WikiLLM

利用 LLM 构建个人知识库的系统。WikiLLM 将原始素材"编译"成结构化、交叉链接的高质量中文 Wiki，可在 Obsidian 中查看。

本项目基于 Andrej Karpathy 提出的理念构建。详见：LLM Knowledge Bases

项目概述

WikiLLM 的工作流包括：

1. 数据摄入：源文档（文章、论文、代码库、数据集、图像）被索引到 raw/ 目录
2. Wiki 编译：LLM 增量地"编译"原始数据成 markdown 文件的 wiki，包含摘要、反向链接、分类概念和相互链接的文章
3. IDE：Obsidian 用作前端查看原始数据、编译后的 wiki 和可视化
4. 问答：LLM 可以通过研究相关数据来回答针对 wiki 的复杂问题
5. 输出：结果渲染为 markdown 文件、Marp 幻灯片或 matplotlib 图像，可在 Obsidian 中查看
6. Linting：LLM"健康检查"发现不一致、填补缺失数据、建议新文章候选
7. 额外工具：诸如 wiki 上的朴素搜索引擎等额外工具

核心原则

• LLM 编写和维护所有 wiki 数据；手动编辑很少见
• 用户探索和查询被归档回 wiki 以增强它
• 系统专注于 markdown 文件和 Obsidian 兼容格式
• 图像被下载到本地 以便 LLM 轻松引用

目录结构

wikillm/
├── raw/              # 源文档和未处理数据
├── wiki/             # LLM 编译的 markdown wiki
│   ├── concepts/     # 核心概念文章
│   ├── practices/    # 实践指南文章
│   ├── visual/       # 可视化内容
│   ├── queries/      # 查询存档
│   ├── assets/       # 图像和资源文件
│   ├── INDEX.md      # 首页索引
│   └── Glossary.md   # 术语表
├── skills/           # Claude Code 技能
├── CLAUDE.md         # 项目特定的 Claude 指令
└── README.md         # 本文件

当前内容

本 wiki 当前包含关于 Harness Engineering的综合知识库，基于以下来源编译：

• OpenAI - Harness Engineering：在智能体优先的世界中利用 Codex
• Anthropic - Harness design for long-running application development
• Martin Fowler - Harness engineering for coding agent users
• LangChain - Improving Deep Agents with harness engineering
• NxCode - Harness Engineering: The Complete Guide
• MiniMax - MiniMax M2.7: Early Echoes of Self-Evolution
• Mitchell Hashimoto - My AI Adoption Journey

快速开始

在 Obsidian 中查看

1. 下载并安装 Obsidian
2. 在 Obsidian 中打开本仓库作为 vault
3. 从 wiki/INDEX.md 开始探索

使用技能

本项目包含 Claude Code 技能用于生成 wiki：

# 在 Claude Code 中
/skills wiki 编译

详细说明请参阅 skills/SKILL.md。

许可证

MIT License - 详见 LICENSE 文件。