llm-wiki

多智能体自动调研，把资料编译成 Agent 可查的 wiki

开源 🏷️定价信息待确认 ✅ 目前可打开搜索知识 🍴 复刻 143 🐛 待处理 18 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1496

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类搜索知识

开发团队nvk

官网地址https://llm-wiki.net

GitHubhttps://github.com/nvk/llm-wiki

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agentic-ai,agentic-skills,agentic-workflow,claude-code,codex,llm,plugin,wiki

GitHub 星标★ 1496

上线时间2026-04-04 00:00:00

代码更新2026-10-25

仓库体积1.0 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2

项目介绍

llm-wiki 是一个面向 AI Agent 的知识库编译工具，核心思路是把「知识库构建」从人工整理变成多智能体自动研究。它接收多种来源资料（文档、网页、论文等）后，启动并行的多智能体研究流程，围绕预设论点或主题做深入调查，再对来源内容做抽取、归纳与结构化，最终编译成可查询的 wiki 知识库，并支持基于该知识库生成报告、摘要等产物。项目以 Python 实现，可作为插件接入 Claude Code、Codex 等编码代理工作流，让 Agent 在回答问题时不再只依赖上下文窗口或临时检索，而是拥有一个持续沉淀、可复用、可追溯的知识底座。适合需要长期维护领域知识、做深度调研或构建垂直知识助手的团队，把零散资料转化为可查询、可迭代的 Agent 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 ★ 1496

技术标签

agentic-ai agentic-workflow claude-code codex llm

使用教程

难度：入门约 5 分钟部署方式：命令行工具 6 步

环境要求

已安装 Claude Code（原生插件方式）
或已安装 OpenAI Codex（marketplace 插件方式）
能访问 GitHub 以获取插件仓库
如需重建运行时镜像，需要可执行 bash 脚本的环境

安装与启动步骤

1选择运行时

llm-wiki 以插件形式接入编码代理，Claude Code 是主要分发目标，Codex 为打包镜像，二者选其一安装即可。
2安装 Claude 插件

Claude Code 用户执行该命令从 llm-wiki 市场安装 wiki 插件，安装后即可使用 /wiki 系列命令。
```
claude plugin install wiki@llm-wiki
```
3安装 Codex 插件

Codex 用户先添加 GitHub 市场源，再安装 wiki 插件，两步都需执行且顺序不能颠倒。
```
codex plugin marketplace add nvk/llm-wiki
codex plugin add wiki@llm-wiki
```
4创建首个知识库

用 --new-topic 新建主题 wiki 并同步启动研究，主题名换成你自己的领域关键词即可。
```
/wiki:research "nutrition" --new-topic
```
5查询已有知识库

知识库编译完成后可直接提问，--deep 用于需要跨条目交叉引用的深入回答。
```
/wiki:query "How does fiber affect mood?"
```
6重建运行时镜像

仅在修改 Claude 源后需要，脚本会把 SKILL.md 与 references 同步到 Codex、OpenCode 与轻量查询 profile。
```
./scripts/sync-codex-plugin.sh
./scripts/sync-opencode-plugin.sh
./scripts/sync-query-lite-profile.sh
```

关键配置

配置项	必填	说明	示例
`--new-topic`	否	新建主题 wiki 并直接开始研究	`--new-topic`
`--wiki`	否	指定要写入或查询的已有 wiki 名称	`--wiki nutrition`
`--deep`	否	启用深度研究，启动更多并行智能体	`--deep`
`--min-time`	否	限定研究持续时长，到点后停止继续挖掘	`--min-time 2h`
`--retardmax`	否	最大化速度与智能体数量，尽量抓取全部来源	`--retardmax`
`--specialist`	否	调用已启用的专项评审方法处理本次研究	`--specialist research-methodologist`