LLM Wiki Agent

一个编程 Agent 的技能插件。 只需将源文档放入 raw/ 目录并告知 Agent 进行摄取（ingest）——它会自动读取内容、提取知识，并构建一个持久化的、相互关联的 Wiki。每一个新源文件都会让 Wiki 变得更加丰富。你无需亲自撰写。

大多数知识工具强迫你搜索自己的笔记。而这个工具会阅读你收集的所有内容，并编写一个随时间累积的结构化 Wiki —— 自动建立交叉引用、标记矛盾点、完成知识综合。

ingest raw/papers/attention-is-all-you-need.md

wiki/
├── index.md          所有页面的目录 — 每次摄取后更新
├── log.md            所有操作的追加记录
├── overview.md       对所有源文件的动态综合总结
├── sources/          每个源文件的摘要页面
├── entities/         人物、公司、项目 — 自动创建
├── concepts/         观点、框架、方法 — 自动创建
└── syntheses/        查询答案被归档为 Wiki 页面
graph/
├── graph.json        持久化节点/边数据 (SHA256 缓存)
└── graph.html        交互式 vis.js 可视化 — 可在任何浏览器中打开

安装

要求： Claude Code, Codex, Gemini CLI，或任何支持读取配置文件的 Agent。

git clone https://github.com/SamurAIGPT/llm-wiki-agent.git
cd llm-wiki-agent

在你的 Agent 中打开，无需 API key 或 Python 环境设置：

claude      # 读取 CLAUDE.md + .claude/commands/ (可使用斜杠命令)
codex       # 读取 AGENTS.md
opencode    # 读取 AGENTS.md
gemini      # 读取 GEMINI.md

使用方法

所有的 Agent 都能理解自然语言和简写指令：

ingest raw/papers/my-paper.md              # 摄取一个 markdown 源文件
ingest report.pdf                          # 自动转换为 .md，然后摄取
ingest slides.pptx notes.docx              # 批量处理，支持多种格式
query: what are the main themes?           # 从 Wiki 页面中综合整理出答案
lint                                       # 查找孤立页面、矛盾点、知识空白
build graph                                # 从所有 wikilinks 构建 graph.html

也可以直接使用简单英语：

"Ingest this paper: raw/papers/llama2.md"
"What does the wiki say about attention mechanisms?"
"Check for contradictions across sources"
"Build the knowledge graph and tell me the most connected nodes"

Claude Code 还提供了 /wiki-ingest, /wiki-query, /wiki-lint, /wiki-graph 作为斜杠命令（通过 .claude/commands/ 实现）。这些命令是 Claude Code 专用的——其他 Agent 使用上述自然语言触发器，效果完全相同。

支持 markdown, PDF, DOCX, PPTX, XLSX, HTML, TXT, CSV, JSON, XML, RST, EPUB 等多种格式。非 markdown 文件在摄取时会通过 markitdown 自动转换——无需额外步骤。

你将获得什么

持久化 Wiki — 结构化的 markdown 页面，在多次会话中不断累积。与聊天记录不同，这里不会丢失任何信息。

实体页面 — 自动为源文件中提及的每个人物、公司或项目创建页面。每当有新源文件引用它们时，页面会自动更新。

概念页面 — 自动为每个关键观点或框架创建页面，并与所有讨论过该内容的源文件进行交叉引用。

动态概览 — wiki/overview.md 在每次摄取后都会进行修订，以反映你所阅读所有内容的最新综合信息。

矛盾标志 — 当新源文件与现有声明相矛盾时，会在摄取时进行标记，而不是等到查询时才发现。

知识图谱 — graph.html 将每个 Wiki 页面显示为一个节点，每个 [[wikilink]] 显示为一条边，Claude 推断出的隐含关系显示为虚线边。社群检测功能可将相关主题进行聚类。

Lint 报告 — 包含孤立页面、死链、缺失的实体页面以及数据空白，并建议补充相关源文件以填补这些空白。

应用场景

研究

在数周内深入研究某个主题——阅读论文、文章、报告。

/wiki-ingest raw/papers/attention-is-all-you-need.md
/wiki-ingest raw/papers/llama2.md
/wiki-ingest raw/papers/rag-survey.md

# Wiki 自动构建实体页面 (Meta AI, Google Brain) 和
# 概念页面 (Attention, RLHF, Context Window)。

/wiki-query "What are the main approaches to reducing hallucination?"
/wiki-query "How has context window size evolved across models?"

/wiki-lint
# → "No sources on mixture-of-experts — consider the Mixtral paper"

最终，你将拥有一份结构化、相互关联的参考资料，而不是一堆再也不会打开的 PDF 文件夹。

---

阅读书籍

随读随存，按章节归档。为角色、主题和论点建立页面。

/wiki-ingest raw/book/chapter-01.md
/wiki-ingest raw/book/chapter-02.md

# Wiki 自动创建实体和主题页面。

/wiki-query "How has the protagonist's motivation evolved?"
/wiki-query "What contradictions exist in the characters' backstories?"