LLM Wiki 是什么

核心理念是让 AI 不是每次从原始文档里临时检索，而是持续地、增量式地构建和维护一个 Wiki——知识被"编译"一次，然后持续更新，形成可复利增长的资产。

跟传统 RAG 的区别：RAG 每次查询都从头检索，啥也不记得；LLM Wiki 是 LLM 把你的文档读一遍后，主动整理成结构化 Markdown 知识库，之后回答问题是基于这个已经组织好的 Wiki，而不是重新推导。

最简单的实践：纯文件夹 + Claude Code / Cursor

三层架构，三种核心操作：

• 原始资料层（只读，LLM 不改）：你的论文、文章、笔记、截图、网页剪藏
• Wiki 层（LLM 写和维护，你只看）：结构化的 Markdown 文件，摘要、卡片、索引、综述，全部自动生成
• Schema 层（告诉 LLM 怎么干活）：一个 CLAUDE.md 或 AGENTS.md，写清楚目录结构、命名规范、工作流程

目录结构

my-wiki/
├── purpose.md        # 这个 Wiki 的目标和研究范围
├── schema.md         # 结构规则、页面类型
├── raw/
│   └── sources/      # 你上传的文档（不可变）
├── wiki/
│   ├── index.md      # 内容目录
│   ├── log.md        # 操作历史
│   ├── entities/     # 人物、产品、工具
│   ├── concepts/     # 理论、方法、技术
│   └── sources/      # 每篇资料的摘要页

三个核心操作

摄入（Ingest）：把新文件放进 raw/ 后告诉 LLM 处理，它会：读原文 → 在 sources/ 写摘要 → 更新 index.md → 更新相关 concepts/ 和 entities/ 页面 → 在 log.md 追加记录。一个资料可能涉及 10–15 个页面的更新。

查询（Query）：问问题时，LLM 先读 index.md 找到相关页面，深入阅读后综合回答，有价值的回答存为 outputs/ 下的新页面。

健康检查（Lint）：定期检查页面之间有没有矛盾、有没有孤立页面、有没有提到但没建页面的概念。

最懒上手方式

两条路：

路线 A（零代码，直接用现成桌面应用） 有个叫 llm_wiki 的项目（nashsu 开发），是 Karpathy 理念的完整桌面 App，跨平台（macOS/Windows/Linux），三栏布局：知识树 + 聊天 + 预览，配好 API Key 就能用。地址：github.com/nashsu/llm_wiki

路线 B（用 Claude Code + 一个 Prompt 自己搭） 把架构描述和这段 Prompt 直接发给 Claude Code 或 Codex：

你是我的个人知识库管理员。请帮我在本地搭建一个 LLM Wiki 系统。
- raw/ → 原始资料（你只读不改）
- wiki/ → 你生成并维护的 Markdown 知识库
- CLAUDE.md → 工作规范
先帮我创建目录结构和空的 index.md + log.md，然后告诉我怎么开始。

一个实战经验

一个精辟的类比：Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库。 维护知识库的繁重工作不是阅读和思考，而是"记账"——更新交叉引用、保持摘要最新、标注矛盾。人类因维护负担增长快于价值而放弃 Wiki；LLM 不会厌倦，维护成本趋近于零。