"

摄入完成后校验三件事。第一，wiki/index.md 是否列出了所有来源；第二，随机点开一个概念页面，看有没有 [[wiki-link]] 交叉引用；第三，跑一次审计，看有没有孤立页面。

agent run --agents-file AGENTS.md --task "执行 audit，输出审计报告" cat wiki/audit-report.md

我实测下来，151 本书的笔记加上知乎回答，第一次全量摄入大概生成几百个概念页和实体页，index.md 会变成一个可导航的总入口。审计报告里如果出现大量孤立页面，通常是概念命名不统一导致的，比如「Raft」和「Raft 算法」被当成两个概念，这时候在 AGENTS.md 里加一条命名规范，重跑摄入即可。

5. 本篇常见错排查

这一节按真实报错来，遇到对号入座。

401 Unauthorized。最常见的原因是 Key 没读到。检查环境变量：echo $TAOTOKEN_API_KEY，如果是空的，说明 .env 没 source 或者写错了变量名。另一个原因是 Key 前后有空格或换行，复制的时候带上了。还有一种是把官网地址当成了 API 地址，请求发到 https://taotoken.net/ 而不是 https://taotoken.net/api ，这种通常返回 HTML 而不是 JSON。

local proxy failed / connection refused。这类报错一般是本地网络配置问题，检查你的请求是不是走了某个本地端口。脚本里如果设了 http_proxy 环境变量，先 unset 掉再试。Playwright 启动浏览器时如果卡住，多半是 chromium 没装好，重跑playwright install chromium。

reading 'choices' of undefined。这个报错说明返回体里没有 choices 字段，通常是请求体格式不对。检查 messages 是不是数组、model 字段有没有拼错、Content-Type 是不是 application/json。还有一种情况是模型名用了不存在的 ID，返回体是错误对象，代码却直接取 choices[0]，就会报这个。

OAuth / 登录态失效。知乎脚本用 --reuse 跑的时候如果抓不到内容，多半是登录态过期了。删掉 .state/zhihu-profile 目录，重新跑一次不带 --reuse 的登录流程。微信读书的 API Key 如果失效，会返回 401，去控制台重新生成。

AGENTS.md 没生效。AI 还是改了 raw/ 里的文件，说明约束没被读到。检查 AGENTS.md 是不是在 vault 根目录、文件名大小写是否一致、Agent 启动时有没有指定 --agents-file。有些工具默认读的是项目根目录的 AGENTS.md，路径不对就不生效。

摄入结果重复。同一个概念生成了多个页面，通常是每次摄入都从零开始。解决办法是在 AGENTS.md 里加一条：摄入前先读 wiki/index.md，已存在的概念做增量更新而不是新建。

6. 后续怎么用：从知识库到人格蒸馏

内容层跑通之后，我做了一件更有意思的事：拆出一个和 wiki 类似的 personal 流程，同样有 ingest、lint，区别是 wiki 的重点是知识，personal 的重点是我这个人。

这两者共享同一套 raw 素材，但目标和产出完全不同。知识库回答「我知道什么」——从笔记和读书摘录里提取客观知识，生成概念页、实体页、来源摘要页，建立密集交叉引用。人格蒸馏回答「我是谁」——从创作和阅读里反向推导认知模式、表达风格和价值取向。比如分析技术博客能归纳出「论点先行、案例驱动」的表达风格，分析知乎回答能发现「第一性原理还原」这类反复出现的认知特征。产出不是知识条目，而是一张认知图谱。

流程上两者高度同构：摄入 → 查询 → Lint → 审计。一个向外看，结构化你拥有的知识；一个向内看，建模你作为个体的认知特征。这种一体两面的设计，是我觉得整套系统最有意思的地方。

如果你要长期跑这类 Agent 任务，比如让 AI 定期自动摄入新笔记、维护 vault 结构，可以看下 Coding Plan： https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。接入细节查文档： https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。想先验证模型效果，用模型对话页面： https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。Key 在 API Keys 页面生成： https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

最后给一个实用技巧：raw/ 目录建议用 Git 做版本管理，每次同步脚本跑完 commit 一次。这样即使 AI 摄入出错，你也能回滚到上一个干净状态。原始素材永不可改这条原则，配合 Git，基本就万无一失了。