ussumant/llm-wiki-compiler

해결하는 문제

LLM Wiki Compiler는 분산된 원시 데이터(예: markdown 파일, 코드베이스 및 외부 북마크)를 구조화된 주제 기반 wiki로 종합하여 AI 에이전트의 컨텍스트 창 비용과 파편화를 줄입니다. 에이전트가 매 세션마다 수백 개의 원시 파일을 다시 읽는 대신, 종합된 인덱스와 특정 주제 기사를 읽게 함으로써 토큰 사용량을 최대 90%까지 줄일 수 있습니다.

작동 방식

이 도구는 Claude Code 및 Codex용 플러그인으로 작동하며, "지식 베이스" 패턴을 구현합니다. 다음과 같은 특정 파이프라인을 따릅니다:

1. 수집(Ingestion): 로컬 디렉토리, 코드 저장소(README, API 계약 및 ADR 스캔) 또는 X 북마크와 같은 외부 서비스에서 원시 소스를 수집합니다.
2. 컴파일(Compilation): LLM이 이러한 소스를 원본 소스에 대한 백링크가 포함된 주제 기반 markdown 기사 모음으로 컴파일합니다.
3. 소비(Consumption): AI 에이전트는 세션 시작 시 컴파일된 wiki(INDEX.md로 시작)를 읽어 프로젝트에 대한 종합적인 이해를 얻습니다.
4. 유지보수(Maintenance): 소스가 변경됨에 따라 wiki가 점진적으로 업데이트되며, 사용자는 지식 그래프를 시각화하거나 모순 및 고립된 노드를 찾기 위해 wiki를 "lint"할 수 있습니다.

대상 독자

방대한 문서, 복잡한 코드베이스 또는 파편화된 연구 노트를 가진 대규모 프로젝트를 관리하며 AI 에이전트(Claude Code 또는 Codex 등)를 사용하는 개발자 및 지식 근로자.

하이라이트

• 코드베이스 모드: 저장소에서 프로젝트 아키텍처, API 계약 및 의사 결정 기록을 자동으로 발견하여 기술 wiki를 생성합니다.
• 컨텍스트 감소: 원시 파일 읽기를 종합된 기사로 대체하여 토큰 비용을 크게 낮춥니다.
• 지식 그래프: 주제와 개념에 대한 대화형 캔버스 기반 시각화가 포함되어 있습니다.
• 외부 통합: X (Twitter)에서 북마크를 가져오는 것을 지원하며 Readwise나 Slack과 같은 다른 커넥터를 추가하기 위한 프레임워크를 제공합니다.
• 이중 계층 스토리지: 프로젝트 간 연구를 위한 글로벌 wiki와 프로젝트별 지식을 위한 로컬 wiki를 모두 지원합니다.