来看一个项目，我自己也在用的，叫 LLM Wiki，21K🌟。 它是把 Karpathy 提出的一套方法，做成了完整的桌面应用。 这套方法核心一句话：别每次… · @Suercha007 · TwKit

@Suercha007

来看一个项目，我自己也在用的，叫 LLM Wiki，21K🌟。 它是把 Karpathy 提出的一套方法，做成了完整的桌面应用。 这套方法核心一句话：别每次都现查，让 LLM 把知识编译成一本字典，然后不断维护它。 传统 RAG 是这样，你问一句，它去检索一遍，拼一段答案。下次再问，同样的活再干一遍。 LLM Wiki 反过来。你把资料丢进去，LLM 读完主动写出一套互相链接的 wiki 页面。知识只编译一次，之后每次查询都是查这本已经写好的字典。 结构是三层：原始资料层不动，中间是 LLM 生成的 wiki，最上面是规则配置。三个操作：摄取、查询、检查。 它生成的目录能直接当 Obsidian vault 打开，页与页之间用双链连着。 有两个改动我觉得挺好的。 第一，加了 purpose.md。原版方案只有 schema，定义「怎么运作」，但没有地方写「为什么存在」。它让你写下这个知识库的目标、核心问题、研究范围，LLM 每次读资料和回答时都会看一遍。 第二，摄取拆成了两步。先让 LLM 通读做分析，找出实体、概念、论证，尤其是和已有知识之间的矛盾与张力。分析完再生成页面。比一步到位质量高不少。 还有知识图谱，用四个信号算相关性：直接链接、来源重叠、Adamic-Adar、类型亲和。再用 Louvain 算法自动找出知识簇，能画出「意外连接」和「知识缺口」。 最实用的一点是它自带本地 API 和 MCP Server，Claude Code、Codex 装个技能就能直接调它。 https://github.com/nashsu/llm_wiki

曝光 147 · 评论 1 · 点赞 1 · 书签 0