LLM Wiki 是一个跨平台桌面应用（Tauri + React），把你的文档自动整理成一个有内部互链的知识库。它和传统 RAG（每次都临时检索再回答）不同：让 LLM 增量地构建并维护一个持久 wiki——知识被『编译』一次并保持更新，而非每次查询都重新推导。它基于 Andrej Karpathy 的 LLM Wiki 模式，遵循『原始来源（不可变）→ LLM 生成的 Wiki → Schema 规则』三层架构、用 [[wikilink]] 互链、带 YAML frontmatter、且与 Obsidian 兼容，核心是『人来策展、LLM 来维护』。在原模式上做了大量增强（桌面化、知识图谱、社区发现、深度研究等）。TypeScript/Rust，许可证为自定义协议。
来源：README What is this/What We Kept；GitHub desc，license NOASSERTION 查看 GitHub 仓库 →约 8.9k 星，热度来自把 Karpathy 那篇广为流传的 LLM Wiki 设计模式从『抽象文档』做成了功能完整的桌面应用，并切中一个真实痛点：传统 RAG 每次现查现答、不积累，而 LLM Wiki 把文档增量编译成持久、互链、可视化的知识库，还兼容 Obsidian、能接 Claude Code 做 agent skill。对做知识管理、研究、阅读沉淀的人很有吸引力。
来源：GitHub 8,875 stars / 1,089 forks，created 2026-04-08；README What is this/Credits两步链式思考 ingest——LLM 先分析再生成带来源可追溯的 wiki 页，并有增量缓存；知识编译一次并随来源变化保持更新，而非每次查询从零检索推导。
来源：README Features（Two-Step CoT Ingest）/What is this4 信号知识图谱（直接链接、来源重叠、Adamic-Adar、类型亲和）做相关性建模；Louvain 社区检测自动发现知识簇并打内聚分；Graph Insights 找出惊喜连接与知识空白，可一键 Deep Research。
来源：README Features（4-Signal Graph/Louvain/Graph Insights）分词检索 + 图相关性 + 可选 LanceDB 向量语义检索（任意 OpenAI 兼容端点）；多模态图片 ingest（从 PDF 抽图、视觉 LLM 生成事实性 caption）；Deep Research 经 Tavily/SerpApi/SearXNG 多查询联网搜索并自动 ingest 进 wiki。
来源：README Features（Vector Search/Multimodal/Deep Research）wiki 目录可直接当 Obsidian vault 用，[[wikilink]] 互链、YAML frontmatter、index.md 目录、log.md 操作记录；异步 Review 系统让 LLM 标记需人工判断的项；新增 purpose.md 定义 wiki 的『为什么』供 LLM 每次 ingest/查询时参考。
来源：README What We Kept/What We Changed（Purpose.md/Review System）Chrome 网页剪藏一键抓取并 ingest；内置 127.0.0.1:19828 的 token 保护 JSON API（混合搜索、读文件、图遍历、来源重扫），并有现成 agent skill 可 `npx skills add` 一键装进 Claude Code/Codex。
来源：README Features（Web Clipper/Local HTTP API + AI Agent Skill）Tauri v2（Rust 后端）+ React 19/TypeScript/Vite 前端的桌面应用。遵循 Karpathy 三层架构：raw/sources（不可变原始来源）→ Wiki（LLM 生成的 markdown 页，带 wikilink/frontmatter）→ Schema（规则配置），并加了 purpose.md（方向意图）。前端是三栏布局（知识树/文件树 + 聊天 + 预览）+ 图标侧栏（Wiki/Sources/Search/Graph/Lint/Review/Deep Research/Settings），编辑用 Milkdown，图谱用 sigma.js+graphology+ForceAtlas2，状态用 Zustand。后端（Rust）做文档抽取（pdf-extract、docx-rs/calamine）、可选 LanceDB 向量库、持久 ingest 队列（崩溃恢复/取消/重试）、源文件夹自动监听。LLM 走流式 fetch 接 OpenAI/Anthropic/Google/Ollama/自定义，联网搜索接 Tavily/SerpApi/SearXNG。还暴露本地 HTTP API（127.0.0.1:19828）+ 配套 agent skill。整体是『Tauri 桌面 + 三层 wiki 数据模型 + 知识图谱/社区/检索 + 多 LLM/搜索 + Obsidian 兼容 + 本地 API』的持久知识库工程。
来源：README Tech Stack/What We Kept/Project Structure；tree（src-tauri/、src/、extension/）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
shadcn/ui + Tailwind v4Milkdown（编辑器）sigma.js + graphology + ForceAtlas2（…LanceDB（可选向量）pdf-extract / docx-rs / calamine（文档）多 LLM（OpenAI/Anthropic/Google/Ollama）Tavily/SerpApi/SearXNG（搜索）适合：①做知识管理/研究/阅读沉淀，想把文档自动整理成持久、互链、可视化知识库而非每次现查的人；②已用 Obsidian、想要 LLM 自动维护 vault 的人；③想让 agent（Claude Code/Codex）经本地 API 查询自己知识库的人；④喜欢 Karpathy LLM Wiki 模式、想要现成桌面实现的人。不适合：只需一次性问答、不积累知识库的人；不愿装桌面应用/配 LLM key 的轻量用户；以及对自定义许可证（NOASSERTION）有商用合规顾虑、需明确条款者。
来源：README What is this/Features，结合定位推断提供预编译二进制与源码构建，仓库自 2026-04 持续高频更新（最近 push 2026-05-19）。功能列表（18 项增强）显示在快速扩充中，配套独立的 llm_wiki_skill 仓库供 agent 一键接入，处于早期但完成度较高的阶段。
来源：GitHub pushed_at 2026-05-19；README Installation/FeaturesLLM Wiki 把 Karpathy 那个很受欢迎的『让 LLM 增量维护个人 wiki』模式，做成了一个功能完整的桌面应用，并切中 RAG 的一个真问题：每次现查现答不积累，而它把文档编译成持久、互链、可视化、可被 Obsidian 打开的知识库，还加了知识图谱、社区发现、深度研究和本地 API/agent skill，理念和完成度都不错，8.9k 星合理。要清醒：自动生成的 wiki 质量靠 LLM、需人工 review，持续 ingest 有 API 成本，许可证是自定义协议、概念也偏多。对做知识管理/研究、想要会自我维护的持久知识库、尤其已用 Obsidian 的人，它很值得一试；只需一次性问答的人则不必。
来源：综合 README 定位/功能/Karpathy 模式、tree 架构、许可证与成本的事实判断