传统RAG每次提问都要检索原始文档，反复消耗算力，知识结构也难以沉淀。llm_wiki 借鉴 Karpathy 的 LLM Wiki 思路，借助大模型持续整理文档，自动生成可互相链接的知识库，让资料不再零散，适合做长期个人知识沉淀。

打开网易新闻 查看精彩图片

简介

llm_wiki 是跨平台桌面开源项目，仓库地址为 https://github.com/nashsu/llm_wiki，采用 MIT 许可证。项目基于 Tauri 开发，主打本地优先的知识管理，把各类文档转化为持续更新的 wiki 知识库，区别于一次性检索的 RAG 方案。

项目核心能力是增量编译知识，文档导入后由大模型持续维护知识库，支持知识图谱、语义检索。配套 Chrome 插件可以抓取网页和 PDF，兼容 Markdown、Word、PPT、PDF 多种文件格式，还能通过 MCP 协议对接 Claude 等支持该协议的应用。

使用

部署前需要准备 Node.js 20+ 与 Rust 1.70+ 环境，执行下面命令拉取代码并安装依赖。

打开网易新闻 查看精彩图片

运行 npm run tauri dev 启动开发模式，也可以打包生产版本。浏览器扩展前往扩展管理页开启开发者模式，加载解压后的扩展目录。导入本地文档或网页内容，系统会自动解析素材，生成 wiki 页面与知识关联，完成知识库构建。

总结

llm_wiki 跳出传统检索增强生成的思路，实现持久化、自动更新的知识库，兼顾本地数据安全与多类型素材接入。搭配浏览器插件和 MCP 能力，打通网页资料采集与 AI 工具调用，适合研究者、开发者搭建长期迭代的个人知识系统。