$ loading_
将网页、GitHub与YouTube内容自动整理为可引用、可交叉引用的LLM知识库。
该技能材料显示其为开源的 prompt-only Skill，未声明需要密钥或远程端点，整体风险较低。由于描述涉及摄取网页、GitHub 和 YouTube 内容并生成知识库，但缺少 README 与实现细节，个别能力边界仍需留意。
材料明确写明无需密钥或环境变量，未见要求提供 API token、账号凭证或高敏感认证信息，凭证泄露与滥用面较低。
系统检查项标记为 prompt-only，且未声明任何远程端点；虽描述中提到处理 web、GitHub、YouTube URL，但现有材料未显示该技能自身会向外部服务发送用户数据。
作为 prompt-only Skill，材料未显示其会在本机启动进程、执行脚本或调用额外系统能力；未见超出提示词/工作流描述的执行权限申请。
描述称可将网页、GitHub、YouTube URL 摄取为结构化知识库，意味着可能处理用户提供的外部内容并组织为本地知识数据。由于缺少 README 和具体实现，尚无法确认会读取/保存哪些数据及保存范围，需留意数据最小化。
来源为 GitHub 开源仓库，许可证为 Apache-2.0，具备可审计性；社区采用度有一定基础（74 stars）。维护状态未知、文档缺失会降低透明度，但目前未见闭源、伪装来源或明显供应链红旗。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"pin-llm-wiki" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请把这些网页、GitHub 仓库和 YouTube 视频链接导入 pin-llm-wiki，按主题整理成结构化知识库；为每条内容生成摘要、引用来源、关联条目，并执行自动 lint 检查： 1. https://example.com/llm-guide 2. https://github.com/example/llm-project 3. https://youtube.com/watch?v=example
输出一个按主题分组的 LLM 知识库，包含摘要、规范引用、交叉引用关系和 lint 检查结果。
把以下调研链接整理成团队内部 wiki，按“模型架构、训练方法、评测、应用案例”分类；保留原始引用，补充相互关联的条目，并标出结构或引用不规范的问题。
得到适合团队复用的研究 wiki，结构清晰，引用完整，并附带质量检查提示。
将我收集的技术文章、代码仓库和讲解视频导入 pin-llm-wiki，生成适合写博客或文档引用的知识条目；每个条目需包含核心观点、出处、相关主题和规范性检查结果。
生成可直接用于技术写作的知识条目库，便于检索、引用和扩展。
用自然语言查询并导入文档型 Wiki 知识库，快速获取结构化答案。
上传资料并连接 Claude，自动生成可持续扩展的知识 Wiki。
帮助开发者先与多个大模型协同头脑风暴，再整理实现方案给用户。
通过本地知识库搜索、问答与知识图谱，快速检索并浏览私有 wiki 内容
将本地 Claude Code 或 Codex 历史转为可分享的匿名开发者画像与海报
帮助你创建、整理、校验并重构 AgentSkills 与 SKILL.md 技能文件。