shannhk/llm-wikid

解决的问题

LLM Wikid 旨在超越个人知识管理中的传统 RAG（检索增强生成）。它不每次从原始数据块中重新计算答案，而是创建一个在 Obsidian 中结构化、由 AI 维护的维基，随着信息的增加和查询的进行，其价值持续累积。

工作原理

该系统使用 AI 代理（如 Claude Code 或 OpenClaw），依据 CLAUDE.md 中的模式，将原始输入处理为结构化知识库。

1. 摄入管道：原始来源（推文、文章、PDF、YouTube 字幕）被整理、解析为完整内容并分类。
2. 编译：代理根据来源类型提取关键信息，创建带有交叉引用（[[wikilinks]]）、偏见检查和主索引的维基页面。
3. 查询循环：当用户提出问题时，代理从维基中合成答案，并将该答案回写到系统中，使维基通过使用不断成长。
4. 维护：工具如 /wiki-lint 检查矛盾、损坏链接和过时内容，而 Git 确保所有更改都受版本控制。

适用人群

希望拥有永久性、结构化 AI 辅助知识库，并将其存放在 Obsidian 中、避免 RAG 短暂性的研究人员、思考者和高级用户。

特色亮点

• 反 RAG 方法：一次性将知识编译为结构化页面，而非实时分块和搜索。
• 自动化摄入：支持自动解析 YouTube 字幕、X/Twitter 线程和网页内容。
• 质量控制：包含强制性的「反论」和「数据缺口」部分，防止 AI 幻觉和偏见。
• 验证门控：页面在人工验证前标记为 explored: false。
• 本地搜索：与 qmd 集成，实现设备端的混合 BM25/向量搜索。
• Git 同步：使用 GitHub 作为版本控制和多代理协作的权威源。