llm-wiki

Language / 语言 / Ngôn ngữ: 中文 · English · Tiếng Việt

LLM Wiki — 个人 AI 知识库系统

基于 Karpathy llm-wiki 方法论，利用 AI 持续构建和维护你的个人知识库。支持从多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）自动整理为结构化的 wiki，并通过 Quartz 发布为静态 wiki 知识库网站。同时通过 claude_agent_sdk 调用 Claude Agent 使用 llm-wiki，提供 API 接口对外访问服务。

Claude Agent SDK + LLM-wiki，最强大的 agentic RAG。本项目主要展示了我制作的 llm-wiki 怎样通过 Claude Agent SDK 转为 agentic RAG，效果非常好。核心文件是：7_wiki_writer.py、wiki_writer_api.py。

🤔 什么是 LLM-wiki？

LLM Wiki：用大语言模型把你的零散知识，自动整理成一部结构化的"个人百科全书"。传统的做法是，每次你想问 AI 一个问题，AI 都要重新翻一遍你的所有资料，找到相关的再回答你（这叫 RAG，检索增强生成）。这就好比你每次问图书管理员一个问题，他都要把整个图书馆的书重新翻一遍。Karpathy 说，这太蠢了。正确的做法是：让 AI 当一个"知识编译器"，先把你的所有资料读一遍，整理成一本结构清晰、彼此关联的百科全书。以后你再提问，AI 直接翻这本百科书就行了。

原来的 RAG 系统的完整链路是这样的：ingest → chunk → index → retrieve → rerank → prompt-pack → generate → cite。Karpathy 大神的确非常深刻，过去几年最重要的 AI 概念都是他总结出来，都是看起来很简单，但是达到了最本质。llm-wiki 被大大低估了，这个东西就是开发 AI 的根。我给你看看，其实 K 大神的意思是这些：这个 wiki 格式是非常重要，AI 就是靠这个组织了整个知识。所以，它一下子解决了 RAG 全部问题，我已经不再用 RAG 了，因为这个才是答案。除了 RAG，它可以一键生成 wiki 网站，真正的知识库。幸好我测试多个，现在知道这个好东西，基于这个东西，我可以搞很多厉害的项目，因为理解越深，生成越深，本质就是这样搞 AI。目前项目的 wiki 文件夹就是放 wiki 资料的地方，我暂时放了鱼皮大牛写的一些开源文章，用来测试效果。

三大核心能力

1. LLM Wiki Skill — 知识库构建

利用 Claude Code 的 Skill 机制，让 AI 自动完成知识库的采集、整理、质量控制和维护。

❯ ai-guide 是收集回来的资料，现在需求为需要你利用 llm-wiki skill 对这些资料进行分析整理成 wiki，请你完成。

2. Quartz Wiki Skill — 静态网站部署

将生成的知识库通过 Quartz v4 发布为美观的静态网站。

• 双向链接和关系图谱
• 全文搜索
• 响应式设计，支持亮色/暗色主题
• 支持部署到 Cloudflare Pages / Vercel / GitHub Pages

配置文件： quartz/quartz.config.ts