LLM Wiki Agent
把原始资料持续整理成可查询、可关联的本地 Markdown 知识库。
按维度查看评分与理由
证据显示：仓库提供CLAUDE.md/AGENTS.md等配置文件，但未明确权限最小化原则；用户确认机制仅体现在查询后询问是否保存为合成页，未覆盖所有操作；数据流透明度有限，仅描述输入输出，未详细说明内部处理；敏感数据处理未提及，但本地运行且无API密钥，风险较低；依赖安全方面，requirements.txt明确固定litellm版本以规避供应链攻击，但pyproject.toml依赖范围较宽；外部影响包括写入文件、生成graph.html，但未明确告知用户；回滚依赖git，但未提供专门机制；来源归属仅通过wiki页面记录，未明确标注。扣分原因：权限最小化、用户确认、数据流透明度、敏感数据处理、外部影响、回滚、来源归属均证据不足或部分缺失。
证据显示：README与CLAUDE.md等文件描述一致，但未提供实际测试；依赖可用性方面，列出可选依赖但未说明安装失败处理；失败消息未提供具体示例。扣分原因：自洽性尚可但缺乏测试证据，依赖可用性未充分说明，失败消息缺失。
证据显示：明确面向研究、读书、个人知识库、商业情报、竞争分析等场景；能力边界通过支持格式和工具说明；触发词明确（ingest, query, lint, build graph）；环境适配涵盖多种CLI和Obsidian集成。扣分原因：能力边界未明确限制，触发词可能与其他命令冲突，环境适配未覆盖所有平台。
证据显示：信息架构清晰，目录结构明确；安装说明详细；命名稳定性未明确版本策略；示例丰富，FAQ缺失；已知限制未明确列出；许可证为MIT；版本号存在但无变更日志；维护责任未明确。扣分原因：命名稳定性、已知限制、版本变更日志、维护责任证据不足。
证据显示：输出为结构化wiki页面，可直接使用；边际价值在于自动构建知识库，节省手动整理；成本效益方面，本地运行无API密钥，但依赖可选工具。扣分原因：输出可用性未经过实际测试，边际价值依赖用户场景，成本效益未量化。
证据显示：README中的功能描述未提供测试证据；跨来源验证未提及；事实与推断分离未明确。扣分原因：声明可追溯性不足，跨来源验证缺失，事实与推断分离未说明。
- 依赖范围过宽，建议锁定版本以避免供应链风险。
- 用户确认机制不完整，操作可能自动执行，需谨慎。
- 敏感数据处理未说明，若处理个人数据需额外评估。
- 外部影响（如文件写入）未明确告知，可能意外修改文件。
- 回滚依赖git，但未提供专门恢复机制。
这个 Agent 能做什么，适合哪些场景？
LLM Wiki Agent 是一个面向编码代理的本地知识库工作流：将资料放入 raw/ 后，由代理执行 ingest 并维护 wiki/。它产出来源摘要、实体页、概念页、总览、操作日志和查询沉淀页，页面之间使用 [[wikilink]] 互链。graph/ 中保存 graph.json，并生成可在浏览器直接打开的 graph.html；README 将其描述为基于 NetworkX、Louvain、Claude 与 vis.js 的本地方案。它可由 Claude Code、Codex、OpenCode 或 Gemini CLI 读取相应配置文件后使用，不需要为基本代理工作流配置 API 密钥。适合希望长期积累可版本管理 Markdown 知识，而不是每次从原始文档重新检索的个人或团队。
用户运行 ingest raw/papers/my-paper.md、ingest report.pdf 或对目录执行 ingest 后，代理读取输入资料并维护 wiki/index.md、wiki/log.md、wiki/overview.md 以及 wiki/sources/、wiki/entities/、wiki/concepts/ 和 wiki/syntheses/ 中的页面。对于非 Markdown 文件，工作流会通过 markitdown 转为 Markdown；支持 PDF、DOCX、PPTX、XLSX、HTML、TXT、CSV、JSON、XML、RST、EPUB 等格式。query: what are the main themes? 用已有 wiki 页面生成综合回答，lint 检查孤立页、断链、缺失实体页、矛盾和资料缺口，build graph 根据 [[wikilinks]] 构图。图构建先提取标记为 EXTRACTED 的链接边，再由代理推断带置信度的 INFERRED 或 AMBIGUOUS 边，并使用 Louvain 进行社区聚类；SHA256 缓存用于避免重复处理未变更页面。
- 研究者连续阅读论文、报告和文章时，将每份资料放入 raw/papers/，逐步形成术语、机构和方法的关联页。
- 读书者按章节导入 Markdown，查询人物动机、主题或作者论证中的矛盾。
- 个人知识管理用户导入日记、文章和播客笔记，按 Sleep、Exercise、Deep Work 等概念汇集跨来源证据。
- 团队把会议纪要、产品路线图和客户访谈导入后，查询反复出现的需求、决策及其理由。
- 竞争研究人员导入公司公告和市场报告，生成特定时间点的竞争格局综合页。
这个 Agent 有哪些优点和局限？
- 以持续维护的 Markdown 页面而非原始文本分块为中心，来源、实体、概念和总览会随导入累积。
- 将显式 [[wikilink]] 与推断关系区分为 EXTRACTED、INFERRED 和 AMBIGUOUS 边，并生成无需服务器即可打开的 graph.html。
- 提供 ingest、query、lint、build graph 的完整工作流，覆盖资料导入、综合、质量检查和图谱浏览。
- 明确支持 Claude Code、Codex、OpenCode 与 Gemini CLI，并可将 wiki/ 通过符号链接接入 Obsidian。
- 核心体验依赖能够读取配置文件并执行工作流的编码代理；它不是独立的图形化知识库应用。
- 多格式自动转换依赖可选的 markitdown；README 也列出 arXiv、复杂 PDF 和批量转换所需的额外 Python 包。
- README 将图谱推断明确描述为由 Claude 完成，而独立 tools/ 脚本需要 ANTHROPIC_API_KEY，因此部分高级或脚本化流程存在 Anthropic 依赖。
- 资料和生成的 wiki 都保存在本地文件系统，团队协作、访问控制和托管服务的机制未被说明。
如何安装或部署这个 Agent？
先安装 Claude Code、Codex、Gemini CLI，或任何能读取配置文件的代理，并确保可使用 Git。执行：
git clone https://github.com/SamurAIGPT/llm-wiki-agent.git
cd llm-wiki-agent随后启动相应代理：claude、codex、opencode 或 gemini。基本代理工作流不需要 API 密钥。若要让非 Markdown 文件在 ingest 时自动转换，安装 markitdown：pip install markitdown。
如何使用这个 Agent？
把资料放入 raw/，然后在代理中输入例如：ingest raw/papers/my-paper.md。也可输入 ingest report.pdf、ingest slides.pptx notes.docx，或 ingest raw/mixed-folder/ 批量处理目录。使用 query: what are the main themes? 查询已有 wiki，使用 lint 检查链接和知识缺口，使用 build graph 生成 graph.html。Claude Code 还提供 /wiki-ingest、/wiki-query、/wiki-lint 和 /wiki-graph；其他列出的代理使用相同含义的自然语言触发方式。
这个 Agent 与同类方案有什么区别？
README 将其与 RAG 对比：RAG 在查询时重新推导知识、以原始分块为检索单元；LLM Wiki Agent 将知识编译为结构化 wiki 页面，预先建立交叉引用，并在导入时标记矛盾。若需求是持久、可浏览的知识资产，这种工作流更匹配；若只需要按需检索原始文档，README 未说明它替代专用 RAG 系统的性能或运维取舍。