第一章：技术概述

什么是 LLM-Wiki

LLM-Wiki 是一套关于 AI Agent 如何建立和维护自己的知识体系 的最佳实践方法论，由卡比卡比（@jakevin7，OpenCLI 核心开发者，Apache Arrow/Doris PMC 成员）设计并开源。它将传统的人类知识库工具（如 Obsidian、Notion）重新定义为 Agent-native 工具——由 Agent 写、给 Agent 和人类读。

项目定位

• 所属体系：AI Agent × 知识管理 × Agent Team 架构
• 作者：jakevin7（卡比卡比），OpenCLI 项目核心贡献者
• 运行平台：已集成到 OpenCLI（16.6k Stars）的项目管理中
• 兼容性：知识产物兼容 Obsidian 格式，可直接用 Obsidian 查看
• 许可协议：开源（具体协议待确认）

核心主张

Vault 是 Agent 的外脑。 LLM-Wiki 把"知识库"从人类工具变成了 Agent-native 工具：由 Agent 写，给 Agent 和人类读。

解决的问题

传统知识管理工具是为人类设计的——人类手动整理笔记、手动建立链接、手动维护索引。但在 AI Agent 的工作流中，Agent 本身就是最大的知识生产者和消费者。LLM-Wiki 让 Agent 成为自己的知识管理员，实现知识库随使用自增长。

第二章：问题背景与痛点

传统 AI Agent 知识管理的五大痛点

1. Agent 没有"长期记忆"

大多数 AI Agent（包括 Claude Code、Cursor 等）的上下文窗口有限，对话结束后记忆就消失了。虽然有些工具提供了 memory 机制，但往往只是简单的 key-value 存储，缺乏结构化知识体系。

2. 人类知识库 ≠ Agent 知识库

Obsidian、Notion、飞书文档——这些工具的 UI 和交互是为人类设计的。Agent 无法高效使用它们来"思考"。Agent 需要的是：

• 可以被程序化读写的格式
• 支持自动链接和推理的结构
• 可以被搜索和查询的知识图谱

3. 知识碎片化

Agent 在工作中产生的知识散落在：

• 代码注释里
• commit message 里
• 对话历史里
• 临时文件里
• 各种工具的私有存储里

没有一个统一的"知识汇聚点"。

4. 知识不增值

传统知识库是静态的——写入后就不会再变化。但 Agent 的知识应该是活的：每次查询都可能产生新的综合（synthesis），新的综合应该写回知识库，让知识库越来越完整。

5. Agent Team 缺乏"集体记忆"

当多个 Agent 协作时，它们之间的知识传递靠的是 prompt 中的上下文传递，效率低且容易丢失。需要一个共享的、Agent 可读写的知识空间。

LLM-Wiki 本质上优化的链路

知识生产层：从"人类手动整理"优化为"Agent 自动摄入" 知识消费层：从"人类搜索"优化为"Agent 查询 + 自动综合" 知识增长层：从"静态文档"优化为"每次查询都可能增值"

第三章：核心思想

一句话本质

LLM-Wiki = Agent 的 Obsidian，但由 Agent 自己维护。 不是给人用的笔记工具，而是 Agent-native 的知识操作系统。

三大核心理念

1. Agent-native 知识库

传统知识库是人类写、人类读。LLM-Wiki 是Agent 写、Agent 和人类读。维护者是 Agent 本身，不是人类。GUI 只做展示用（初始阶段 Obsidian 已足够）。

2. 知识复利

每次查询都可能让知识库变得更完整。当 /query 的答案连接了 3 个以上页面、产生了新的综合（synthesis），就写回 wiki。这意味着知识库是自增长的——使用越多，越完整。

3. 三层知识隔离

sources/     ← 原始材料（不可修改）
wiki/        ← 提炼知识（Agent 维护）
wiki-log.md  ← 操作日志（审计追踪）

源文件永远不被修改，提炼知识与原始材料隔离，所有操作有日志可追溯。

类比理解

LLM-Wiki 是一套关于 AI Agent 如何建立和维护自身知识体系的最佳实践方法论，由卡比卡比（@jakevin7）设计并开源。其核心主张是“Vault 是 Agent 的外脑”，将传统知识库工具重新定义为 Agent-native 工具——由 Agent 写，给 Agent 和人类读。它通过 /ingest（知识摄入）、/query（知识查询与写回）、/lint（健康检查）、/research（外部研究）四个操作形成闭环，实现知识库随使用自增长。知识采用三层隔离：sources/ 存放不可修改的原始材料，wiki/ 存放 Agent 维护的提炼知识，wiki-log.md 记录操作日志。产物兼容 Obsidian 格式，可直接用 Obsidian 查看知识图谱。项目已集成到 OpenCLI 的项目管理中，其核心理念也可独立于 OpenCLI 实现。

• AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
• 报告明确说明 LLM-Wiki 不适合以下场景：一次性任务（知识不需要积累）；纯人类团队的知识管理（没有 Agent 参与）；需要实时协作的 Wiki（多人类同时编辑）；高度机密的知识（不适合 Agent 自由访问）；非文本知识为主（图片、视频等多媒体）。报告也指出其局限：文本知识为主，不适合管理多媒体知识；目前设计为单项目单 vault，跨项目知识共享需要额外设计；如果没有 Agent 维护，LLM-Wiki 就只是一个空的目录结构；Agent 写入的知识可能有幻觉或错误，需要 /lint 和人类审查。报告还提到，项目目前仅在 OpenCLI 社区有实际运行经验，尚未大规模验证；当 wiki 页面数达到数千级别时，检索效率可能成为瓶颈；初期不做 GUI，非技术用户上手有门槛。关于 GitHub 仓库，报告说明帖子提到 repo 链接在评论区（需登录查看），当前未能直接获取仓库代码。