llm-wiki-v2

文档一键变可读 Markdown 知识库,回答带引用

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 218
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类搜索知识
开发团队crow-hq
所属国家
官网地址
定价模式free
价格说明开源免费,支持Ollama等本地LLM
访问状态
是否开源是
开源协议AGPL-3.0
主要语言Python
技术栈/模型citations,knowledge-base,llm,llm-wiki,local-llm,markdown,ollama,openrouter,personal-knowledge-management,pkm,python,question-answering,rag,second-brain,self-hosted,text-classification
GitHub 星标★ 218
30天Star增速
HF 下载量
上线时间2026-09-24 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-15
浏览次数0

项目介绍

llm-wiki-v2 是一个把个人文档自动整理成可阅读 Markdown 知识库的开源工具。它解决的核心问题是:普通 RAG 检索只能返回零散片段,无法形成结构化、可浏览的 wiki。项目通过 LLM 把文档转写成互相链接的 Markdown 笔记,回答问题时附带引用来源,方便核对。它支持任意 LLM 提供方,包括本地 Ollama,也支持 OpenRouter 等云端服务。技术亮点是引入了 CROW 分类器路由,据项目数据,路由准确率从 62% 提升到 89%,文档摄入速度提升 2.1 倍,token 消耗减少 68%。适合做个人知识管理(PKM)、本地文档问答和离线知识库。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

  • CROW 分类器路由带来 89% 路由准确率、2.1 倍摄入速度和 68% token 节省,效率提升有量化数据
  • 支持任意 LLM 提供方,含本地 Ollama,可完全离线运行,隐私友好
  • 输出为 Markdown wiki 并带引用来源,笔记可读可链接,比纯向量检索更结构化

不足之处

  • 项目仅 218 星,属于早期阶段,生态和长期维护稳定性待观察
  • 文档与社区案例相对有限,复杂文档格式的兼容性需自行验证

适用场景

  • 把本地 PDF/笔记批量转成个人 Markdown 知识库
  • 基于私有文档做带引用出处的问答,用于研究或写作
  • 在无网络的本地环境用 Ollama 搭建离线知识助手

替代项目

AnythingLLM、Khoj、Quivr

上一篇:Awesome-LLM-RAG-Application

下一篇:没有了!

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

Supercharge your AI agents with data from the web and beyond. Building the library f···

★ 191511 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 126457 2026-08-09
WeKnora 开源

文档往里一扔,自动变成啥都能答的知识库

Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an auto···

★ 33962 2026-08-09