SamurAIGPT/llm-wiki-agent

LLM Wiki Agent – 由 LLM 代理构建的自我维护知识维基

是什么 – 一个本地的、基于文件的知识库，您只需将任意格式的文档（PDF、DOCX、PPTX、Markdown 等）放入 raw/ 文件夹，然后使用 LLM 驱动的 代理 来处理。代理提取实体、概念和摘要，创建相互链接的 Markdown 页面，标记矛盾，并更新持久化知识图谱。所有输出以纯 Markdown 和静态 graph.html 可视化形式存在，因此您可使用任何编辑器（如 Obsidian）或网页浏览器进行浏览。

为何重要 – 与典型的检索增强生成（RAG）管道在每次查询时重新处理原始片段不同，此工具仅编译一次知识并保持更新。交叉引用、实体页面和矛盾标记在导入时生成，让您获得一个不断增长、随时可查询的维基，而无需面对仅聊天助手的“会话后遗忘”问题。

---

快速开始（无需 Python 代码）

# 克隆仓库
git clone https://github.com/SamurAIGPT/llm-wiki-agent.git
cd llm-wiki-agent

# 使用任何支持的 LLM 代理打开仓库（Claude、Codex、Gemini 等）
# 代理会读取配置文件（CLAUDE.md、AGENTS.md、GEMINI.md）
claude      # 或 `codex`, `gemini`, `opencode`

代理可理解自然语言命令，如 ingest …、query: …、lint 和 build graph。

---

核心工作流

步骤	命令（自然语言）	发生了什么
导入	ingest raw/papers/attention-is-all-you-need.md	文件被转换为 Markdown（如需），解析，并更新维基。新实体页面（人物、公司）和概念页面（想法、方法）将自动创建。
查询	query: what are the main themes?	LLM 读取结构化维基，合成答案，并建议将其保存为 wiki/syntheses/ 下的 合成页面。
Lint	lint	运行一致性检查：孤立页面、损坏链接、缺失实体页面和检测到的矛盾将在 wiki/log.md 中报告。
图谱	build graph	生成 graph.json（节点/边缓存）和由 vis.js 驱动的自包含 graph.html 可视化。

---

磁盘上生成的内容

wiki/
├─ index.md          # 所有页面的自动生成目录
├─ log.md            # 仅追加的操作日志
├─ overview.md       # 所有源的动态合成
├─ sources/          # 每个原始文档一个摘要页面
├─ entities/         # 人物、组织、项目自动创建的页面
├─ concepts/         # 想法、框架、方法自动创建的页面
└─ syntheses/        # 代理被要求保留的回答

graph/
├─ graph.json        # 缓存的节点/边数据（SHA-256 键）
└─ graph.html        # 知识图谱的交互式浏览器视图

所有文件均为纯 Markdown，因此可与任何编辑器、版本控制系统或 Obsidian 仓库兼容。

---

核心功能

• 多格式导入 – PDF、DOCX、PPTX、XLSX、HTML、CSV、JSON、EPUB 等可通过 Microsoft 的 markitdown（或可选工具如 Marker 用于复杂 PDF）自动转换。
• 实体与概念自动创建 – 代理提取专有名词和技术术语，创建专用页面，并在所有出现位置建立链接。
• 矛盾检测 – 当新源与现有主张冲突时，将在导入时添加标记。
• 持久化知识图谱 – 两阶段构建：确定性维基链接 + LLM 推断的语义边（带置信度评分）。Louvain 社区检测用于聚类主题。
• Lint 报告 – 孤立页面、损坏链接、数据缺口、建议缺失来源。
• Obsidian 兼容 – 维基使用标准 [[wikilink]] 语法；可将 wiki/ 符号链接到任意 Obsidian 仓库，实现实时图谱视图。
• 零服务器、零数据库 – 所有内容均存储在文件系统中；唯一运行时依赖是读取配置文件的 LLM 代理。

---

示例用例

领域	使用方式
研究	导入论文（/wiki-ingest raw/papers/*.md），然后询问代理如“减少幻觉的主要方法有哪些？”——答案将作为维基页面保存以供未来参考。
阅读书籍	将每章作为 Markdown 文件放入，让代理创建人物和主题页面，然后查询叙事弧或矛盾。
个人知识库	存档日记条目、文章摘要、播客笔记；查询模式（如“哪些习惯能提升我的精力？”），并观察维基的演化。
团队智能	导入会议记录、路线图、客户通话；询问“最常出现的功能请求是什么？”并获得结构化答案，同时若路线图与客户反馈矛盾则标记。
竞争分析	持续输入竞争对手公告和市场报告；查询对比表格或生成“竞争格局”合成页面。

---

技术栈（如 README 所列）

• LLM 代理 – Claude Code、OpenAI Codex、Gemini CLI（可读取所提供模式文件的任意代理）。
• 图处理 – NetworkX + Louvain 社区检测。
• 可视化 – vis.js（静态 graph.html）。
• 文件转换 – markitdown（默认），可选 Marker、arxiv2md、PyMuPDF4LLM（用于 PDF）。
• 脚本 – tools/ 中的小型 Python 工具，仅需上述 Python 包和 Anthropic API 密钥（若直接运行转换脚本）。

---

获取帮助 / 扩展

• 仓库包含模式文件（CLAUDE.md、AGENTS.md、GEMINI.md），定义了每个代理的精确命令集。编辑这些文件可自定义命名约定、前端字段或添加新触发器。
• 由于维基只是一个 Git 仓库，您可以版本追踪变更、为实验分支、或合并协作者的贡献。

---

TL;DR – LLM Wiki Agent 是一个本地运行、由代理驱动的管道，可将任意文档集合转化为一个动态、相互链接的 Markdown 维基，具备自动实体提取、矛盾标记和可视化知识图谱。它与任何 Claude/Codex/Gemini 风格的 LLM 代理兼容，无需服务器，并可无缝集成 Obsidian 等工具。