🏠 AI Tools Hub | 首页 | 文章 | 评测 | GitHub热门 | 排行榜

LLM Wiki 教程：把文档堆变成自动生长的互联知识库

📌 项目日期：2026年9月 | 数据来源：GitHub官方仓库 | 星数：18.7k+

📋 项目简介

llm_wiki（18.7k 星）是一个跨平台桌面应用，实现 Karpathy 提出的 LLM Wiki 模式：不是临时切块检索的 RAG，而是让 LLM 增量地把你的文档持久化成互联 wiki——PDF、代码库、论文、书、视频统统变成 Markdown 知识页，自动生成页面间的关联链接，形成可视化知识图谱。它还能发现"意外关联"和"知识缺口"，一键发起 Deep Research 深挖。类似的知识管理思路可以对比我们写过的 Semantica 语义驱动自动化知识管理教程。

✨ 核心特性

特性	说明
两步 CoT 生成	先分析源文档、再生成 wiki 页面，质量显著优于单步
SHA256 增量缓存	只重新生成变过的文件，重复导入零成本
持久 Ingest 队列	崩溃自动恢复、失败重试，批量导入不慌
知识图谱	4 信号加权（直接链接×3.0/源重叠×4.0/Adamic-Adar×1.5/类型亲和×1.0）+ Louvain 社区发现
Graph Insights	发现意外连接、孤立页面、知识缺口，一键 Deep Research
混合检索	分词（中文 CJK bigram）→ LanceDB 向量 → 2-hop 图扩展 → token 预算控制
多格式解析	PDF（可选 MinerU）、DOCX、PPTX、XLSX、EPUB/MOBI、图片、音视频、网页
Chrome Web Clipper	Readability.js+Turndown 一键剪藏网页，Alt+Shift+L 快捷键
Obsidian 兼容	wiki 目录即 vault，直接用 Obsidian 打开
MCP + Agent Skill	本地 HTTP API(127.0.0.1:19828) + MCP server，AI 助手可查询

🏗️ 工作原理

源文件夹/PDF/网页 → 两步 CoT 生成
   （1.分析文档  2.生成 wiki 页）
        ↓ SHA256 增量缓存（未变文件跳过）
   持久 Wiki 页面（Markdown，人可编辑）
        ↓
   ┌────────────┬──────────────┐
   │  知识图谱    │  检索管线     │
   │  4信号加权   │  分词搜索     │
   │  社区发现    │  向量(LanceDB)│
   │  缺口检测    │  2-hop 图扩展 │
   └────────────┴──────────────┘
        ↓
   带引用 [1][2] 的组装答案 / Deep Research

🚀 安装

# 普通用户：Releases 页面下载预构建包
#   macOS: .dmg | Windows: .msi | Linux: .deb / .AppImage

# 给 AI 编码助手装查询技能（可选）
npx skills add https://github.com/nashsu/llm_wiki_skill.git --skill llm-wiki

# 开发者源码构建（Node 20+ / Rust 1.88+ / protoc）
npm install
npm --prefix mcp-server ci
npm run mcp:build
npm run tauri build

💡 使用建议

用文件夹导入 + 自动监控，把整个团队的文档目录变成活知识库
先看 Graph Insights 的"知识缺口"页——孤立页面往往就是你还没消化的知识盲区
配 Chrome Web Clipper 剪藏网页，与 Understand-Anything 代码知识图谱配合使用，代码+文档双图谱
开启 LanceDB 向量检索（召回 58.2%→71.4%），中文检索同样有效

📚 常见问题

llm_wiki 和传统 RAG 知识库有什么区别？

传统 RAG 每次问答都临时切块、检索、拼上下文；llm_wiki 则用 LLM 增量地把文档持久化成 Markdown wiki 页面——每个源文件对应一页摘要+要点+关联链接，生成一次反复使用，还能人手编辑修正。检索时四路信号（分词、向量、图扩展、源重叠）合流，中文用 CJK bigram 分词。

支持哪些文件格式？

PDF（内置 pdf-extract，可选 MinerU Cloud/Local 增强解析）、DOCX、PPTX、XLSX/ODS、EPUB/MOBI、图片、音视频、网页剪藏（Chrome Web Clipper 扩展）、文件夹批量导入与自动监控。wiki 目录本身与 Obsidian 完全兼容。

如何安装？

普通用户直接去 GitHub Releases 下载预构建安装包：macOS .dmg、Windows .msi、Linux .deb/AppImage。开发者可源码构建，需要 Node 20+、Rust 1.88+、protoc，然后 npm install、npm --prefix mcp-server ci、npm run mcp:build、npm run tauri build。GPL-3.0 协议。