[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-80301":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":13,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":14,"stars7d":15,"stars30d":15,"stars90d":14,"forks30d":14,"starsTrendScore":14,"compositeScore":16,"rankGlobal":9,"rankLanguage":9,"license":9,"archived":17,"fork":17,"defaultBranch":18,"hasWiki":19,"hasPages":17,"topics":20,"createdAt":9,"pushedAt":9,"updatedAt":21,"readmeContent":22,"aiSummary":23,"trendingCount":14,"starSnapshotCount":14,"syncStatus":24,"lastSyncTime":25,"discoverSource":26},80301,"llm-wiki","liangdabiao\u002Fllm-wiki","liangdabiao","基于 [Karpathy llm-wiki]方法论，利用 AI 持续构建和维护你的个人知识库。支持从多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）自动整理为结构化的 wiki，并通过 Quartz 发布为静态wiki知识库网站。 并通过 claude_agent_sdk 调用 claude agent 使用 llm-wiki ,提供api接口对外访问服务 。",null,"TypeScript",79,11,1,0,5,3.24,false,"main",true,[],"2026-06-12 02:04:00","# LLM Wiki - 个人 AI 知识库系统\n\n基于 [Karpathy llm-wiki]方法论，利用 AI 持续构建和维护你的个人知识库。支持从多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）自动整理为结构化的 wiki，并通过 Quartz 发布为静态wiki知识库网站。 并通过 claude_agent_sdk 调用 claude agent 使用 llm-wiki ,提供api接口对外访问服务 。\n\nClaude Agent SDK + LLM-wiki，最强大的agentic RAG 。 本项目主要展示了我制作的 llm-wiki 怎样通过 Claude Agent SDK 转为 agentic rag， 效果非常好的。 核心文件是： 7_wiki_writer.py ， wiki_writer_api.py 。\n\n## 🤔 什么是 LLM-wiki？\nLLM Wiki：用大语言模型把你的零散知识，自动整理成一部结构化的“个人百科全书”。传统的做法是，每次你想问 AI 一个问题，AI 都要重新翻一遍你的所有资料，找到相关的再回答你（这叫 RAG，检索增强生成）。这就好比你每次问图书管理员一个问题，他都要把整个图书馆的书重新翻一遍。Karpathy 说，这太蠢了。正确的做法是：让 AI 当一个“知识编译器”，先把你的所有资料读一遍，整理成一本结构清晰、彼此关联的百科全书。以后你再提问，AI 直接翻这本百科书就行了。\n\n原来的RAG系统的完整链路是这样的：ingest → chunk → index → retrieve → rerank → prompt-pack → generate → cite ， Karpathy 大神的确非常深刻，过去几年最重要的ai概念都是他总结出来，都是看起来很简单，但是达到了最本质。llm wiki被大大低估了，这个东西就是开发ai的根。 我给你看看， 其实k大神的意思是这些， 这个wiki格式是非常重要，ai就是靠这个组织了整个知识 所以，它一下子解决了rag全部问题，我已经不再用rag了，因为这个才是答案。 除了rag，它可以一键生成wiki网站，真正的知识库 幸好我测试多个，现在知道这个好东西，基于这个东西，我可以搞很多厉害的项目，因为 理解越深，生成越深，本质就是这样搞ai 。 目前项目的wiki文件夹就是放wiki资料的地方，我暂时放了 鱼皮大牛 写的一些开源文章，用来测试效果。\n\n项目参考了优秀的开源项目：\nhttps:\u002F\u002Fgithub.com\u002Fkenneth-liao\u002Fclaude-agent-sdk-intro ，\nhttps:\u002F\u002Fgithub.com\u002Fsdyckjq-lab\u002Fllm-wiki-skill\n\n\n特别感谢佬友：https:\u002F\u002Flinux.do\u002F\n\n## 三大核心能力\n\n### 1. LLM Wiki Skill — 知识库构建\n\n利用 Claude Code 的 Skill 机制，让 AI 自动完成知识库的采集、整理、质量控制和维护。\n\n**支持的工作流：**\n\n| 工作流 | 说明 |\n|--------|------|\n| `init` | 初始化新知识库，创建目录结构和配置 |\n| `ingest` | 消化单篇素材（URL \u002F 文件 \u002F 粘贴文本），自动提取实体和主题 |\n| `batch-ingest` | 批量处理多文件（.md \u002F .txt \u002F .pdf \u002F .html） |\n| `query` | 查询知识库，返回带来源引用的综合回答 |\n| `digest` | 深度综合报告，跨素材分析特定主题 |\n| `lint` | 健康检查：孤立页面、断链、内容质量 |\n| `status` | 查看知识库状态：来源分布、页面统计、近期活动 |\n| `graph` | 生成 Mermaid 知识图谱，可视化实体关系 |\n\n**支持的素材源：**\n\n| 类型 | 提取方式 |\n|------|---------|\n| 网页文章 | `baoyu-url-to-markdown` |\n| X \u002F Twitter | `baoyu-url-to-markdown` |\n| 微信公众号 | `wechat-article-to-markdown` |\n| YouTube | `youtube-transcript` |\n| 知乎 | `baoyu-url-to-markdown` |\n| PDF | 直接读取 |\n| 本地文件 (.md \u002F .txt) | 直接读取 |\n\n**知识库目录结构：**\n\n```\nai-wiki\u002F\n├── .wiki-schema.md      # 知识库配置和质量标准\n├── index.md             # 内容索引\n├── log.md               # 操作日志\n├── overview.md          # 快速导航\n├── raw\u002F                 # 原始素材\n│   ├── articles\u002F        # 网页文章\n│   ├── tweets\u002F          # 推特内容\n│   ├── wechat\u002F          # 公众号文章\n│   ├── xiaohongshu\u002F     # 小红书内容\n│   ├── zhihu\u002F           # 知乎内容\n│   ├── pdfs\u002F            # PDF 文件\n│   └── notes\u002F           # 笔记和文本\n└── wiki\u002F                # 结构化 wiki 内容\n    ├── entities\u002F        # 实体页（工具、概念、人物）\n    ├── topics\u002F          # 主题页（研究领域）\n    ├── sources\u002F         # 来源摘要\n    ├── comparisons\u002F     # 对比分析\n    └── synthesis\u002F       # 综合分析\n```\n\n**详细使用步骤：**\n\n❯ ai-guide 是 收集回来的资料， 现在需求为 需要你利用 llm-wiki skill 对这些资料进行分析整理成wiki,请你完成\n\n![](.\u002F图片1.png)\n\n### 2. Quartz Wiki Skill — 静态网站部署\n\n将生成的知识库通过 [Quartz v4](https:\u002F\u002Fquartz.jzhao.xyz\u002F) 发布为美观的静态网站。\n\n**特性：**\n- 双向链接和关系图谱\n- 全文搜索\n- 响应式设计，支持亮色\u002F暗色主题\n- 支持部署到 Cloudflare Pages \u002F Vercel \u002F GitHub Pages\n\n**配置文件：** `quartz\u002Fquartz.config.ts`\n\n```bash\n# 本地预览\ncd quartz\nnpx quartz build --serve\n\n# 构建生产版本\nnpx quartz build\n\n# 部署到 Cloudflare Pages\nnpx wrangler pages deploy public\n```\n\n\n\n**claude code里面详细使用skill步骤：**\n\n❯ 请利用 quartz-wiki skill 把 ai-wiki 制作成 quartz网站\n\n当前部署地址：`http:\u002F\u002Fwikilego.liangdabiao.com\u002F`\n![](.\u002F图片2.png)\n\n### 3. Claude Agent SDK — 对外服务\n\n通过 [Claude Agent SDK](https:\u002F\u002Fdocs.claude.com\u002Fen\u002Fapi\u002Fagent-sdk\u002Fpython) 将知识库能力封装为可编程调用的 AI Agent。\n\n#### CLI 模式 (`7_wiki_writer.py`)\n\nAgent 会自动识别用户意图，调用 llm-wiki-skill 完成知识库操作（查询、消化素材、生成文章等）。\n\n```bash\n# 单次请求\n.\\.venv\\Scripts\\python.exe -B 7_wiki_writer.py -r \"帮我写一篇关于 AI Agent 的综合文章\"\n\n# 交互式模式（连续对话）\n.\\.venv\\Scripts\\python.exe -B 7_wiki_writer.py -i\n```\n\n#### API 模式 (`wiki_writer_api.py`)\n\n基于 FastAPI 的 HTTP 服务，支持 SSE 流式响应和同步 JSON 响应。\n\n```bash\n# 启动服务\n.\\.venv\\Scripts\\python.exe -B wiki_writer_api.py\n\n# 或使用 uvicorn（支持热重载）\n.\\.venv\\Scripts\\uvicorn.exe wiki_writer_api:app --host 0.0.0.0 --port 8000 --reload\n```\n\n**API 端点：**\n\n| 方法 | 路径 | 说明 |\n|------|------|------|\n| GET | `\u002Fhealth` | 健康检查 |\n| POST | `\u002Fapi\u002Fv1\u002Fwiki\u002Fgenerate` | 流式生成 (SSE) |\n| POST | `\u002Fapi\u002Fv1\u002Fwiki\u002Fgenerate\u002Fsync` | 同步生成 (JSON) |\n\n**请求示例：**\n\n```bash\n# 同步模式\ncurl -X POST http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fv1\u002Fwiki\u002Fgenerate\u002Fsync \\\n  -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"request\": \"分析知识库中关于 Agent 的内容\"}'\n\n# 流式模式 (SSE)\ncurl -X POST http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fv1\u002Fwiki\u002Fgenerate \\\n  -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"request\": \"帮我消化这篇 https:\u002F\u002Fexample.com\u002Farticle\"}'\n```\n\n**响应格式（同步）：**\n\n```json\n{\n  \"success\": true,\n  \"content\": \"生成的文章内容...\",\n  \"model\": \"deepseek-v4-flash\",\n  \"request\": \"分析知识库中关于 Agent 的内容\"\n}\n```\n\n---\n\n## 快速开始\n\n### 环境要求\n\n- **Python 3.13+**（必须）\n- **uv**（Python 包管理器，[安装指南](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002Fgetting-started\u002Finstallation\u002F)）\n- **Claude Code**（`npm install -g @anthropic-ai\u002Fclaude-code`）\n- **Node.js**（Quartz 构建和 API 服务需要）\n\n### 安装\n\n```bash\n# 1. 克隆项目\ngit clone \u003Crepository-url>\ncd llm-wiki-skill-main\n\n# 2. 安装 Python 依赖（uv 自动创建 .venv 虚拟环境）\nuv sync\n\n# 3. 配置环境变量\ncp .env.example .env\n# 编辑 .env，填入你的 API 配置\n```\n\n### 环境变量配置\n\n编辑 `.env` 文件，根据你使用的 API 选择一种配置：\n\n**使用 Anthropic 官方 API：**\n\n```env\nANTHROPIC_AUTH_TOKEN=sk-ant-your_key_here\nANTHROPIC_BASE_URL=https:\u002F\u002Fapi.anthropic.com\nMODEL=claude-sonnet-4-20250514\n```\n\n**使用 DeepSeek 等兼容接口：**\n\n```env\nANTHROPIC_AUTH_TOKEN=your_deepseek_key\nANTHROPIC_BASE_URL=https:\u002F\u002Fapi.deepseek.com\u002Fanthropic\nMODEL=deepseek-v4-flash\n```\n\n### 验证安装\n\n```bash\n# 检查 Python 版本（必须 3.13+）\n.\\.venv\\Scripts\\python.exe --version\n\n# 检查 SDK 版本（必须是 0.1.1）\n.\\.venv\\Scripts\\python.exe -B -c \"import claude_agent_sdk; print(claude_agent_sdk.__version__)\"\n\n# 测试 CLI 模式\n.\\.venv\\Scripts\\python.exe -B 7_wiki_writer.py -r \"你好\"\n```\n\n### 使用知识库\n\n在 Claude Code 中进入项目目录，直接用自然语言操作：\n\n```\n# 初始化知识库\n\"帮我初始化一个关于 AI 的知识库\"\n\n# 添加素材\n\"帮我消化这篇 https:\u002F\u002Fexample.com\u002Farticle\"\n\n# 查询知识库\n\"关于 RAG 技术，我的知识库里有什么？\"\n\n# 健康检查\n\"检查一下知识库的状态\"\n```\n\n---\n\n## 关于 Python 版本管理\n\n项目要求 Python 3.13+。推荐使用 `uv` 管理，它会自动创建 `.venv` 虚拟环境，无需手动切换 Python 版本：\n\n```bash\n# 所有命令通过 .venv 执行（-B 跳过字节码缓存加速启动）\n.\\.venv\\Scripts\\python.exe -B 7_wiki_writer.py -r \"你的请求\"\n.\\.venv\\Scripts\\python.exe -B wiki_writer_api.py\n```\n\n如果你使用 **pyenv**，`.python-version` 写的是 `3.13`，但 pyenv 需要完整版本号：\n\n```bash\npyenv install 3.13.7\npyenv local 3.13.7\n```\n\n> **Windows 启动慢？** 首次运行时 `mcp` 包需要编译大量字节码（`.pyc`），在 Windows 上可能耗时 1-2 分钟。加 `-B` 参数可跳过字节码缓存，显著加速启动。\n\n---\n\n## 常见问题\n\n### SDK connect() 卡死无响应\n\n**症状：** 运行脚本后显示面板信息，但一直卡在 \"正在分析请求\" 没有响应。\n\n**原因：** `claude-agent-sdk` 0.1.7x 版本在 Windows + Python 3.13 环境下存在 `anyio.to_thread.run_sync` 死锁 bug。\n\n**解决：** 确认 SDK 版本为 `0.1.1`（已锁定在 `pyproject.toml`）：\n\n```bash\n.\\.venv\\Scripts\\python.exe -B -c \"import claude_agent_sdk; print(claude_agent_sdk.__version__)\"\n# 必须输出 0.1.1\n```\n\n如果版本不对，重建虚拟环境：\n\n```bash\nrmdir \u002Fs \u002Fq .venv\nuv sync\n```\n\n### receive_response() 不终止（Python 3.11 及以下）\n\n在 Python 3.11 上，使用 DeepSeek 等第三方端点时，SDK 的 `receive_response()` 不会自动终止。升级到 Python 3.13 后自动解决。\n\n### uv run 无响应\n\n`uv run` 可能卡在依赖解析或安装。直接使用 `.venv` 中的 Python：\n\n```bash\n.\\.venv\\Scripts\\python.exe -B your_script.py\n```\n\n### ImportError: No module named 'fastapi'\n\nAPI 模式需要额外依赖，运行 `uv sync` 安装：\n\n```bash\nuv sync\n```\n\n---\n\n## 项目结构\n\n```\nllm-wiki-skill-main\u002F\n├── .claude\u002F\n│   └── skills\u002F\n│       ├── llm-wiki-skill\u002F       # 知识库构建 Skill\n│       │   ├── SKILL.md           # Skill 定义和工作流\n│       │   ├── scripts\u002F           # 辅助脚本\n│       │   └── templates\u002F         # 页面模板\n│       └── quartz-wiki\u002F           # 静态网站部署 Skill\n│           └── SKILL.md\n├── ai-wiki\u002F                      # 知识库数据\n│   ├── raw\u002F                     # 原始素材\n│   └── wiki\u002F                    # 结构化 wiki 内容\n├── quartz\u002F                       # Quartz 静态站点\n├── 7_wiki_writer.py              # SDK CLI 工具\n├── wiki_writer_api.py            # SDK API 服务\n├── pyproject.toml                # Python 依赖\n├── .env.example                  # 环境变量模板\n└── .gitignore\n```\n\n## 质量标准\n\n知识库遵循严格的质量规范：\n\n- **实体页**：至少 1500 字，禁止占位符文本，必须标注来源\n- **来源摘要**：必须包含\"实践内容\"和\"摘录\"部分\n- **主题页**：至少 5 个核心要点，需要知识结构\n- **链接一致性**：所有 `[[链接]]` 必须与实际文件名匹配\n- **中英双语**：支持中文和英文，文件路径保持一致\n\n## 参考资料\n\n- [Claude Agent SDK 文档](https:\u002F\u002Fdocs.claude.com\u002Fen\u002Fapi\u002Fagent-sdk\u002Fpython)\n- [Claude Agent SDK 教程](https:\u002F\u002Fgithub.com\u002Fkenneth-liao\u002Fclaude-agent-sdk-intro)\n- [Quartz v4 文档](https:\u002F\u002Fquartz.jzhao.xyz\u002F)\n- [Karpathy llm-wiki](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fllm-wiki)\n","LLM Wiki 是一个基于 AI 的个人知识库系统，能够自动从多种素材源（如网页、推特、公众号、小红书、知乎、YouTube、PDF 和本地文件）整理并构建结构化的 wiki。其核心功能包括通过 Claude Agent SDK 调用 Claude agent 来处理和维护知识库，并提供 API 接口以便外部访问。此外，该项目还支持使用 Quartz 将生成的知识库发布为静态网站，具备全文搜索、双向链接等功能。适合需要高效管理和利用大量信息资源的研究者、学生以及任何希望构建个人知识体系的用户使用。",2,"2026-06-11 04:00:12","CREATED_QUERY"]