能力标签

🛠

AI工具

LLM Wiki Skill

基于 TypeScript · 开源免费，本地部署，数据完全自主可控

英文名：llm-wiki-skill

⭐ 1.9k Stars 🍴 247 Forks 💻 TypeScript 📄 未公布协议 🏷 AI 8.5分

8.5AI 综合评分

AI知识库TypeScript

🔍 查看原项目 📺 TG 频道

✦ AI Skill Hub 推荐

LLM Wiki Skill 是 AI Skill Hub 本期精选AI工具之一。已获得 1.9k 颗 GitHub Star，综合评分 8.5 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

LLM Wiki Skill 是一款基于 TypeScript 的开源工具，在 GitHub 上收获 2k+ Star，是AI、知识库、TypeScript领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
LLM Wiki Skill 依赖 TypeScript 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 TypeScript 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 LLM Wiki Skill 的版本更新，及时通知重要功能变化。

📋 工具概览

LLM Wiki Skill 是一款基于 TypeScript 开发的开源工具，专注于 AI、知识库、TypeScript 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars

⭐ 1.9k

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

正常维护，社区驱动

开源协议

未公布

AI 综合评分

8.5 分

工具类型

AI工具

Forks

247

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

🎯 主要使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：npm 全局安装
npm install -g llm-wiki-skill

# 方式二：npx 直接运行（无需安装）
npx llm-wiki-skill --help

# 方式三：项目依赖安装
npm install llm-wiki-skill

# 方式四：从源码运行
git clone https://github.com/sdyckjq-lab/llm-wiki-skill
cd llm-wiki-skill
npm install
npm start

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
遇到问题可在 GitHub Issues 中查找解答

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
llm-wiki-skill --help

# 基本用法
llm-wiki-skill [options] <input>

# Node.js 代码中使用
const llm_wiki_skill = require('llm-wiki-skill');

const result = await llm_wiki_skill.run(options);
console.log(result);

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# llm-wiki-skill 配置说明
# 查看配置选项
llm-wiki-skill --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LLM_WIKI_SKILL_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 43/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

English | 中文

核心亮点

	功能	说明
🗺️	数字山水知识图谱	自包含 HTML，双击即可浏览；三栏国风布局、山水底图、可拖拽缩放画布、小地图定位和左右阅读区全部离线运行
✨	图谱阅读体验打磨	节点按地名、索引签条、朱砂批注分层；默认画面更轻，悬停可预览，点击先看摘要，再通过明确动作进入阅读
🎓	本地阅读动线	社区图例、聚焦筛选、图谱搜索、右侧摘要/阅读抽屉和选区抽屉保持联动；社区先摘要再进入聚焦
📦	零配置初始化	一句话创建完整知识库，自动生成目录结构、模板和研究方向页
🔗	结构化 Wiki	自动生成实体页、主题页、素材摘要，用 `[[双向链接]]` 互相关联
🏷️	置信度标注	EXTRACTED / INFERRED / AMBIGUOUS / UNVERIFIED，一眼看出哪些需要核实
🔄	智能缓存	SHA256 去重 + 写入即更新 + 自愈安全网，弱模型也不会漏缓存
🧠	对话结晶化	把有价值的对话内容直接沉淀为知识库页面
💬	工作台对话自动跟随	发送和流式回复时自动停在最新内容，用户上翻时暂停，并用向下箭头一键回到底部
🧰	工作台动态工具状态	agent 执行工具时显示当前动作；完成后折叠成摘要，避免主对话被工具流水账刷屏
📡	自动上下文注入	SessionStart hook 让 agent 每次会话自动感知知识库
📊	多格式分析	深度报告、对比表、时间线三种综合分析格式

---

前置条件

核心：agent 能执行 shell 命令、读写本地文件即可；图谱构建和来源信号覆盖检查需要 jq + node
可选：微信公众号提取需要 uv；网页提取需要 bun 或 npm；需要登录态的内容可开启 Chrome 调试端口 9222

</details>

你的知识库/
├── raw/                    # 原始素材（不可变）
│   ├── articles/           # 网页文章
│   ├── tweets/             # X/Twitter
│   ├── wechat/             # 微信公众号
│   ├── xiaohongshu/        # 小红书
│   ├── zhihu/              # 知乎
│   ├── pdfs/               # PDF
│   ├── notes/              # 笔记
│   └── assets/             # 图片等附件
├── wiki/                   # AI 生成的知识库
│   ├── entities/           # 实体页（人物、概念、工具）
│   ├── topics/             # 主题页
│   ├── sources/            # 素材摘要
│   ├── comparisons/        # 对比分析
│   ├── synthesis/          # 综合分析
│   │   └── sessions/       # 对话结晶化页面
│   └── queries/            # 保存的查询结果
├── purpose.md              # 研究方向与目标
├── index.md                # 索引
├── log.md                  # 操作日志
├── .wiki-schema.md         # 配置
└── .wiki-cache.json        # 素材去重缓存

</details>

这个仓库还是只给 Claude 用吗？ 不是。Claude 只是其中一个入口。同一个链接能被 Claude Code、Codex、OpenClaw、Hermes 安装和使用。

为什么 Hermes 要看 HERMES.md？ Hermes 会优先加载仓库根的 HERMES.md 作为项目上下文。这个文件只负责 Hermes 的入口与安装说明，核心能力和工作流仍以 SKILL.md 为准。

Claude Code 里可以直接用命令更新吗？ 可以。默认安装后自带 /llm-wiki-upgrade，更新核心主线。需要网页/X/公众号/YouTube/知乎提取能力时，再加 --with-optional-adapters。

X/Twitter 提取失败？ 确保已安装可选提取器（--with-optional-adapters）。需要登录态的内容请开启 Chrome 调试端口 9222，或者直接粘贴内容给 agent。

公众号提取失败？ 需要 uv。安装后重新运行 bash install.sh --platform <你的平台> --with-optional-adapters。

</details>

---