AIAI 工具图鉴
← 返回全部文章
·约 12 分钟PPT

【今日推荐 llmwiki】：让 Claude 帮你打理研究文件夹

编程开发
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

llmwiki-recommend.mp4
PPT
llmwiki-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../llmwiki-recommend.pptx
视频../../llmwiki-recommend.mp4
本文目录
  1. 一、llmwiki 是什么
  2. 二、核心功能与特性
  3. 2.1 四大核心能力
  4. 2.2 Claude 可调用的工具集
  5. 2.3 文档处理能力
  6. 三、5 分钟快速上手
  7. 3.1 环境要求
  8. 3.2 安装步骤
  9. 3.3 连接 Claude
  10. 3.4 一行命令启动
  11. 四、适用场景
  12. 4.1 学术研究者的论文库管理
  13. 4.2 产品经理的竞品分析库
  14. 4.3 投资研究者的资料沉淀
  15. 4.4 律师/咨询的案件知识库
  16. 4.5 课程学习者的笔记系统
  17. 五、竞品对比
  18. 六、进阶玩法
  19. 6.1 配合非 Claude 客户端
  20. 6.2 本地模型建议
  21. 6.3 重新索引
  22. 七、局限性与权衡
  23. 八、为什么这能赢过静态笔记
  24. 九、总结

【今日推荐 llmwiki】：让 Claude 帮你打理研究文件夹

你有没有过这样的体验：研究文件夹里的资料越来越多，但笔记却越记越乱？每次想找一段引文，得在十几个 PDF、几十个 Markdown 文件里翻半天；写综述时总要手工维护链接、合并重复条目，繁琐到后来干脆放弃。

lucasastorian/llmwiki 正是为这种"研究文件夹噩梦"而生。它是 Karpathy LLM Wiki 概念的开源实现：把本地文件夹变成一个可被 LLM 持续维护的 Wiki，让 Claude 通过 MCP 协议自动写页面、保持引用、维护交叉链接。

封面图

一、llmwiki 是什么

llmwiki 是一款 本地优先的 AI Wiki 引擎，核心理念是：让 LLM 接管研究文件夹的编辑维护工作。

传统 RAG 系统的痛点是"每次对话都要重新检索"，而 llmwiki 的设计哲学是 让 Wiki 持续积累：每读一份新资料，Claude 就更新相关页面、补充引用、维护交叉引用，Wiki 越用越厚实，而不是每次从零开始。

二、核心功能与特性

2.1 四大核心能力

能力 说明
本地优先 文件、索引、Wiki 全部在本地，文件系统为单一可信源
MCP 原生集成 任何支持 MCP 的客户端（Claude Desktop/Code、Cursor、Cline、opencode、Continue）都能用
多格式解析 PDF（pdf-oxide）、Markdown/Text、HTML、Excel/CSV、Image 可直接索引
持续积累 Wiki 跨对话沉淀，引用、链接、交叉引用由 Claude 自动维护

2.2 Claude 可调用的工具集

llmwiki 通过 MCP Server 暴露 7 个核心工具：

工具 功能
guide 向 LLM 解释当前工作区结构与约定
search 列表浏览或全文检索（FTS5）
read 读取文档，支持 PDF 页码范围与 glob 批量读
create 创建新的 Wiki 页面或资源（md、svg、csv、json、xml、html）
edit 通过 str_replace 编辑已有页面
append 追加内容到现有页面末尾
delete 按路径或 glob 删除文档

所有写入操作都是先写文件、再更新索引，你在文件管理器里就能看到 Claude 刚生成的 /wiki/concepts/attention.md。

2.3 文档处理能力

格式 解析器 备注
PDF pdf-oxide Rust 内核，文本型 PDF 效果优秀；扫描件建议配置 MISTRAL_API_KEY 走 Mistral OCR
Markdown/Text 原生 直接分块索引
HTML webmd 自动剥离导航/广告，提取纯 Markdown
Excel/CSV openpyxl 逐 sheet 抽取内容
图片 原生存储 页面内可直接预览
Word/PowerPoint LibreOffice（可选） 需本地安装 LibreOffice

三、5 分钟快速上手

3.1 环境要求

  • Python 3.11+
  • Node.js 20+

3.2 安装步骤

# 克隆仓库
git clone https://github.com/lucasastorian/llmwiki.git
cd llmwiki

# 安装 Python 依赖
cd api && python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cd ..

# 安装 Web 依赖
cd web && npm install && cd ..

# 初始化工作区（指向任意资料文件夹）
./llmwiki init ~/research

# 启动 API + Web UI
./llmwiki serve ~/research

打开 localhost:3000，你的文件已经索引完毕，Wiki 框架已生成。

3.3 连接 Claude

./llmwiki mcp-config ~/research

命令会输出一个 JSON 片段，把它粘到 claude_desktop_config.json（Claude Desktop）或 .claude/settings.json（Claude Code）即可。然后对 Claude 说：

"Read the guide, then ingest my sources and start building the wiki."

Claude 就会自动开始读资料、写页面、维护引用。

3.4 一行命令启动

./llmwiki open ~/research

包含 init + serve + 打开浏览器 + 打印 MCP 配置提示，最快路径。

四、适用场景

4.1 学术研究者的论文库管理

把几十篇 PDF 论文丢进一个文件夹，让 llmwiki + Claude 自动建立"概念-论文"的双向链接，综述写作时直接查 Wiki 即可。

4.2 产品经理的竞品分析库

把竞品的网页截图、财报、新闻、用户评论归档到一个文件夹，Claude 自动维护竞品对比页面、新增动态、合并重叠信息。

4.3 投资研究者的资料沉淀

把研报、公告、宏观数据放入工作区，llmwiki 通过 Mistral OCR 处理扫描 PDF，自动生成行业概览和个股档案。

4.4 律师/咨询的案件知识库

每个案件一个文件夹，llmwiki 自动维护案件时间线、法条引用、判例对比，新材料进来后 Wiki 持续完善。

4.5 课程学习者的笔记系统

把课程视频字幕、教材 PDF、习题答案统一索引，Claude 自动生成知识图谱、错题本、复习清单。

五、竞品对比

对比维度 llmwiki 传统向量 RAG 纯笔记软件
知识积累 持续积累，越用越厚 每次从头检索 静态存储
交叉引用 LLM 自动维护 需手动标注 无关联
可追溯引用 附带原文页码 相似度分数 无引用
检索方式 全文搜索 + LLM 推理 向量相似度 关键词搜索
部署成本 本地 SQLite 即可 需向量数据库 本地即可
LLM 协作 原生 MCP 协议 需外部 Agent 无集成
多工作区 一个文件夹 = 一个 MCP server 通常全局共享 多笔记库
云端版本 支持 Supabase 部署 通常自带云端 厂商锁定

llmwiki vs 传统方案对比

六、进阶玩法

6.1 配合非 Claude 客户端

llmwiki 是标准 MCP Server，任何 MCP 客户端都能用：

  • opencode（开源）— 支持 Ollama、vLLM、OpenAI 兼容本地端点
  • continue.dev（VS Code / JetBrains 插件）— Agent 模式 + Ollama
  • Cursor / Cline（IDE 客户端）— MCP 原生支持

把客户端的 MCP config 指向 llmwiki mcp <workspace> 即可，多个客户端可共用一个工作区，但建议避免同一页面并发写入（无跨进程写锁）。

6.2 本地模型建议

本地模型（Llama / Qwen 系）使用 llmwiki 时：

  • 必须可靠的 tool/function calling 能力
  • 推荐先调用 guide 工具，让模型了解工作区结构
  • 上下文窗口要足够大（建议 32K+）

6.3 重新索引

./llmwiki reindex ~/research

如果手动修改了源文件或删除了 .llmwiki/ 缓存，可用此命令从文件重建索引。

七、局限性与权衡

作者在 README 中诚实地列出了 5 个已知限制：

  1. 一个工作区 = 一个 MCP server：多项目需多文件夹、多 MCP 入口（有意设计，避免上下文串台）
  2. PDF 表格提取较粗糙：pdf-oxide 对文本流友好，但财务表格建议走 Mistral OCR
  3. LibreOffice 部署摩擦：Word/PPT 转换需本地安装 LibreOffice（仅 PDF/Markdown 用户可跳过）
  4. 本地模式无向量检索：仅 FTS5 全文搜索，无语义/embedding 检索（云端版 llmwiki.app 用 PGroonga）
  5. 无跨进程写锁：并发编辑同一页面可能丢更新

八、为什么这能赢过静态笔记

Personal wikis usually fail on maintenance, not intent. ——lucasastorian

个人 Wiki 通常不是"不想做"，而是"维护跟不上"。链接失效、引用过期、条目重复、合并冲突——这些琐碎的编辑工作会随着资料量线性增长，最终劝退大多数人。

llmwiki 的解法是：你负责选资料、定方向；Claude 负责维护链接、刷新摘要、标记矛盾、联动相关页面。把"知识编辑"这个最消耗心力的环节外包给 LLM。

llmwiki 演示

九、总结

llmwiki = 本地优先 + MCP 协议 + Claude 持续维护，把"研究文件夹"升级成"活的 Wiki"。

维度 评分
创新性 ⭐⭐⭐⭐⭐（Karpathy 概念落地的开源先例）
实用性 ⭐⭐⭐⭐⭐（学术/投研/法律/教育全场景适用）
易用性 ⭐⭐⭐⭐（一条命令启动，门槛低）
可扩展性 ⭐⭐⭐⭐⭐（MCP 协议 + 多客户端 + 自托管云端）
本地优先 ⭐⭐⭐⭐⭐（无云依赖，文件系统为单一可信源）

如果你正被"研究文件夹"折磨，或者想给 Claude 配一个"长期记忆引擎"，llmwiki 是 2026 年最值得尝试的方案之一。

项目地址: https://github.com/lucasastorian/llmwiki 云端版: https://llmwiki.app 协议: Apache-2.0 推荐指数: ⭐⭐⭐⭐⭐

免责声明：本文基于 GitHub 公开信息整理，Stars/Forks 数据截至 2026-06-07。