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 提供了一種方式，讓 AI 代理能夠從各種來源建立、維護與查詢結構化的知識庫（wiki）。它解決了代理記憶或上下文窗口受限的問題，允許它們執行深入且自主的研究、擷取來源，並編輯成持久、相容於 Obsidian 的知識庫，供不同 AI 執行環境共享。

How it works

此專案實作了一套行為協議，可作為外掛安裝於各種 AI 代理（Claude Code、OpenAI Codex、OpenCode、Pi 等）。它允許代理使用一組指令執行以下任務：

  • Research: 啟動平行多代理研究會話，以調查主題、將問題拆解成劇本，或進行以論點為導向的調查（找出支持與反對判決的證據）。
  • Ingestion: 從 URL、GitHub 倉庫、MediaWiki 轉儲檔、CSV 訊息檔案，以及透過 Wayback Machine 的封存快照匯入內容。
  • Curation: 捕捉高訊號的校正與偏好作為回饋，並使用「topic guides」(schema.md) 來組織知識。
  • Querying: 提供唯讀查詢協議，以在編輯好的語料庫中快速查找與證據檢查。
  • Inventory & Datasets: 追蹤來源、資產或外部資料集，這些資料保持在 wiki 之外。

Who it’s for

使用 AI 程式編寫代理或通用 LLM 代理的使用者，且希望其代理擁有可持續、結構化且可驗證的知識庫，能自行進行研究與維護。

Highlights

  • Multi-Runtime Support: 可於 Claude Code、OpenAI Codex、OpenCode、Pi 上運作，並提供可攜式的 AGENTS.md 供其他代理使用。
  • Curation Tools: 包含回饋策展工具以捕捉高訊號校正，及自動化會話捕捉以重新注入上下文。
  • Thesis-Driven Research: 專門模式用於調查特定假設並給出結論。
  • Obsidian-Compatible: 最終的知識庫以相容於 Obsidian 的格式儲存。
  • Extensible Ingestion: 支援大量匯入規格倉庫、MediaWiki 轉儲檔與歷史網頁快照。