shannhk/llm-wikid

해결하는 문제

LLM Wikid는 개인 지식 관리에서 전통적인 RAG(Retrieval-Augmented Generation)을 넘어설 수 있도록 설계되었습니다. 매번 원시적인 데이터 조각에서 답변을 다시 계산하는 대신, 더 많은 정보가 추가되고 질의될수록 가치가 축적되는 구조화된 AI 유지 지식 기반을 Obsidian에 구축합니다.

작동 방식

시스템은 CLAUDE.md에 정의된 스키마에 따라 AI 에이전트(Claude Code 또는 OpenClaw 등)를 안내하여 원시 입력을 구조화된 지식 기반으로 변환합니다.

1. 수집 파이프라인: 원시 소스(트윗, 기사, PDF, 유튜브 자막)를 정리하고 전체 콘텐츠로 해결하며 분류합니다.
2. 컴파일: 에이전트는 소스 유형에 따라 핵심 정보를 추출하고, [[wikilinks]]를 포함한 위키 페이지를 생성하며, 편향 검사 및 마스터 인덱스를 만듭니다.
3. 질의 루프: 사용자가 질문을 하면, 에이전트는 위키에서 답변을 종합하여 시스템에 다시 저장함으로써 위키가 사용을 통해 성장하게 됩니다.
4. 유지보수: /wiki-lint와 같은 도구로 모순, 손상된 링크, 오래된 콘텐츠를 점검하고, Git을 통해 모든 변경 사항을 버전 관리합니다.

대상 사용자

RAG의 일시성에서 벗어나, Obsidian에 영구적이고 구조화된 AI 보조 지식 기반을 유지하고자 하는 연구자, 사고자, 고급 사용자에게 적합합니다.

주요 특징

• RAG에 반대되는 접근법: 한 번만 지식을 구조화된 페이지로 컴파일하여 실시간으로 청크화하고 검색하는 것을 피합니다.
• 자동 수집: 유튜브 자막, X/Twitter 스레드, 웹 페이지의 자동 해결을 지원합니다.
• 품질 관리: AI 환각과 편향을 방지하기 위해 필수적인 "반론" 및 "데이터 공백" 섹션을 포함합니다.
• 검증 게이트: 인간 검증 전까지 페이지는 explored: false로 표시됩니다.
• 로컬 검색: qmd와 통합되어 기기 내에서 하이브리드 BM25/벡터 검색을 지원합니다.
• Git 동기화: GitHub를 버전 관리 및 다중 에이전트 협업의 진실의 원천으로 사용합니다.