Agent 生态
LLM Wiki：让 AI 替你维护个人知识库
LLM Wiki：让 AI 替你维护个人知识库 GPL v3 | Tauri v2 + React | 兼容 Obsidian vault 这是什么 LLM W
Gana · 2026-08-23 · 5 分钟阅读LLM Wiki：让 AI 替你维护个人知识库
GPL v3 | Tauri v2 + React | 兼容 Obsidian vault
这是什么
LLM Wiki 是跨平台桌面应用，理念来自 Andrej Karpathy 的 llm-wiki.md。
你往里面丢文档 → AI 逐份分析 → 生成结构化 wiki 页面 → 自动
[[wikilink]]→ 持续生长的知识网络。
不是 RAG 式「搜完即忘」，而是增量式知识沉淀。wiki 目录本身就是 Obsidian vault（含 .obsidian/、frontmatter、双向链接）。
适合谁 / 不适合谁
| 场景 | 适配度 | 说明 |
|---|---|---|
| 长期积累研究文献，需交叉关联 | ★★★★★ | 图谱 + Deep Research |
| 把收藏的文章/PDF 消化成笔记 | ★★★★★ | 多格式摄入 |
| 团队知识库建设 | ★★★★☆ | 需评估协作流程 |
| 日常轻量笔记 | ★★★☆☆ | Obsidian 原生更合适 |
| 临时查一份文档 | ★★☆☆☆ | 传统 RAG 更直接 |
安装与前置条件
- 预构建包：GitHub Releases（macOS / Windows / Linux）
- 源码：Node.js 20+、Rust 1.70+
- 可选：Tavily / SerpApi / SearXNG（Deep Research）、视觉 LLM（图片）
# 从 Releases 下载安装包即可；源码构建见仓库 README
核心用法
两步思维链摄入
- 分析：提取实体、概念、论证，与已有 wiki 冲突检测
- 生成：摘要、实体页、更新
index.md/overview.md/log.md - SHA256 增量缓存：文件未变不重复处理
支持格式
PDF、DOCX、PPTX、XLSX、图片、音视频、网页（Chrome 剪藏 + Readability）等。
知识图谱
4 信号关联模型（直接链接、来源重叠、Adamic-Adar、类型亲和）+ sigma.js 可视化 + Louvain 社区检测 + Graph Insights（意外关联、知识缺口、一键 Deep Research）。
与 Obsidian
LLM Wiki = AI 写初稿；Obsidian = 你精修延伸。
其他能力
- 异步审核队列（冲突/缺口待人工）
- 多轮对话，4K～1M token 上下文预算
- 本地 API
127.0.0.1:19828+ llm_wiki_skill - 中英文界面
注意事项与风险
- GPL v3：衍生分发需遵守开源义务。
- LLM 成本：大批量 ingest 消耗 token；缓存可缓解。
- 隐私：本地优先，但 Deep Research 会访问外网搜索 API。
- 质量：AI 生成内容需人工审核，尤其冲突与实体合并。
与你现有工具的关系
- 与 Obsidian + opencode（见 [[给 Obsidian 接上免费 AI：opencode + 国产模型配置指南]]）天然衔接：同一 vault 格式。
- 与 GBrain（见 [[GBrain：AI Agent 的个人大脑层]]）对比：LLM Wiki 偏人工阅读流；GBrain 偏 Agent 自动化记忆与
think合成答案。
FAQ
Q: 和 Obsidian 插件 RAG 有何不同？
A: LLM Wiki 先「读完写 wiki」再查阅；RAG 多为临时检索，不沉淀图谱。
Q: 能否给 Claude Code 用？
A: 可通过 llm_wiki_skill 与本地 HTTP API 查询知识库。
Q: 团队能用吗？
A: 可以，但协作权限与冲突解决需自行约定流程。
相关链接
- GitHub：https://github.com/nashsu/llm_wiki
- Karpathy 理念 gist：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
- agent skill：https://github.com/nashsu/llm_wiki_skill
