llmwiki

上传文档，让 Claude 自动帮你写 Wiki

llmwiki 是 Karpathy 提出的 LLM Wiki 概念的开源实现。它允许用户上传文档，并通过 MCP（Model Context Protocol）连接 Claude 账号，让 AI 自动撰写和管理个人或团队的 Wiki 知识库。项目解决的核心问题是传统知识库维护成本高、内容更新滞后，通过 AI 代理将文档转化为结构化、可检索的 Wiki 页面，实现知识库的自动化构建与持续更新。其核心能力包括：文档上传与解析、基于 MCP 的 Claude 集成、RAG（检索增强生成）支持、Supabase 后端存储，以及 AI 驱动的页面生成与编辑。技术栈以 Python 为主，面向希望利用 AI 自动化知识管理的个人开发者、研究团队和知识密集型组织。项目目前处于成长阶段，社区活跃，适合作为学习 AI Agent 与知识库结合的参考实现。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1641

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队lucasastorian

所属国家

官网地址https://llmwiki.app

GitHubhttps://github.com/lucasastorian/llmwiki

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai-agents,claude,karpathy,knowledge-base,llm,llm-wiki,mcp,mcp-server,rag,supabase

GitHub 星标★ 1641

30天Star增速

HF 下载量

上线时间2026-04-04 00:00:00

最近更新2026-09-23 00:00:00

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2026-08-09

浏览次数4

使用教程

难度：入门约 15 分钟部署方式：本地安装 6 步

环境要求

Python 3.11+
Node.js 20+
可选：安装 LibreOffice 以解析 Word/PowerPoint 文件
可选：设置 MISTRAL_API_KEY 以获得更高质量的 PDF OCR
一个存放你文档的本地文件夹（无需放在仓库内）

安装与启动步骤

1克隆仓库

把 llmwiki 源码克隆到本地并进入项目目录，后续命令都在此目录执行。
```
git clone https://github.com/lucasastorian/llmwiki.git
cd llmwiki
```
2建虚拟环境装依赖

创建 Python 虚拟环境并安装 api 与 mcp 两个依赖文件；Windows 请改用 PowerShell 版命令。
```
python -m venv .venv && source .venv/bin/activate
pip install -r api/requirements.txt -r mcp/requirements.txt
```
3安装前端依赖

进入 web 目录安装 Node 依赖后返回根目录，需已安装 Node.js 20+。
```
cd web && npm install && cd ..
```
4打开你的文档目录

指向存放 PDF、Word、Markdown 等的文件夹，会自动建立索引、启动 API 与网页并打开浏览器。
```
./llmwiki open ~/research
```
5生成 MCP 配置

打印 MCP JSON，粘贴到 Claude 客户端配置文件并保存，一个工作区对应一个 MCP 条目。
```
./llmwiki mcp-config ~/research
```
6配置自动维护

把 README 中的 Routine 提示词设为每晚定时任务，让 Claude 自动读取新增内容并更新 Wiki。

关键配置

配置项	必填	说明	示例
`MISTRAL_API_KEY`	否	可选，用于获得更高质量的 PDF OCR 解析效果	`sk-xxxxxxxxxxxxxxxx`
`NEXT_PUBLIC_ONBOARDING_PREVIEW`	否	开发用开关，仅预览引导页且不写入数据，改后需重启开发服务器	`true`

如何确认成功

命令执行后浏览器自动打开 localhost:3000 并能看到应用界面，即启动成功；API 仅监听 127.0.0.1。

常见问题

Q：Word、PowerPoint 文件无法解析怎么办？

A：README 说明需安装 LibreOffice 才能提取 Word/PowerPoint 内容，仅靠默认依赖无法解析这些格式。

Q：Windows 上激活虚拟环境报执行策略错误？

A：可执行一次 Set-ExecutionPolicy -Scope CurrentUser RemoteSigned，或跳过激活，直接用 .venvScriptspython 代替 python 执行命令。

Q：MCP 配置 JSON 应该粘贴到哪里？

A：Claude Desktop 粘贴到 claude_desktop_config.json，Claude Code 粘贴到 .claude/settings.json；一个工作区对应一个 MCP server 条目。

Q：能否让局域网其他机器访问？

A：不支持，本地模式刻意只做环回访问，API 绑定在 127.0.0.1，不提供 LAN 或远程绑定。

注意事项

本地模式仅监听 127.0.0.1，不要指望从其他设备访问。
程序不会移动、修改或上传你的原始文件，只会在工作区新增 wiki/ 目录和隐藏的 .llmwiki/ 索引。
Windows 下把 ./llmwiki 换成 python llmwiki，路径写成 C:Usersyou esearch 这类形式。
预览引导页的开关修改后必须重启开发服务器，且预览只在内存中模拟，不会真正创建 Wiki。

核心亮点

直接实现 Karpathy 的 LLM Wiki 理念，概念新颖且具有前瞻性
通过 MCP 原生集成 Claude，实现 AI 驱动的文档到 Wiki 的自动化流程
结合 RAG 与 Supabase，提供可检索、可扩展的后端存储方案

不足之处

依赖外部 Claude 账号和 MCP 服务，部署与使用门槛较高
文档/社区待观察：项目较新，文档完整性和社区支持尚需时间验证

适用场景

个人知识库自动化整理：将零散文档交给 AI 生成结构化 Wiki
团队协作知识管理：自动从项目文档、会议记录中提炼 Wiki 页面
AI Agent 应用开发：作为 MCP 与 RAG 结合的学习参考

替代项目

Danswer、Khoj、Quivr

项目介绍

llmwiki 是智能体领域的开源项目，由 lucasastorian 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,641）位列前 30%，在智能体分类中处于中上游。

近 45 天，它的 GitHub 星标从 1,479 增加到 1,641，净增 162。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：个人知识库自动化整理：将零散文档交给AI生成结构化Wiki。同类可对比的替代方案包括 Danswer、Khoj、Quivr。

上一篇：paxm

下一篇：ACCESSIBILITY.md