IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
一套由 AI Agent 自动维护、面向 Agent 与人类共读的结构化知识库方法论
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。
以 LLM 为知识编译器的个人知识库构建方法
本条目整理自一份关于 Andrej Karpathy 个人知识库构建方法的技术拆解报告。报告指出，Karpathy 于 2026 年 4 月公开分享了一套基于 LLM 的知识库构建方法，其核心是从“操作代码”转向“操作知识”，将 LLM 视为知识库的核心引擎。系统采用五层架构：数据摄取层将网页、论文、代码等原始数据统一收集到 raw/ 目录；知识编译层由 LLM 将原始数据“编译”为结构化的 Markdown Wiki，包括摘要、概念文章、反向链接和索引文件；查看与浏览层使用 Obsidian 作为前端；问答层通过 LLM Agent 检索知识库并生成结构化回答；维护层通过 LLM 健康检查确保知识库一致性。报告强调，在约 40 万词的规模下，LLM 可以自动维护索引，无需传统 RAG 组件。每次查询的结果会回写知识库，实现增量增强。
multica-ai/andrej-karpathy-skills用四条行为准则约束 AI 编码助手，减少过度工程化与越界修改
该项目是一个开源项目，由 multica-ai 维护，将 Andrej Karpathy 对 LLM 编码缺陷的观察总结为四个核心行为准则，封装在单个 CLAUDE.md 文件中，用于改善 Claude Code / Cursor 等 AI 编码助手的代码输出质量。它属于 AI 辅助编程质量保障体系，不是代码框架或 SDK，而是一份注入到 AI 编码助手上下文中的行为约束指令。项目核心要解决的问题是 LLM 在编写代码时存在的系统性缺陷，包括隐性假设、过度工程化、越界修改、目标模糊等，这些问题导致代码质量下降、维护成本上升。项目通过 Think Before Coding、Simplicity First、Surgical Changes、Goal-Driven Execution 四条准则，将 LLM 的多做倾向约束为做准、做少、做稳。安装方式极简，支持 Claude Code 插件、项目级 CLAUDE.md 和 Cursor 规则等多种方式。
microsoft/markitdown微软开源的轻量级多格式文档转 Markdown 工具，为 LLM 与 RAG 管道提供结构化文本提取。
MarkItDown 是微软 AutoGen 团队开发并维护的开源 Python 工具，采用 MIT 协议，当前 GitHub 星标超过 105k，最新版本为 v0.1.5（2026 年 2 月发布）。它支持 PDF、Word、PowerPoint、Excel、图片、音频、HTML、EPUB 等 15 种以上文件格式，将其转换为结构化的 Markdown 文本。其核心设计目标是让 LLM 和文本分析工具能以最高效的方式“阅读”非文本文件，输出为机器可消费的结构化文本，而非人类可读的高保真转换。工具采用可插拔的 Converter 架构，每种格式对应独立转换器，核心库仅依赖 Python 标准库，其他功能通过可选依赖按需安装。v0.1.0 之后支持流式处理，不创建临时文件。基础转换不依赖 LLM，但可选用 LLM 增强图片描述与 OCR 功能。此外，项目提供 MCP 服务器，便于 AI 客户端直接调用。
garrytan/gbrain为 AI Agent 提供长期记忆的 Markdown 知识库与混合检索工具
GBrain 是一个为 AI Agent 提供长期记忆的开源工具，由 Garry Tan 开发。它通过 Markdown 知识库、混合检索和实体图谱，解决 AI 每次对话从零开始、无法积累个人知识的问题。其核心是一个“读-答-写-同步”四步循环：Agent 在回答前先查询大脑获取上下文，对话后更新大脑页面，使知识像复利一样增长。GBrain 采用 Markdown 即数据库的设计，每个实体对应一个文件，人类可读可编辑，并用 Git 管理。存储层默认使用嵌入式 PGLite，2 秒启动，零配置，长大后可迁移到 Supabase。检索层采用向量搜索、关键词搜索与 RRF 融合排序的混合检索，兼顾语义理解和精确匹配。集成层通过 Markdown 食谱声明式描述，Agent 读取后即可自动安装。
围绕 Claude Code 的开源工具体系，覆盖最佳实践、个人知识记忆与虚拟工程团队三大维度
该收藏条目围绕 Claude Code 构建的开源工具体系展开，涵盖最佳实践知识库、个人知识大脑和虚拟工程团队三大维度。报告指出，Claude Code 功能丰富但官方文档分散，缺乏场景决策指导；AI Agent 缺乏记忆，无法积累个人知识；个人开发者缺少团队级工程保障。针对这些问题，Best Practice 提供功能-场景-工具三维决策矩阵，指导用户选择 Commands、Skills、Agents 等扩展机制；GBrain 通过 Markdown 知识库、混合检索和实体图谱，实现“读-答-写-同步”的知识积累循环；GStack 提供 23 个角色 Skill 和 8 个工具 Skill，以斜杠命令形式模拟虚拟工程团队。三者可独立使用，组合使用效果最大化。报告还包含安装部署、应用场景及与相似技术的对比。
让 LLM 成为知识库的编译器和维护者，实现知识的持续积累与复利增长
LLM Wiki 是 Karpathy 于 2026 年 4 月提出的一种用 LLM 构建和维护个人知识库的方法论。其核心主张是不再把 LLM 当作临时问答工具，而是让它成为知识库的编译器和维护者，像程序员维护代码库一样，持续读取源材料、写入 Wiki 页面、更新交叉引用、标记矛盾。该方法论横跨个人知识管理、LLM 应用范式和知识编译三个领域，旨在解决传统 RAG 模式没有知识积累、无法发现矛盾、无法跨文档综合、查询结果无法沉淀以及人类维护负担过重等痛点。其核心思想是让 LLM 成为知识库的编译器和维护者，而非临时检索引擎。底层基于三层架构：Raw Sources（原始源材料）、The Wiki（知识库）和 The Schema（配置规范），并通过 Ingest（摄入）、Query（查询）、Lint（健康检查）三个核心操作实现知识的增量编译和持续维护。该方法论适合长期深度研究、个人知识管理等场景，但存在 Token 消耗高、冷启动成本高、幻觉风险等局限。
面向微信公众号的 Markdown 转 HTML 排版与全流程创作 CLI 工具
md2wechat 是一款专为微信公众号设计的 Markdown 转 HTML 排版及全流程创作 CLI 工具，由开发者 geekjourneyx 创建，GitHub 2.1k+ Stars。其定位是“AI 时代的公众号创作工作台”，覆盖从写作、去 AI 痕迹、排版、AI 配图到推送草稿箱的完整流程。工具采用 Go 1.26+ 实现，提供 40+ 专业主题（Minimal / Focus / Elegant / Bold 四大系列）和 43 个结构化 `:::block` 高级排版模块。架构上分为 AI 模式（免费，生成 prompt 由 LLM 执行，输出不确定）和 API 模式（专业服务，确定性输出，需付费）。md2wechat 为 Agent 集成设计了完整的发现协议，原生兼容 Claude Code、Codex、OpenClaw。许可证为 BUSL-1.1，个人/学习/非商用免费，商用需授权，2030-01-01 后自动转为 Apache 2.0。
从任意网站提取设计规范，生成 AI 可读的 DESIGN.md 文件
DesignMD 是一款由 Crowdlinker 开发的 AI 驱动设计系统提取工具，用户输入任意网站 URL 或描述项目需求，即可自动生成符合 Google Stitch DESIGN.md 规范的完整设计系统文档。DESIGN.md 是 Google Stitch 项目提出的一种纯 Markdown 格式的设计系统文档，AI 编码代理可以直接阅读并据此生成一致的 UI。配套的 awesome-design-md 是由 VoltAgent 维护的开源仓库，收录了 68 个全球顶级品牌的现成 DESIGN.md 文件，Star 数达 57.6k，MIT 协议开源。该工具免费使用，无需注册，打开即用。核心价值在于让 AI 编码工具（如 Cursor、Claude Code）能“看懂”设计意图并复刻 UI。
让 Agent 用 HTML 而非 Markdown 向人类传达复杂信息，以可视化与交互让人重新进入决策循环。
本文档基于 2026 年 5 月 8 日 Anthropic Claude Code 团队成员 Thariq Shihipar 发表的长文《Using Claude Code: The Unreasonable Effectiveness of HTML》整理而成。其核心主张是，当 AI Agent 需要向人类传达复杂信息时，HTML 应取代 Markdown 成为首选输出格式。文章指出 Markdown 存在信息密度不足、可读性差、分享困难、无法交互、编辑范式转移以及人与 Agent 的 Loop 断裂等六大痛点。HTML 则凭借其高表达力、视觉可读性、零摩擦分享、双向交互、数据摄取优势及情感连接等特性，成为更优的 Agent 输出格式。该方法论强调自包含的 HTML 文件、导出闭环以及让人类重新参与 Agent 决策过程。文章还对比了 HTML 与 Markdown、Claude.ai Artifacts 及 Notion/飞书文档的差异，并提供了九大输出场景、Prompt 模板、工程落地技巧及优缺点分析。