核心功能与用法
LLM-Wiki 是 Andrej Karpathy 提出的累积式知识管理模式的轻量实现，将 LLM 作为程序员、Wiki 作为代码库、用户作为产品经理。核心用法围绕「摄入-关联-查询」循环：
- 摄入 (ingest)：将 PDF、Markdown 等原始材料放入
sources/，用自然语言指令（如「请摄入 sources/paper.pdf」）触发 Agent 提取关键洞见，自动生成或更新wiki/下的结构化页面，并通过[[PageName]]双向链接建立知识网络 - 关联 (link/relink)：动态发现页面间关系，支持轻量/深度两种模式；高置信度关联（≥0.5）可触发合并策略反向更新现有页面
- 查询 (query)：Agent 通过读取
index.md和链接遍历合成答案，引用格式为[[PageName]]，全程无需 Embedding - 健康检查 (lint)：自动检测孤儿页面、死链、陈旧内容、草稿及逻辑矛盾
显著优点
1. 零架构负担：纯 Markdown 文本，无数据库、无服务部署，Git 原生版本控制，任何文本编辑器均可读写
2. 自然语言交互：协议模式无需安装，Agent 直接读取 CLAUDE.md 即可执行；CLI 模式作为可选增强
3. Obsidian 生态兼容：[[wikilink]] 语法、Graph View、移动端同步无缝衔接
4. 渐进式扩展：默认符号导航（0-500页足够），可选 Embedding 混合检索应对大规模场景
5. 成本与隐私友好：无外部 API 依赖，数据不出本地
潜在局限
- 规模瓶颈：纯符号导航在 500+ 页面后维护索引成本上升，需手动启用 Embedding
- Agent 依赖：核心功能（ingest/query）依赖 LLM 能力，低质量模型可能导致提取或关联偏差
- 无原生协作：无实时多人编辑、权限管理，需依赖 Git 工作流
- 中文支持：PDF 处理依赖 PyMuPDF，CJK 字符支持较好但复杂排版仍需校验
适合人群
- 研究者/开发者：需要累积管理论文、技术笔记的个人知识库
- 已有 Obsidian 用户：希望用 Claude Code 自动化维护、用 Obsidian 可视化阅读
- 小团队：愿意用 Git 协作替代实时同步的轻量知识管理场景
常规风险
- 死链累积：删除页面后未清理引用会导致
[[]]失效，需定期lint - 知识漂移：多次摄入同一主题不同来源可能产生矛盾，依赖人工或 Agent 检测
- Embedding 成本误启：小规模 wiki 启用 Embedding 会增加 API 费用和隐私暴露，建议按文档阈值（>500页）再开启