nashsu/llm_wiki

项目概览

该项目以持久化知识库替代了传统 RAG 从零开始的检索方式，通过两步链式思考进行文档摄入，并集成了知识图谱可视化、混合搜索以及具备工具调用能力的聊天代理，为个人知识管理提供了系统化的解决方案。

项目类型

MCP · AI Agent · RAG 与知识库

应用场景

知识问答 · 搜索调研

部署方式

查看项目说明

License

License 待确认

适合谁

• 需要从个人文档中系统化构建、维护并查询持久知识库的通用用户。
• 需要将多格式研究资料转换为结构化知识，并结合自动化网络搜索识别知识缺口的研究人员。

核心能力

• LLM 先分析文档，随后增量生成带有来源溯源和 SHA256 缓存的百科页面。
• 使用四信号相关性模型和 Louvain 社区发现算法将百科内容可视化为图谱，自动发现知识集群。
• 通过分词搜索、可选的向量语义搜索（LanceDB）及图谱扩展来检索信息。
• 识别知识缺口，并通过 Tavily、SerpApi 或 SearXNG 自动执行网络搜索，将结果整合至百科中。
• 一个可访问百科、来源、图谱和网络检索，以及经批准的 Shell 命令和技能文件的聊天代理运行时。
• 从 PDF、DOCX、PPTX、XLSX、EPUB/MOBI、图像和网页截取内容中提取信息，转换为结构化 Markdown。
• LLM 在摄入过程中标记需要人工判断的项目，供后续审查和执行预定义操作，且不会阻塞处理流水线。
• 在 127.0.0.1:19828 提供本地 JSON API 和内置 MCP 服务器，供外部工具和代理查询百科。

限制与风险

• 应用正常运行需要用户自行配置外部 LLM 提供商及相应的 API 密钥。
• 在摄入和聊天过程中使用云端 LLM 提供商会产生 API 费用，用户需在采用前评估相关成本。

如何开始

• 下载并安装适用于您操作系统的预编译二进制文件，启动应用并创建新项目；随后在设置中配置您的 LLM 提供商 API 密钥和模型。
• 将文档导入 Sources，在 Activity Panel 中观察系统自动构建百科，构建完成后即可使用 Chat 查询您的知识库。

核验依据

• README: Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources.
• README: A personal knowledge base that builds itself.
• README: Download from [Releases](https://github.com/nashsu/llm_wiki/releases): - **macOS**: `.dmg` (Apple Silicon + Intel) - **Windows**: `.msi` - **Linux**: `.deb` / `.AppImage`
• README: GitHub Actions CI/CD — automated builds for macOS (ARM + Intel), Windows (.msi), Linux (.deb / .AppImage)
• README: Two-Step Chain-of-Thought Ingest — LLM analyzes first, then generates wiki pages with source traceability and incremental cache

内容核验时间：