LLM Wiki：用LLM当知识工程师，打造个人Wiki知识库

图片1：LLM Wiki 项目介绍
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

一篇关于 Karpathy 知识库构想的文章，介绍了如何利用 LLM（大型语言模型）作为知识工程师，帮助用户持续维护一个 Markdown 知识库。文章指出，在 GitHub 上已有基于此理念的具体实现项目。其中，一个名为 LLM Wiki 的项目引起了广泛关注，已收获超过 3300 个 Star。

图片2：LLM Wiki 项目界面
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

LLM Wiki 并非简单的命令行工具或 Claude Code Skill，它直接打造了一个跨平台的桌面应用，功能丰富，远超 Karpathy 原版 Gist 的设想。以下是这个开源项目的详细解析。

001：一句话介绍LLM Wiki

LLM Wiki 是一个跨平台桌面应用，将您的文档导入后，自动生成结构化的、互相链接的个人 Wiki 知识库。

图片3：LLM Wiki 功能介绍
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

与传统的 RAG 方案不同，LLM Wiki 不再每次提问时都从原始文档重新检索。它首先让 LLM 通读文档，生成 Wiki 页面、建立交叉引用、标注矛盾点，后续提问则直接在 Wiki 上进行。知识库仅需编译一次，便能持续保持最新状态。

开源地址：https://github.com/nashsu/llm_wiki

002：两步链式思考录入

这是 LLM Wiki 最核心的设计之一。项目将原版 Gist 的一步录入拆分为两步：

第一步：分析
LLM 首先通读文档，提取关键实体、概念、论点，寻找与已有 Wiki 内容的关联，发现矛盾和张力，然后给出结构化的分析结果。

第二步：生成

  1. LLM 根据“分析”结果，开始编写 Wiki 页面。生成摘要页、实体页、概念页，更新索引，建立交叉引用，标注需要人工判断的事项。
  2. 这种两步设计让 LLM 在动手前先思考清楚，从而提升质量。
  3. 每个来源的录入可能牵动 10 到 15 个 Wiki 页面的更新。LLM 会自动将新知识与已有知识网络串联起来。
  4. 项目还包含 SHA256 增量缓存功能，对未改动的文件自动跳过处理，节省 token 和时间。
  5. 持久化队列的设计也让项目更加稳定，即使崩溃重启也能继续运行，失败自动重试 3 次。活动面板可实时查看每个文件的处理进度。

003：知识图谱可视化

LLM Wiki 相比原版 Gist，不仅提供了用 wikilinks 做交叉引用的功能，还打造了一个完整的知识图谱可视化和关联引擎。

图片4：知识图谱可视化
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

它通过以下四个维度衡量两个 Wiki 页面之间的关联程度：

  1. 直接链接（权重 x3.0）：页面之间有 wikilinks 直接引用。
  2. 来源重叠（权重 x4.0）：两个页面引用了同一个原始文档。
  3. Adamic-Adar（权重 x1.5）：两个页面有共同邻居，共同邻居越稀有关联性越强。
  4. 类型亲和度（权重 x1.0）：同类型页面有额外加分。

可视化采用 sigma.js + ForceAtlas2 布局。节点颜色可按页面类型或社区聚类进行着色，节点大小按链接数量缩放。鼠标悬停时，关联节点保持高亮，其他节点变暗，并显示关联分数。项目还集成了 Louvain 社区发现算法，能自动识别出知识集群。

004：图谱洞察

这是 LLM Wiki 最具价值的部分之一。

图片5：图谱洞察
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

系统会自动分析图谱结构，提供两种洞察：

  1. 意外关联：系统会识别出跨社区、跨类型、意料之外的连接，往往成为认知突破的起点。
  2. 知识缺口：系统会找出几乎没有连接的孤立页面、内部交叉引用太少的稀疏社区、同时连接三个以上集群的桥接节点。

每个缺口旁边都有深度研究按钮，点击后，LLM 会自动上网搜索相关资料，并生成一篇研究页面，直接写入 Wiki。研究页面还会自动触发录入流程，提取新的实体和概念，整合到已有的知识网络中。

005：深度研究

当系统发现知识缺口后，LLM 会自动生成搜索关键词，调用 Tavily API 去网上搜索。

图片6：深度研究
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

  1. 相当于您的知识库会自行发现缺口，并上网查资料补全。
  2. 触发深度研究时，LLM 会先读取 overview.md 和 purpose.md 文件，了解知识库的主题，然后生成针对性的搜索词。
  3. 搜索前会弹出确认框，您可修改搜索主题和搜索词，确认后再开始搜索。

006：Chrome 网页剪藏

LLM Wiki 提供了专门的 Chrome 扩展，方便用户在浏览器中剪藏文章。

图片7：Chrome 网页剪藏
LLM Wiki：打造个人Wiki知识库，AI助你高效学习

  1. 剪藏的内容会自动发送到本地应用，触发录入流程，成为 Wiki 的一部分。
  2. 支持多项目选择，可剪藏到不同的知识库。
  3. 即使应用未开启，扩展也能预览提取的内容，并在打开应用后自动同步。

007：上手教程

开源地址：https://github.com/nashsu/llm_wiki/releases/tag/v0.3.13

  1. 启动应用，创建新项目，可选场景模板，如研究、阅读、个人成长、商业、通用等。
  2. 在设置中配置大模型，支持 OpenAI、Anthropic、Google、Ollama，也可自定义接口。
  3. 导入文档，支持 PDF、Word、Markdown、Excel 等格式。
  4. 观察 LLM 自动构建 Wiki 页面。
  5. 使用 Chat 提问，浏览知识图谱。

Chrome 扩展安装：

  1. 打开 chrome://extensions，开启开发者模式。
  2. 加载已解压的扩展程序，选择项目中的 extension/ 目录。
收藏