llm_wiki

把一堆文档自动变成会自己长大的维基知识库

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 搜索知识 🍴 复刻 2428 🐛 待处理 296 👀 关注 86
GitHub ↗
GitHub 星标 ★ 21335
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

llm_wiki 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队nashsu
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言TypeScript
GitHub 星标★ 21335
上线时间2026-04-08 00:00:00
代码更新2026-10-21
仓库体积39.4 MB
本站数据更新2026-11-03
维护状态较活跃
收录时间2026-09-16
浏览次数1

项目介绍

LLM Wiki 是一款跨平台桌面应用,把散落的本地文档自动整理成相互链接、持续演进的知识库。它不走传统 RAG 的老路——每次提问都从零检索拼凑答案,而是让大模型像人类写维基一样,增量地把你的资料消化、归纳、串联成一篇篇可长期维护的条目。核心能力包括:自动抽取文档要点并生成结构化页面、在条目之间建立双向链接形成知识网络、随新资料加入而持续更新已有内容,而不是推倒重来。它解决的是个人或小团队资料越攒越多、却难以形成体系、每次问答都重复劳动的问题。项目用 TypeScript 编写,提供桌面端体验,适合把论文、笔记、手册等私有资料沉淀为可浏览、可追溯的长期知识资产。

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

数据来源:GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 21335

使用教程

难度:进阶 约 30 分钟 部署方式:本地安装 6 步

环境要求

  • protobuf 编译器:macOS 用 brew install protobuf,Linux 用 sudo apt install protobuf-com
  • 已安装 Node.js 与 npm(安装命令为 npm install)
  • 已安装 Git(需要 git clone 仓库)
  • Tauri 桌面应用所需的本地构建环境(README 未注明具体版本,请参考 Tauri 官方前置条件)

安装与启动步骤

  1. 1安装 protobuf

    Tauri 构建需要 protobuf 编译器。macOS 用 brew install protobuf;Linux 用 sudo apt install protobuf-compiler;Windows 用 choco install

    brew install protobuf
  2. 2克隆仓库

    把 llm_wiki 源码下载到本地并进入项目根目录,后续命令都在该目录执行。

    git clone https://github.com/nashsu/llm_wiki.git
    cd llm_wiki
  3. 3安装依赖

    安装前端与桌面端依赖,耗时取决于网络,建议配置 npm 镜像加速。

    npm install
  4. 4构建 MCP 服务

    单独安装并构建 mcp-server,其 dist 目录会作为 Tauri 资源一起打包,不能跳过。

    npm --prefix mcp-server ci && npm run mcp:build
  5. 5开发模式启动

    以开发模式运行桌面应用,用于本地调试和快速验证功能是否可用。

    npm run tauri dev
  6. 6生产打包

    生成可分发的正式安装包,首次打包编译时间较长,请耐心等待。

    npm run tauri build

关键配置

配置项必填说明示例
LLM Provider API Key是在 Settings 中配置模型服务商的密钥,否则无法生成 wiki 页面。sk-xxxxxxxx
Chat 模型是用于对话问答的模型,可按项目分别配置。gpt-4o
Ingest 模型否用于文档消化与页面生成的模型,可与 Chat 模型分开路由。gpt-4o
Web Search Provider否可选,在 Settings 中配置联网搜索服务商。your-provider-api-key
源文件夹自动监听否可选,在 Settings 中开启后自动监听源文件夹变化。/your/path

如何确认成功

应用窗口正常启动后新建项目并导入文档,Activity Panel 中出现 LLM 自动生成的 wiki 页面即表示成功。

常见问题

Q:构建时报 protobuf 相关错误怎么办?

A:说明 protobuf 编译器未安装或不在 PATH 中,按平台先执行对应安装命令(brew / apt / choco),再重新执行构建。

Q:为什么 mcp-server 要单独构建?

A:README 说明 mcp-server/dist 会作为 Tauri 资源一起打包,缺少该步骤会导致桌面端缺少内置服务。

Q:如何让回答只基于我导入的资料?

A:在检索时使用 Read Sources Only 模式,答案将完全来自原始导入材料,不依赖模型自身知识。

Q:资料越来越多后怎么维护?

A:定期运行 Lint 检查知识库健康状态,并在 Review 面板处理需要人工确认的条目。

Q:开发和生产命令有什么区别?

A:npm run tauri dev 用于本地开发调试,npm run tauri build 用于生成正式分发包,按需选用。

注意事项

  • README 未给出 Node.js、Rust 的具体版本要求,若构建报错请参考 Tauri 官方前置条件补齐环境。
  • 必须按顺序执行:先装依赖,再构建 mcp-server,最后才运行或打包 Tauri。
  • 首次导入文档后 wiki 页面由 LLM 自动生成,需要等待一段时间并消耗模型额度。
  • 首次使用需先在 Settings 中配置 LLM 服务商的 API Key 和模型,README 未提供默认密钥或默认模型。

核心亮点

  • 用增量维护的持久化维基替代每次从零检索的 RAG,知识可积累、可复用
  • 自动在文档条目间建立双向链接,形成可浏览的知识网络而非孤立片段
  • 跨平台桌面应用,本地文档直接导入,适合处理私有资料

不足之处

  • 依赖大模型生成质量,条目准确性和一致性需人工复核
  • 作为桌面应用,多设备同步与团队协作能力有限

适用场景

  • 个人研究者把论文和笔记整理成互链的长期知识库
  • 团队将产品手册、规范文档沉淀为可检索的内部维基
  • 写作者把素材库自动归纳成结构化选题与背景资料

替代项目

AnythingLLM、Khoj、Obsidian

上一篇:free-ai-bible

下一篇:Awesome-LLM4Cybersecurity

同类项目推荐

alpha_agentic_search 开源

给 RAG 加上分层记忆,多轮问答不再失忆

Alpha Agentic Search — 分层记忆 RAG 检索问答系统

★ 473 2026-10-02
ChatIndex 开源

给聊天机器人装上长期记忆,快速找回历史对话

ChatIndex: Tree indexing and retrieval for long conversational memory

★ 175 2026-08-09
DataChad 开源

上传数据,直接聊天提问,秒得答案

Ask questions about any data source by leveraging langchains

★ 319 2026-08-09
LLM-KG4QA 开源

让大模型基于知识图谱回答,减少幻觉,答案可溯源。

[EMNLP2025] LLM-KG4QA: Large Language Models and Knowledge Graphs for Question Answe···

★ 167 2026-08-09
pi-llm-wiki 开源

把散乱资料自动织成互链维基,越用越聪明

Self-maintaining, Obsidian-compatible knowledge base for pi — turn raw sources into···

★ 622 2026-09-16
awesome-ai-for-economists 开源

经济学研究者的 AI 工具地图,一页找齐实证与教学资源

A curated list of AI tools, agent skills, libraries, and resources for economics res···

★ 701 2026-10-25
astrbot_plugin_mnemosyne 开源

给聊天机器人装上长期记忆,聊过的事不再忘

一个AstrBot插件,实现基于RAG技术的长期记忆功能。

★ 262 2026-10-02
LightRAG 开源

轻量级 RAG 框架,用知识图谱让问答更准更快

[EMNLP2025] LightRAG: Simple and Fast Retrieval-Augmented Generation

★ 40509 2026-08-09
Awesome-FL 开源

一页看全联邦学习论文、框架与数据集

Comprehensive and timely academic information on federated learning (papers, framewo···

★ 2020 2026-10-04