nashsu /
llm_wiki
LLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。
Форки
1.3k
Звёзды
10.2k
Issues
0
LLM Wiki превращает локальные документы в структурированную базу знаний. В отличие от RAG, он создает и обновляет постоянную вики-систему из ваших файлов.
Что делает
Приложение берет массив документов и превращает их в связанную сеть знаний. Вы не просто ищете ответы в тексте, а получаете структурированную базу, где данные логически связаны между собой. Это избавляет от необходимости каждый раз прогонять контекст через LLM с нуля.
Он работает как персональный менеджер знаний. Вы скармливаете ему PDF, текстовые файлы или заметки, а он индексирует их и выстраивает связи. Получается полноценная вики, которую можно просматривать и дополнять.
Как работает
Программа использует LLM для анализа структуры документов и извлечения сущностей. В отличие от стандартного RAG, где система каждый раз «читает» файлы при запросе, этот инструмент строит постоянный граф знаний. Он сохраняет эту структуру локально, поэтому ответы приходят быстрее и точнее.
Всё работает на десктопе. Данные не улетают в облако без необходимости, что важно для приватности.
Кому подходит
Вайб-кодерам, которые строят базу знаний для своего SaaS-проекта.
Тем, кто хочет превратить гору документации в структурированный справочник.
Разработчикам ботов, которым нужен контекст, а не просто поиск по ключевым словам.
Фрилансерам, собирающим информацию по проектам в одну связную систему.
Основные возможности
Автоматическое создание связей между документами.
Постоянное хранение структуры знаний вместо временного RAG-контекста.
Кроссплатформенная поддержка для macOS, Windows и Linux.
Локальная обработка файлов для защиты данных.
Интерфейс для удобной навигации по созданной базе.
Постепенное обновление вики при добавлении новых источников.
Как установить
Для установки используйте актуальный релиз с GitHub. Обычно это исполняемый файл для вашей ОС. Если предпочитаете сборку из исходников, клонируйте репозиторий и используйте стандартный стек TypeScript.
git clone https://github.com/nashsu/llm_wiki
npm install
npm run devУбедитесь, что у вас установлены все зависимости в Node.js перед запуском сборки.
Как применить в своём продукте
Вы можете использовать это как бэкенд для своего AI-агента. Вместо классического поиска по вектору, вы даете агенту доступ к уже структурированной вики. Он будет отвечать точнее, опираясь на готовые связи между данными.
Интегрировать как внутреннюю базу знаний для поддержки пользователей в SaaS.
Использовать как движок для автоматического создания FAQ из документации.
Обернуть базу знаний в API и отдавать ответы через своего Telegram-бота.
Подводные камни
Главная проблема — потребление ресурсов. Постоянное поддержание графа знаний требует много оперативной памяти при большом объеме документов. Также учитывайте стоимость токенов LLM при первоначальной индексации. Если документов тысячи, процесс может затянуться, а счет за API вырастет.
Частые вопросы
Чем это лучше обычного RAG?
RAG ищет куски текста под запрос. LLM Wiki создает постоянную структуру и связи между данными. Это дает более глубокие ответы, так как система «понимает» контекст всей базы, а не только найденного фрагмента.
Мои данные будут в безопасности?
Приложение работает локально на вашем десктопе. Вы сами контролируете, какие документы добавлять и к каким моделям обращаться. Это безопаснее, чем загружать файлы в облачные сервисы для индексации.
Можно ли использовать свои модели?
Да, приложение поддерживает настройку API для подключения различных LLM. Вы можете выбрать ту, которая лучше справляется с вашим языком или форматом документов.
Похожие репозитории
openclawПерсональный AI-ассистент с упором на приватность и владение данными. Кроссплатформенный инструмент для тех, кто хочет держать ИИ под своим контролем.
opencodeOpen source агент для автоматизации написания кода. Помогает генерировать и дорабатывать фичи в проекте без ручного кодинга.
clash-verge-revClash Verge Rev — это кроссплатформенный GUI-клиент на базе Tauri для управления прокси. Помогает вайб-кодерам настроить сетевой трафик без возни с конфигами.
Stirling-PDFStirling-PDF — это мощный self-hosted комбайн для любых манипуляций с PDF через браузер. Заменяет платные сервисы типа Adobe или SmallPDF.
Данные обновлены: 3 июня 2026 г.