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-wiki 提供了一种方式，让 AI 代理能够从各种来源构建、维护和查询结构化的知识库（wiki）。它解决了代理记忆或上下文窗口受限的问题，允许它们进行深度、自治的研究、摄取来源，并编译成持久、兼容 Obsidian 的知识库，可在不同 AI 运行时之间共享。

How it works

该项目实现了一套行为协议，可作为插件安装到各种 AI 代理（Claude Code、OpenAI Codex、OpenCode、Pi 等）。它允许代理使用一组命令执行以下任务：

  • Research: 启动并行多代理研究会话，以调查主题、将问题拆解为剧本，或进行以论点为驱动的调查（寻找支持和反对判决的证据）。
  • Ingestion: 从 URL、GitHub 仓库、MediaWiki 转储、CSV 消息存档以及通过 Wayback Machine 的存档快照导入内容。
  • Curation: 捕获高信号的纠正和偏好作为反馈，并使用 "topic guides"（schema.md）组织知识。
  • Querying: 提供只读查询协议，以在编译好的语料库中快速查找和证据检查。
  • Inventory & Datasets: 跟踪来源、资产或外部数据集，这些保持在 wiki 之外。

Who it’s for

使用 AI 编码代理或通用 LLM 代理的用户，并希望他们的代理拥有持久、结构化且可验证的知识库，能够自主研究并维护。

Highlights

  • Multi-Runtime Support: 可在 Claude Code、OpenAI Codex、OpenCode、Pi 上运行，并提供可移植的 AGENTS.md 供其他代理使用。
  • Curation Tools: 包含反馈策展工具用于捕获高信号纠正，以及自动会话捕获用于上下文再水化。
  • Thesis-Driven Research: 专门模式用于调查特定假设并给出结论。
  • Obsidian-Compatible: 最终的知识库以兼容 Obsidian 的格式存储。
  • Extensible Ingestion: 支持批量导入规范仓库、MediaWiki 转储和历史网页快照。