LLM Wiki
把文档、网页摘录与个人批注持续整理成可检索、可引用的个人维基。
本地 API 明确仅绑定 127.0.0.1，MCP 工具集范围清楚，工作流权限也按任务列出，因此最小权限有较好依据；但托管模式、扩展和云端 Routine 的完整权限边界未展示。README 清楚说明文件、索引、Postgres、S3、Mistral OCR 和 Claude 云端调度等数据流，也披露 create/edit/delete 的外部效果；不过没有完整的隐私、保留、加密或密钥处理说明。测试名称显示删除审批、认证限制、隔离、SSRF 和上传加固受到关注，但未提供实现代码，故用户确认和敏感数据处理只能给部分分。依赖安全非常完整：每日 OSV 扫描、PR 依赖审查、npm audit、pip-audit、锁文件完整性检查并对中等级别问题失败。Markdown 可手工编辑或纳入 Git，派生索引可重建，提供一定回滚能力，但删除后的恢复流程没有说明。项目注明 Karpathy 概念来源、源文档脚注引用和 Apache-2.0 许可，来源归属充分。
README 对本地/托管存储、MCP 工具和客户端架构的描述与覆盖 SQLite、Postgres、Web、扩展、隔离及生命周期的 CI 配置基本一致，因此自洽性较好；但这是静态审查，未看到测试结果，也未执行验证。Python、Node、LibreOffice、Mistral、Postgres、S3 等依赖及可选条件有明确说明，CI 也采用固定运行时和锁文件；然而外部服务不可用时的降级方式未说明。只有 PowerShell 执行策略的解决办法等少量故障指导，未展示 MCP、转换、索引或托管服务的具体用户错误信息。
个人、AI 和组织三类受众及本地、托管、上传、浏览器剪藏、定时维护等场景描述充分。支持格式、工具行为、受保护文件、本地仅回环绑定以及可选 OCR/LibreOffice 条件给出了较清楚的能力边界，但没有充分说明模型幻觉、错误合并、规模上限或托管配额。示例 Routine 提示、先调用 guide 的约定和明确的 MCP 工具职责有助于精确触发；但自主夜间写入的选择与冲突处理规则不足。macOS、Linux、Windows、Python/Node 版本、本地/远程后端和开发预览均有具体适配说明，环境契合度高。
README 的功能、安装、内容导入、格式、磁盘布局、工具、架构和路线图组织完整，跨平台安装命令和示例可直接使用。命名在文档内较一致，但没有公开稳定性或兼容性承诺。存在多个使用示例和一个常见 Windows 故障处理说明，但没有系统 FAQ。已记录回环限制、可选 OCR、LibreOffice 要求和输入渠道现状，不过缺少 AI 准确性、容量及生产部署限制。Apache-2.0 元数据与完整 LICENSE 一致，可获满分。未提供版本号、发布记录或变更日志，因此版本管理项为零。仓库名称可指向维护者，但发布者未经注册验证，且没有贡献、支持、漏洞报告或维护承诺，维护责任仅属薄弱。
输出是普通 Markdown，带源脚注、交叉链接、图表和确定性 lint，并以文件系统为本地事实来源，便于浏览、编辑、Git 管理和迁移，输出可用性证据强。把上传、剪藏、检索、引用和自动维护整合为个人知识库具有明显增量价值，但“长期复利”和组织记忆改善主要是产品主张，缺少静态证据支持其实际幅度。项目可免费试用或自托管，并支持本地模式；但运行需要 Python、Node，部分格式依赖 LibreOffice，优质 OCR、云端 Claude、托管数据库和对象存储可能产生成本，文档未量化资源或费用。
多数能力可追溯到具体架构、磁盘布局、工具表和 CI 测试目标；但未提供核心实现文件或测试结果，因此不能把所有 README 主张视为已证实。README 的安全与隔离陈述被相关测试文件名和安全工作流部分佐证，许可也由 LICENSE 交叉确认；不过现有材料主要是文档与配置，缺少实现层的独立交叉验证。路线图与现有功能明确分开，本地和托管行为也有区分，但部分营销性效果陈述没有明确标注为推测或尚未验证，因此事实与推断分离并非彻底。
- 夜间 Claude Routine 可自主创建、编辑和删除知识库内容；在用于重要资料前，应确认删除审批、冲突处理、备份和恢复行为。
- 托管模式可能把内容交给 Postgres、S3、Claude 云端及可选的 Mistral OCR；现有材料没有完整说明加密、保留、删除和第三方数据处理政策。
- 安全与可靠性依据主要来自工作流和测试文件名，未提供实现或测试结果；本评估不代表这些控制已实际通过。
- 生成的综合内容可能包含错误归纳、错误引用或覆盖人工编辑；README 未记录模型准确性边界或人工复核流程。
这个 Agent 能做什么，适合哪些场景？
LLM Wiki 是一个由 AI 维护的知识库系统，用于把本地文件、上传内容和 Chrome 扩展保存的网页资料整理成持久化维基。它包含 Next.js Web 应用、HTTP API、MCP server、Chrome 扩展和负责 PDF/Office 文本提取的 Converter，并通过 VaultFS 统一存储操作。本地模式使用 SQLite 与用户文件系统，托管模式使用 Postgres 与 S3；本地模式仅监听 127.0.0.1，不支持局域网或远程绑定。Claude、Codex 或其他兼容 MCP 的客户端可以搜索和读取资料，创建、编辑、追加或删除维基页面，并执行引用与链接检查。生成结果是普通 Markdown 页面及相关 SVG、CSV 等资产，来源文件仍是事实来源，搜索索引属于可重建的派生层。若要实现无人值守维护，项目推荐配置定时 Claude Routine，让它读取新增资料并更新受影响的页面、引用和交叉链接。
端到端流程从工作区文件、Web 上传或 Chrome 扩展剪藏开始：系统接收 Markdown、PDF、Word、PowerPoint、Excel、网页、文本数据和图片，Converter 负责较重的 PDF/Office 提取，后台 watcher 棖测外部文件变化并重新索引。MCP 客户端先调用 guide 和 list_knowledge_bases，随后可用 search 浏览文件、全文检索或查询引用图，用 read 读取单个文件、glob 批次或 PDF/Office 页码范围。客户端通过 create 生成带脚注来源引用的维基页面、笔记、SVG 或 CSV，通过 edit、append 和 delete 修改内容，并用 lint 检查引用解析、悬空链接、孤立或陈旧页面及 frontmatter 一致性。本地写入会直接落到工作区的 wiki/，.llmwiki/index.db 与缓存负责检索加速；托管模式则把持久数据写入 Postgres 和 S3。Web app 通过 HTTP API 展示页面、底层来源、交叉链接、概念关系图以及 SVG、Mermaid 等可视化。
- 研究者把论文、笔记、PDF 高亮和边注放进同一工作区，让 Claude 按主题生成带来源引用的长期研究维基。
- 重度阅读者使用 Chrome 扩展保存网页或 PDF 片段及评论，再通过夜间 Routine 把新增材料合并进已有页面。
- 希望资料留在个人电脑的用户以本地模式运行服务，用普通 Markdown 保存维基，同时保留原始文件的目录结构。
- 团队将内部文档和会议材料汇入托管知识库，用引用图、全文搜索和交叉链接改善机构记忆。
- 使用 Claude Code、Claude.ai 或 Codex 的用户通过 MCP 让模型读取自己的资料，并在工作时应用其中的概念和个人批注。
这个 Agent 有哪些优点和局限？
- 本地模式把源文件保留原位，生成页面使用普通 Markdown；
.llmwiki/索引可删除并通过./llmwiki reindex重建。 - 同一套 VaultFS 与 MCP 工具覆盖本地 SQLite/文件系统和托管 Postgres/S3，客户端操作方式保持一致。
- 不只摄取原文，也能保存网页高亮和边注，使生成页面同时反映阅读内容与用户自己的思考。
- 提供引用回链、原始来源查看、页面交叉链接、引用图和
lint检查，便于追踪知识来源与维护质量。 - 明确支持 Claude.ai、Claude Code、Codex 及其他兼容 MCP 的应用，而不是仅提供单一 Web 聊天界面。
- 本地安装同时需要 Python 3.11+、Node.js 20+ 以及 Python 和 npm 两套依赖，部署维护成本高于单一桌面应用。
- 本地 API 固定为 loopback-only，不能直接绑定局域网或远程地址；跨设备使用需要选择托管模式或另行设计访问方式。
- Word 和 PowerPoint 的完整提取依赖本地 LibreOffice，高质量复杂 PDF OCR还可能需要 Mistral API key。
- 自主夜间维护依赖 Claude Routine 或桌面定时任务；仓库没有表明其他模型平台具备等价的原生调度流程。
- 维基质量取决于进入工作区的资料以及模型生成与维护结果，仍需利用来源引用和
lint检查进行审阅。
如何安装或部署这个 Agent？
要求 Python 3.11+ 和 Node.js 20+。macOS/Linux：git clone https://github.com/lucasastorian/llmwiki.git && cd llmwiki && python -m venv .venv && source .venv/bin/activate && pip install -r api/requirements.txt -r mcp/requirements.txt && cd web && npm install && cd ..。Windows PowerShell：git clone https://github.com/lucasastorian/llmwiki.git; cd llmwiki; python -m venv .venv; .venv\Scripts\Activate.ps1; pip install -r api/requirements.txt -r mcp/requirements.txt; cd web; npm install; cd ..。Word 和 PowerPoint 提取需要可选的本地 LibreOffice；复杂 PDF 表格或版面若需更高质量 OCR，可设置可选的 MISTRAL_API_KEY。
如何使用这个 Agent？
先启动本地工作区：macOS/Linux 运行 ./llmwiki open ~/research，Windows 运行 python llmwiki open C:\Users\you\research。命令会初始化工作区、索引目录、启动 API 与 Web 应用，并打开 http://localhost:3000。随后运行 ./llmwiki mcp-config ~/research 或 python llmwiki mcp-config C:\Users\you\research，把输出的 JSON 粘贴进 Claude Desktop 的 claude_desktop_config.json 或 Claude Code 的 .claude/settings.json；每个文件夹对应一个 MCP server 条目。连接后可要求 Claude 先读取 guide，再摄取来源并开始构建维基。资料可直接放入工作区、拖入 Web 应用，或由 Chrome 扩展发送到本地 http://localhost:8000。如需持续维护，再配置定时 Claude Routine，让它查找上次运行以来新增的来源、剪藏和高亮，并更新相关页面、引用和交叉链接。
这个 Agent 与同类方案有什么区别？
相较于其灵感来源 Andrej Karpathy 的 LLM Wiki 概念，本项目强调可运行的开源实现与更强的自主维护：它加入文档摄取、Chrome 剪藏、MCP 工具、定时 Claude Routine、本地与托管存储后端以及引用和链接检查。
常见问题
本地运行会上传或修改我的原始文件吗？
wiki/ 和可重建索引、缓存所在的 .llmwiki/。必须购买 API key 才能使用吗？
MISTRAL_API_KEY 仅用于提高复杂 PDF 表格和版面的 OCR 质量，但由 Claude 自动编写和定时维护维基仍需要可用的 Claude 连接或相关产品能力。能否从其他电脑访问本地服务？
127.0.0.1，不支持 LAN 或远程绑定；需要跨设备访问时可考虑自托管远程应用或使用托管版本。删除 .llmwiki/ 会丢失知识库吗？
wiki/ Markdown 页面；该目录是派生索引与缓存，可通过 ./llmwiki reindex ~/research 从文件重新构建。