Context
2026-04-04 Discord 對話，根據 Karpathy LLM Knowledge Bases 的 linting 概念 + Claude 官方 best practice，規劃適合此 vault 使用情境的 linter 實作方向。
核心定位
Karpathy 的 linting 是 “health check”，目標三件事：
- 找出 inconsistent / missing data
- 用 web search 補上缺失資料
- 發現新的 article candidate / connection
架構：兩層設計
Layer 1 — Python 結構檢查（deterministic，快速）
放在 scripts/lint-vault.py，不需要 LLM：
- Frontmatter 完整性：Clippings 缺 title/source/analyzed/source_hash；notes/ 缺 date/tags
- Tag taxonomy enforcement：對照 vault-codemap 白名單，找 typo 或過時 tag
- Broken wikilinks：掃所有
[[...]]，找指向不存在檔案的連結 - Analyzed backlog：
analyzed: false且超過 N 天沒處理的 Clippings - Duplicate detection：用
source_hash找重複 clip - Orphan detection：notes/ 和 research/ 裡沒有任何 wikilink 指向的孤立知識
Layer 2 — LLM 語義檢查（semantic，較慢）
整合成 /lint-vault skill：
- Interest alignment check：找和 interest-map 對不上的低關聯文章；找新興主題 cluster
- Connection discovery：找多篇 Clippings 共同提到但未被串起的概念 → 新 article candidate
- Staleness check on interest-map.md：比對 ai/ 新文章 tags vs interest-map 分類
- Missing description imputation：description 為空時用 LLM 補一句話摘要
輸出格式
結果寫入 inbox/lint-YYYY-MM-DD.md：
## 🔴 需要修復（結構問題）
## 🟡 需要注意（知識健康）
## 🟢 建議探索（semantic 發現）
實作順序
scripts/lint-vault.py（Layer 1）/lint-vaultskill 包裝，加--semanticflag- cron 每週自動跑 + Discord notify
Connections
- Clippings-llm-knowledge-bases — Karpathy 原文（linting 概念來源）
- 2026-04-03-karpathy-llm-wiki-vault-improvements — 前次分析：vault 三層架構與 compounding loop