VOOZH about

URL: https://glama.ai/mcp/servers/iamsashank09/llm-wiki-kit?locale=zh-CN

⇱ LLM Wiki Kit by iamsashank09 | Glama

📚 llm-wiki-kit

别再每次对话都向 AI 代理重新解释你的研究了。

👁 License: MIT
👁 Python 3.10+

llm-wiki-kit 为你的 AI 代理提供了一种持久化、结构化的记忆，并随时间不断积累。放入 PDF、URL、YouTube 视频——你的代理会构建一个维基，连接各个知识点，并在不同会话间记住一切。

基于 Karpathy 的 LLM Wiki 模式。适用于 Claude、Codex、Cursor、Windsurf 以及任何兼容 MCP 的代理。

https://github.com/user-attachments/assets/8814a581-1832-4e94-a5df-9e9b6b041507

问题所在

每次开始新对话时：

You: "Remember that paper on speculative decoding I shared last week?"
Agent: "I don't have access to previous conversations..."
You: *sighs, re-uploads PDF, re-explains context*

你总是不得不重新教你的代理它本应已经知道的事情。

Related MCP server: Notemd MCP Server

解决方案

使用 llm-wiki-kit，你的代理可以维护自己的知识库：

You: "What did we learn about speculative decoding?"
Agent: *searches wiki* "Based on the 3 papers you've shared, the Eagle 
 architecture shows the best efficiency tradeoffs because..."

维基是持久的。 交叉引用不断增加。随着你添加的源文件越多，你的代理会变得越聪明。

⚡ 快速入门 (2 分钟)

1. 安装

pip install "llm-wiki-kit[all] @ git+https://github.com/iamsashank09/llm-wiki-kit.git"

2. 初始化维基

mkdir my-research && cd my-research
llm-wiki-kit init --agent claude

3. 连接你的代理

添加到 Claude Desktop 配置 (claude_desktop_config.json)：

{
 "mcpServers": {
 "llm-wiki-kit": {
 "command": "llm-wiki-kit",
 "args": ["serve", "--root", "/path/to/my-research"]
 }
 }
}

OpenAI Codex

codex mcp add llm-wiki-kit -- llm-wiki-kit serve --root /path/to/my-research

Cursor

添加到 .cursor/mcp.json：

{
 "mcpServers": {
 "llm-wiki-kit": {
 "command": "llm-wiki-kit",
 "args": ["serve", "--root", "/path/to/my-research"]
 }
 }
}

Windsurf

添加到 ~/.codeium/windsurf/mcp_config.json：

{
 "mcpServers": {
 "llm-wiki-kit": {
 "command": "llm-wiki-kit",
 "args": ["serve", "--root", "/path/to/my-research"]
 }
 }
}

4. 使用它

You: "Ingest this paper: raw/attention-is-all-you-need.pdf"
Agent: *creates wiki pages, cross-references concepts, updates index*

You: "Now ingest https://youtube.com/watch?v=kCc8FmEb1nY"
Agent: *extracts transcript, links to existing transformer concepts*

You: "How does the attention mechanism in the paper relate to Karpathy's explanation?"
Agent: *searches wiki, synthesizes answer from both sources*

你的代理现在拥有了跨会话的持久记忆。

🔥 核心优势

特性

为什么重要

多格式摄取

PDF、URL、YouTube、Markdown — 直接放入即可

自动交叉引用

代理会在相关概念之间构建 [[wiki links]]

跨会话持久化

开始新对话时无需丢失上下文

全文搜索

代理可即时查找相关页面 (SQLite FTS5)

健康检查

wiki_lint 可捕获断链、孤立页面和矛盾内容

图谱可视化

wiki_graph 生成知识的交互式 HTML 地图（见下文）

零锁定

它只是文件夹中的 Markdown 文件 — 可在 Obsidian、VS Code 等任何地方查看

兼容任何 MCP 代理

Claude、Codex、Cursor、Windsurf 等

📥 支持的源文件

你的代理可以摄取任何内容：

放入此内容...

得到此结果...

raw/paper.pdf

提取的文本、页码标记、元数据

https://arxiv.org/abs/...

清理后的文章内容，自动保存到 raw/

https://youtube.com/watch?v=...

带有时间戳的完整转录文本

raw/notes.md

直接 Markdown 摄取

安装所需依赖：

pip install "llm-wiki-kit[pdf]" # PDF support
pip install "llm-wiki-kit[web]" # URL extraction 
pip install "llm-wiki-kit[youtube]" # YouTube transcripts
pip install "llm-wiki-kit[all]" # Everything

🧠 工作原理

┌─────────────────────────────────────────────────────────┐
│ YOU │
│ "Ingest this paper. How does it relate to X?" │
└───────────────────────┬─────────────────────────────────┘
 │
┌───────────────────────▼─────────────────────────────────┐
│ WIKI (agent-maintained) │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ concepts/ │ │ sources/ │ │ synthesis/ │ │
│ │ attention.md │◄─┤ paper-1.md │──► cache.md │ │
│ │ [[linked]] │ │ [[linked]] │ │ [[linked]] │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │
│ + index.md (table of contents) │
│ + log.md (what happened when) │
└───────────────────────┬─────────────────────────────────┘
 │
┌───────────────────────▼─────────────────────────────────┐
│ RAW SOURCES (immutable) │
│ paper.pdf, article.html, transcript.md │
└─────────────────────────────────────────────────────────┘

代理读取原始源文件，编写维基页面，并维护连接。你无需直接接触维基——所有工作都由代理完成。

📊 知识图谱

wiki_graph 生成维基结构的交互式 HTML 可视化图：

节点按类型（源文件、概念、综合）进行颜色编码。点击并拖动以探索连接。

🛠 可用工具

你的代理将获得以下 MCP 工具：

工具

功能

wiki_ingest

处理任何源文件（文件、URL、YouTube）

wiki_write_page

创建或更新维基页面

wiki_read_page

读取特定页面

wiki_search

对所有页面进行全文搜索

wiki_lint

查找断链、孤立页面、空页面

wiki_status

概览：页面计数、源文件、近期活动

wiki_log

追加到操作日志

wiki_graph

生成交互式 HTML 图谱可视化

💡 使用场景

研究：在数周内将论文输入你的维基。提出跨越所有阅读内容的综合性问题。

技术入职：摄取代码库文档。你的代理可以根据积累的上下文回答架构问题。

竞争情报：添加市场报告、财报电话会议、新闻。代理会维护一个随着你添加内容而更新的动态全景图。

学习：观看 YouTube 教程，阅读博客文章。代理会为你学习的所有内容构建个性化维基。

读书笔记：阅读时摄取章节。代理会跟踪人物、主题、情节线索和联系。

🔍 专业提示

  • 使用 Obsidian 可视化你的维基图谱 — 它本质上就是一个 Markdown 文件文件夹

  • Git init 你的维基目录 — 免费获得版本历史记录

  • 让代理积极地进行链接 — 价值在于连接的复合效应

  • 定期运行 lint — 捕获知识库中的矛盾和空白

  • 从小处着手 — 即使只有 5-10 个源文件，也能产生非常有用的维基

📦 开发

git clone https://github.com/iamsashank09/llm-wiki-kit
cd llm-wiki-kit
uv venv && source .venv/bin/activate
uv pip install -e ".[all]"

🙏 致谢

基于 Andrej Karpathy 的 LLM Wiki 构想。

📄 许可证

MIT — 随你所用。

A
license - permissive license
-
quality - not tested
B
maintenance

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/iamsashank09/llm-wiki-kit'

If you have feedback or need assistance with the MCP directory API, please join our Discord server