nvk/llm-wiki
LLM-compiled knowledge bases for any AI agent. Parallel multi-agent research, thesis-driven investigation, source ingestion, wiki compilation, querying, and artifact generation.
What it solves
llm-wiki는 AI 에이전트가 다양한 소스에서 구조화된 지식 베이스(위키)를 구축, 유지 및 질의할 수 있는 방법을 제공합니다. 에이전트의 메모리나 컨텍스트 윈도우가 제한되는 문제를 해결하고, 깊고 자율적인 연구, 소스 수집, 영구적인 Obsidian 호환 지식 베이스 컴파일을 가능하게 하여 서로 다른 AI 런타임 간에 공유할 수 있게 합니다.
How it works
이 프로젝트는 다양한 AI 에이전트(Claude Code, OpenAI Codex, OpenCode, Pi 등)에 플러그인으로 설치할 수 있는 행동 프로토콜을 구현합니다. 에이전트는 다음과 같은 명령 세트를 사용해 작업을 수행할 수 있습니다.
- Research: 주제를 조사하기 위해 병렬 멀티에이전트 연구 세션을 시작하고, 질문을 플레이북으로 분해하거나, 논제 기반 조사(판결에 대한 찬반 증거 찾기)를 수행합니다.
- Ingestion: URL, GitHub 리포지토리, MediaWiki 덤프, CSV 메시지 아카이브, Wayback Machine을 통한 아카이브 스냅샷에서 콘텐츠를 가져옵니다.
- Curation: 고신호 교정 및 선호도를 피드백으로 캡처하고, "topic guides"(schema.md)를 사용해 지식을 조직합니다.
- Querying: 컴파일된 코퍼스 내에서 빠른 조회와 증거 검증을 위한 읽기 전용 쿼리 프로토콜을 제공합니다.
- Inventory & Datasets: 소스, 자산, 외부 데이터 세트를 추적하며, 이는 위키 외부에 유지됩니다.
Who it’s for
AI 코딩 에이전트 또는 범용 LLM 에이전트를 활용하고, 에이전트가 지속적이고 구조화된 검증 가능한 지식 베이스를 가지고 자율적으로 연구·유지하기를 원하는 사용자들을 위한 것입니다.
Highlights
- Multi-Runtime Support: Claude Code, OpenAI Codex, OpenCode, Pi에서 작동하며, 다른 에이전트를 위한 휴대용
AGENTS.md를 제공합니다. - Curation Tools: 고신호 교정을 캡처하는 피드백 큐레이터와 컨텍스트 재수화를 위한 자동 세션 캡처를 포함합니다.
- Thesis-Driven Research: 특정 가설을 조사하고 결론을 도출하는 전문 모드.
- Obsidian-Compatible: 최종 지식 베이스는 Obsidian 호환 형식으로 저장됩니다.
- Extensible Ingestion: 사양 리포지토리, MediaWiki 덤프, 역사적 웹 스냅샷의 대량 가져오기를 지원합니다.