Что это такое?
CLI-инструмент и архитектурный паттерн для создания персональной базы знаний, которая автоматически структурируется и обновляется с помощью LLM.
Проект / Python
stellarlinkco/llm-wiki: LLM Wiki — CLI для создания самообновляемой персональной базы знаний
Превратите свои PDF, статьи и заметки в живую, самообновляемую вики-базу знаний с помощью LLM.
Это инструмент для построения персональной базы знаний, которая растёт и обновляется сама. Вдохновлён паттерном Андрея Карпати. В отличие от RAG, это не просто поиск по документам, а цельная «живая книга», где LLM синтезирует знания из разных источников в...
Для кого это
Для разработчиков, исследователей и технических писателей, которые хотят систематизировать большие объёмы информации и автоматически поддерживать её в актуальном состоянии.
Проблема / задача
Традиционные методы хранения знаний (закладки, заметки, папки с PDF) быстро устаревают, не связаны между собой и сложны для поиска. RAG-системы требуют постоянных пересборок и не сохраняют структурированные выводы.
Как это работает
Проект разделяет процесс на два слоя: CLI-инструмент на Python парсит документы (PDF, DOCX, HTML и др.) в Markdown и строит поисковый индекс. Затем LLM-агент (например, Claude Code) анализирует эти тексты, вычленяет сущности, концепции, создаёт перекрёстные ссылки и генерирует структурированные вики-страницы. Знание компилируется один раз, а затем при добавлении новых документов система сама предлагает обновить...
Что видно по README
Это инструмент для построения персональной базы знаний, которая растёт и обновляется сама. Вдохновлён паттерном Андрея Карпати. В отличие от RAG, это не просто поиск по документам, а цельная «живая книга», где LLM синтезирует знания из разных источников в единую связанную структуру (сущности, концепции, сравнения). Проект имеет чёткую архитектуру (Clean Architecture + DDD) и предоставляет удобный CLI с JSON-выводом...
Ключевые возможности
Технологии
Интересный факт
Проект принципиально отказывается от подхода RAG в пользу «живой книги», которая сама предлагает обновления при поступлении новой информации, имитируя процесс обучения человека.
С чего начать
- Установите пакет: pip install -e . из папки cli
- Создайте новую базу знаний: llm-wiki init ./my-wiki
- Добавьте документы: llm-wiki parse ваш_файл.pdf и запустите поиск: llm-wiki search "ваш запрос"
Оценка GitRadar
Удобство
7/10
Свежесть
9/10
Перспектива
8/10
Монетизация
6/10
Общая оценка
7/10
Вердикт GitRadar
Стоит попробовать, если вы устали от хаоса в личных знаниях и хотите экспериментировать с автономными LLM-агентами для анализа информации. Архитектура продумана, код чистый, но проект молодой (звёзд мало).
Наблюдения по обновлениям
Проект активен, имеет подробную документацию на английском и китайском, продуманную архитектуру и тесты. Однако у него пока мало звёзд и форков, что говорит о ранней стадии adoption.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/stellarlinkco/llm-wiki
- Создан на GitHub
- 5 апреля 2026 г.
- Последнее обновление репо
- 5 апреля 2026 г.
- Последняя проверка GitRadar
- 5 апреля 2026 г.
- Изученные файлы
- README.zh-CN.md, cli/src/llm_wiki/infrastructure/cli.py, README.md, cli/pyproject.toml, cli/src/llm_wiki/__init__.py, cli/src/llm_wiki/infrastructure/__init__.py
FAQ
Для кого подходит?
Для разработчиков, исследователей и всех, кто работает с большим количеством документов и хочет автоматизировать их анализ и систематизацию.
Источники
Нужна помощь с stellarlinkco/llm-wiki?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.