在 Reddit 上看到一个很有意思的项目：让 LLM 自己维护“个人 Wiki”

最近在 Reddit 上看到一个挺有意思的项目，核心思路很简单，但我觉得还挺有启发性的，分享给大家。

作者在使用 Claude Code 的过程中，遇到了一个很常见的问题：
每次问一些特定领域的问题，要么模型用“训练数据”瞎猜（而且不一定对），要么就得反复粘贴上下文，非常麻烦。

后来他受到了 Andrej Karpathy 一个想法的启发（gist 在这里）：
👉 https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

核心理念可以总结为一句话：

与其让 LLM 每次都“重新推理”，不如让它把结果“写下来”。

🧠 这个项目是干嘛的？

作者做了一个“个人 Wiki 系统”，但特别之处在于：

👉 这个 Wiki 是由 LLM 自动维护的

项目地址：
👉 https://github.com/6eanut/llm-wiki

⚙️ 核心工作流程

整个流程其实很简单：

1. 输入原始资料

把你的资料（文章、笔记、文档等）丢进 .raw/ 目录

2. 让 Agent 自动处理

告诉 Claude Code 去 ingest（摄取）这些内容，它会：

• 读取内容
• 提取关键概念
• 自动生成 Markdown 页面
• 建立页面之间的链接
• 检查和已有知识是否冲突

👉 本质上就是自动帮你“结构化知识”

3. 查询时自动优先查 Wiki

之后你再问问题的时候：

• Agent 会优先查这个 Wiki
• 如果有相关内容，就直接用已有知识回答
• 没有再回退到模型本身

重点是：这一切是自动的，不需要手动输入 /wiki-query

✨ 一些比较有意思的点

1. 主动式知识调用

不需要你记命令，系统会自动判断要不要查 Wiki

2. 自我维护的知识库

知识是“活的”：

• 会持续扩展
• 会检测冲突
• 会逐步结构化

3. 可视化知识图谱

内置了一个 D3 的知识图谱，可以看到概念之间的关系

4. 最“元”的一点 🤯

作者说最有意思的是：

整个项目几乎是用 Claude Code 自己“对话写出来的”

因为项目本身就是：

• Markdown 文件
• Bash 脚本

所以这个 Agent：

👉 可以读自己的规则，并按规则做事

有点“递归自举”的味道了（inception 既视感）

🤔 我的一点看法

这个项目虽然实现不复杂，但思路其实很关键：

• 把 LLM 从“即时问答工具”
• 变成“长期记忆 + 知识演化系统”

本质有点像：

• 个人版 Notion + AI
• 或者 lightweight 的知识图谱系统

如果再往下做，感觉可以延伸到：

• RAG（检索增强生成）
• 长期记忆 Agent
• 甚至个人知识操作系统（PKOS）

🚀 感兴趣可以试试

项目地址再放一次：
👉 https://github.com/6eanut/llm-wiki

作者说：

• 安装只要两条命令
• 目前还有点“janky”（不太稳定）
• 欢迎提 issue / PR

如果你也在折腾：

• AI Agent
• 知识库 / RAG
• 或者个人效率工具

这个思路我觉得挺值得参考的 👍