memoryweave/docs/h2-llm-wiki-plan.md

H2: LLM 驱动的 Wiki 策展

修改文件

~/.hermes/scripts/wiki_curator.py

在现有启发式提取基础上，新增 --llm 模式调用 NewAPI。

1. 配置

# LLM 配置
LLM_API = "http://127.0.0.1:3000/v1/chat/completions"
LLM_MODEL = "minimaxai/minimax-m3"
LLM_KEY = "sk-0Ex...MWBP"  # 从 ~/.hermes/config.yaml 读取

从 ~/.hermes/config.yaml 读取 key（避免硬编码）：

import yaml
with open(os.path.expanduser("~/.hermes/config.yaml")) as f:
    cfg = yaml.safe_load(f)
llm_key = cfg.get("providers", {}).get("newapi-local", {}).get("api_key", "")

2. 新增参数

parser.add_argument("--llm", action="store_true", help="Use LLM for extraction (default: heuristic)")

3. LLM 提取函数

def extract_with_llm(content: str, filepath: str) -> dict:
    """调用 NewAPI LLM 提取结构化知识"""
    prompt = f"""Analyze the following technical document and extract knowledge.
Return JSON only with this exact structure:
{{
  "concepts": [{{"name": "...", "summary": "...", "details": "..."}}],
  "entities": [{{"name": "...", "attributes": {{...}}}}],
  "relations": [{{"source": "...", "relation": "uses|contains|depends_on|implements|part_of", "target": "..."}}]
}}

Document: {content[:3000]}
"""
    resp = requests.post(LLM_API, 
        headers={"Authorization": f"Bearer {LLM_KEY}", "Content-Type": "application/json"},
        json={"model": LLM_MODEL, "messages": [{"role": "user", "content": prompt}], "temperature": 0.1},
        timeout=30)
    # 解析 JSON 响应
    ...

4. 提取逻辑

• 用 --llm → 优先 LLM 提取，LLM 失败/超时 → 回退到启发式
• 不用 --llm → 当前启发式行为

验证

# LLM 模式
python3 ~/.hermes/scripts/wiki_curator.py --dir /tmp/test-wiki --llm --force

# LLM 模式 dry-run
python3 ~/.hermes/scripts/wiki_curator.py --dir /tmp/test-wiki --llm --dry-run

# 检查提取质量（LLM 应产出比启发式更精准的概念）