shannhk/llm-wikid

解決的問題

LLM Wikid 設計用於超越個人知識管理中的傳統 RAG（檢索增強生成）。它不每次從原始資料片段重新計算答案，而是建立一個在 Obsidian 中結構化、由 AI 維護的維基，隨著資訊增加與查詢進行，其價值持續累積。

工作原理

系統使用 AI 代理（如 Claude Code 或 OpenClaw），依據 CLAUDE.md 中的模式，將原始輸入處理為結構化知識庫。

1. 輸入管道：原始來源（推文、文章、PDF、YouTube 字幕）被整理、解析為完整內容並分類。
2. 編譯：代理根據來源類型提取關鍵資訊，建立帶有交叉引用（[[wikilinks]]）、偏見檢查與主索引的維基頁面。
3. 查詢循環：當使用者提出問題時，代理從維基中合成答案，並將該答案回寫至系統，使維基透過使用不斷成長。
4. 維護：工具如 /wiki-lint 檢查矛盾、損壞連結與過時內容，而 Git 確保所有變更皆受版本控制。

適用對象

希望擁有永久性、結構化 AI 輔助知識庫，並存放於 Obsidian 中，避免 RAG 短暫性的研究者、思考者與高階使用者。

特色亮點

• 反 RAG 方法：一次性將知識編譯為結構化頁面，而非即時分塊與搜尋。
• 自動化輸入：支援自動解析 YouTube 字幕、X/Twitter 線程與網頁內容。
• 品質控制：包含強制性的「反論」與「資料缺口」部分，防止 AI 幻覺與偏見。
• 驗證門檻：頁面在人工驗證前標記為 explored: false。
• 本地搜尋：與 qmd 集成，實現裝置端的混合 BM25/向量搜尋。
• Git 同步：使用 GitHub 作為版本控制與多代理協作的權威來源。