llm-knowledge-base

以 LLM 編譯為核心的個人知識管理系統。靈感來自 Andrej Karpathy 的 LLM 知識庫工作流程及Andrej Karpathy 的 想法文件，把原始素材與編譯知識分開。

跟 Andrej Kapathy llm-wiki 概念文件的差別

Andrej Kapathy的llm-wiki是三層式的架構(raw- wiki- schema)他的架構是由低到高，由上層架構管理下層資料。我的四層架構是(raw- wiki- brainstorming- artifacts)，偏向工作流式的架構，資訊在不同階段間流動。我同時是知識的生產者跟消費者，所以需要雙向編譯跟與AI討論的階段，但最終都會透過LLM編譯彙整到wiki。

問題所在

大多數個人知識系統最終都成了墓地。你收藏文章、做筆記、畫重點——然後再也不去看。收集 、理解與輸出之間的落差，就是埋葬知識的地方。

這個系統透過讓 LLM 編譯你的原始素材，把它們轉化成結構化、相互連結的知識：摘要、概念條目、索引，同時保持原始來源完好不動，來填補這個落差。

架構

核心原則：原始素材是唯讀的。LLM 把它們編譯進 wiki/，但永遠不修改你的原始檔案。

快速開始

• 下載這個repo
• 將要測試的資料放入這個資料夾
• 在這個資料夾打開 Claude Code
• 執行 /init-llm 進行互動式設定——它會問你幾個問題，然後幫你設定好一切
• 把第一篇文章丟進 raw/articles/
• 執行 /compile——看著第一份摘要和概念條目出現在 wiki/ 裡

Claude 與 Codex

這個 repo 現在同時支援 Claude 與 Codex，但兩者的入口不同：

• CLAUDE.md：給 Claude Code 的專用設定
• .claude/commands/：給 Claude Code 的 slash commands
• AGENTS.md：給 Codex 與其他通用 agent 的操作規則
• docs/workflows.md：供應商中立的工作流程定義

如果你用的是 Claude Code，照原本的 /compile、/thinking-partner、/write-partner 等指令操作即可。

如果你用的是 Codex，不需要複製 .claude/commands/。讓 Codex 讀 AGENTS.md、docs/architecture.md、docs/workflows.md 與 docs/examples/，再執行等價流程就可以。

指令

這個系統包含 6 個 Claude Code 斜線指令：

編譯如何運作

每個概念條目把你的實踐與外部觀點分開，並有專門的張力與缺口段落。這是核心知識價值所在——你的經驗與研究並排存在，矛盾被浮現出來，而不是被掩蓋。

一個實際例子

假設你讀到一篇談「AI 怎麼改變學生提問能力」的文章，這套系統會這樣運作：

第一步：捕捉

你先把文章存進 raw/articles/20260404 AI改變學生提問能力.md。這一步只做收集，不需要先分類、摘要，或決定它跟哪個主題有關。

第二步：編譯

等你累積了幾篇相關文章，再執行 /compile。系統會：