LLM Wiki：把文档编译成活着的知识库，让 AI 替你维护 Wiki

LLM Wiki 是一款基于 Karpathy “LLM Wiki”方法论构建的跨平台桌面应用——它能将散落在本地文件夹里的 PDF、Office 文档、网页、笔记自动编译成一张互相链接的结构化 Wiki，并且由 LLM 持续维护增量更新，而非每次查询都从原始文档重新检索。简单说：RAG 解决”找得到”，LLM Wiki 解决”真正懂了”。截至 2026-09-10，GitHub Star 已突破 17,800+，是近期知识管理赛道的现象级新项目。

LLM Wiki 的核心设计原则是”知识编译而非检索”。传统 RAG 每次回答都要从原始文档里重新召回段落，而 LLM Wiki 在首次导入时会调用 LLM 生成结构化的 Wiki 页面（entities/concepts/sources/queries 等分类），并以 [[wikilink]] 语法建立条目间的关联——这些 Wiki 页面才是后续查询的真正对象，而非原始文档本身。原始文档作为不可变数据源（Raw Sources）永远保留，形成 Raw Sources → Wiki → Schema 的三层架构。LLM 既是编译引擎，也是维护引擎：新文档加入时，LLM 自动分析内容、生成或更新对应 Wiki 页面、写 log.md 操作记录，保证知识库随时间”自生长”而非”自遗忘”。

LLM Wiki 在 GitHub 已有 17,874 Stars（截至 2026-09-10），从 2026 年 4 月建仓至今不到半年，迭代版本超过 23 个，保持高度活跃。项目附带独立的 Agent Skill 包（nashsu/llm_wiki_skill），在 Claude Skills 市场上累计 1,500+ 安装量，为 AI 编码 Agent 提供本地知识库查询能力。GitHub Trending 多次上榜，是近期开发者工具领域增长最快的个人知识管理项目之一。

• GitHub：https://github.com/nashsu/llm_wiki
• Skill 安装：npx skills add https://github.com/nashsu/llm_wiki_skill.git --skill llm_wiki_skill
• Skill 市场：https://claudeskills.info/zh/skills/nashsu/llm_wiki_skill

LLM Wiki 由独立开发者 nash_su（@nashsu）创建和维护，同时提供英文、中文、日语、韩语四国语言 README，并活跃在 X 平台与开发者社区互动。

LLM Wiki 起源于 Andrej Karpathy 的一篇设计文档（llm-wiki.md），那篇文章描述了用 LLM 构建”活着的 Wiki”的愿景——不是检索工具，而是一个知识编译器。nash_su 将这个抽象设计落地为完整应用，并在 Karpathy 原始架构基础上做了大量扩展：

核心架构（三层）
– Raw Sources：上传的原始文档（PDF/DOCX/EPUB/MD/图片等），设为不可变，任何操作只增不删
– Wiki：LLM 根据文档内容自动生成的 Markdown 页面，含 [[wikilink]] 双向链接，形成知识图谱
– Schema：purpose.md（项目目标与核心问题）和 schema.md（页面分类规则），指导 LLM 的编译行为

关键功能一览
– Two-Step Chain-of-Thought Ingest：LLM 先分析文档结构，再生成 Wiki 页面，保留溯源能力，支持增量缓存避免重复处理
– 4-Signal Knowledge Graph：基于直接链接、来源重叠、Adamic-Adar 相似度和类型亲和度构建相关性模型
– Louvain 社区发现：自动探测知识聚类，输出 cohesion score，帮你发现知识盲区
– Deep Research：对任意主题发起多轮网络搜索，结果自动 Ingest 入 Wiki，持续积累
– 多模态文档解析：PDF（含内置/cloud/local MinerU 三种解析方案）、Office、EPUB/MOBI、图片均可导入，图片还能生成视觉描述
– Rust 后端 Chat Agent：内置工具调用运行时，支持 wiki/来源/图谱/网络四路检索、文件生成、Shell 审批、流式工具事件
– 本地 HTTP API + MCP Server：运行在 127.0.0.1:19828，对外暴露 JSON API 和 MCP 协议，Claude Code / Codex 可直接接入
– Obsidian 兼容：Wiki 目录即为 Obsidian Vault，现有 Obsidian 插件可直接使用

Agent Skill（LLM Wiki Skill）

独立仓库 nashsu/llm_wiki_skill 将 LLM Wiki 的能力以 SKILL.md 标准封装，可一键安装进 Claude Code：

npx skills add https://github.com/nashsu/llm_wiki_skill.git --skill llm_wiki_skill

安装后在 Claude Code 中可直接触发对话：
– “what does my LLM Wiki say about X” → 查询知识库
– “show my wiki graph” → 可视化知识图谱
– “rescan my wiki sources” → 重新索引文档
– “search in my LLM Wiki project” → 混合检索

Skill 设计了一个关键约束：只在你明确说出 “LLM Wiki / my wiki / 知识库” 时才触发，不会误拦截通用的”搜索我的笔记”请求。

适用场景与目标用户

LLM Wiki 适合以下人群：

• AI 研究者 / 学生：大量论文、书籍需要建立领域知识图谱，Wiki 可随阅读自动积累结构化笔记
• 知识工作者：行业报告、白皮书、内部文档，希望拥有可对话的私有知识库而非文件夹层级
• Obsidian 重度用户：已有维护 Vault 的习惯，想让 AI 承担”编译和更新”而非只是”展示”
• AI Agent 开发者：需要为 Agent 提供持久化记忆和结构化知识检索能力，通过内置 MCP 或 Agent Skill 接入

不太适合：只想随手问几个问题的轻量用户（ChatGPT 足以覆盖），以及需要实时协作的团队场景（当前以本地单用户为主）。

输入与输出示例

示例 1：文档导入
– 输入：将一份 50 页的 PDF 研究报告拖入 LLM Wiki Sources 目录
– 输出：LLM 自动分析报告结构，在 wiki/ 目录下生成若干 Markdown 页面（如 sources/report_summary.md、entities/核心发现.md、concepts/研究方法.md），通过 [[wikilink]] 相互引用，并在 log.md 中记录操作时间线

示例 2：Agent 查询
– 输入（在 Claude Code 中）：”what does my LLM Wiki say about the research methodology used in my sources?”
– 输出：Agent 通过 MCP 协议向本地 LLM Wiki 发起查询，返回 concepts/研究方法.md 的内容摘要，并列出相关 Wiki 页面链接，引用格式为文件路径，可直接在 Obsidian 中跳转

为什么这个 Skill 值得关注

LLM Wiki 代表了一种范式转变：知识管理从”检索”走向”编译”。传统工具（Notion、Obsidian、RAG）解决的是”把东西存起来以后找得到”，而 LLM Wiki 解决的是”让知识自己生长成结构”。每次读一篇新论文，知识库不只是多了几条摘录，而是 LLM 自动把它编织进已有的知识网络——这种体验是其他工具难以提供的。加上独立 Agent Skill 的加持，AI 编码助手现在也能拥有真正的长期记忆和知识推理能力，而不只是上下文窗口里的碎片。

GitHub: https://github.com/nashsu/llm_wiki