📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流🧬 Embedding✨ GPT
Expo LLM Wiki
🛠
AI工具

Expo LLM Wiki

基于 TypeScript · 开源免费，本地部署，数据完全自主可控
英文名：expo-llm-wiki
⭐ 8 Stars 💻 TypeScript 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
ExpoLLMSQLite离线优先
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：Expo LLM Wiki 是一款优质的AI工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

Expo LLM Wiki 是一款基于 TypeScript 的开源工具，在 GitHub 上收获 0k+ Star，是Expo、LLM、SQLite、离线优先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**
Expo LLM Wiki 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 Expo LLM Wiki 的版本更新，及时通知重要功能变化。

📋 工具概览

Expo LLM Wiki 是一款基于 TypeScript 开发的开源工具，专注于 Expo、LLM、SQLite 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
⭐ 8
开发语言
TypeScript
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
7.5 分
工具类型
AI工具
Forks
—

📖 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」。

Expo LLM Wiki 是一款基于 TypeScript 开发的开源工具，专注于 Expo、LLM、SQLite 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。

📌 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 expo-llm-wiki

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

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

# 方式四：从源码运行
git clone https://github.com/equationalapplications/expo-llm-wiki
cd expo-llm-wiki
npm install
npm start
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 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
expo-llm-wiki --help

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

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

const result = await expo_llm_wiki.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
# expo-llm-wiki 配置说明
# 查看配置选项
expo-llm-wiki --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 EXPO_LLM_WIKI_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 52/100 含工作流图 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。

expo-llm-wiki

GitHub Tag TypeScript License: MIT

npm version npm downloads<br> npm version npm downloads<br> npm version npm downloads<br> npm version npm downloads

GitHub · Playground · Changelog · Issues

Installation

Choose the package for your platform:

Setup

`useMemoryRead(entityId, query, options?)`

Reactive read. Fetches on mount and re-fetches whenever entityId, query, wiki, or ReadOptions values change. Call refetch() to refresh manually. In-flight results always land before a queued re-fetch starts — results are never silently discarded.

const { data, isPending, error, refetch } = useMemoryRead('entity-123', 'weekend plans');
// data: MemoryBundle | null

Core API

React Component API

React hooks are available from @equationalapplications/react-llm-wiki (web) and @equationalapplications/expo-llm-wiki (Expo). Use the React-specific entry points when integrating with React.

Monorepo Packages

expo-llm-wiki is organized as a monorepo with five packages:

PackagePurposePlatform
**@equationalapplications/core-llm-wiki**Persistent episodic memoryNode.js, any platform
**@equationalapplications/expo-llm-wiki**Persistent episodic memoryExpo, React Native
**@equationalapplications/react-llm-wiki**Persistent episodic memoryWeb (React)
**@equationalapplications/core-llm-tools**Platform-agnostic Gemini tool schemas and capability-based scope injectorNode.js, browser, React Native
**@equationalapplications/prisma-outbox**Sync SQLite outbox events to Prisma-backed database (transactional outbox pattern)Node.js

Choose your package: - Expo/React Native app? → @equationalapplications/expo-llm-wiki - React web app (CRA, Vite + React, Next.js client)? → @equationalapplications/react-llm-wiki + sql.js - Vanilla JS or non-React framework? → @equationalapplications/core-llm-wiki + sql.js - Node.js backend? → @equationalapplications/core-llm-wiki + better-sqlite3 - Gemini tool schemas + capability-scoped injection? → @equationalapplications/core-llm-tools

The wiki packages share the same core API and database schema. The core library is framework-agnostic; @equationalapplications/expo-llm-wiki injects the Expo adapter, while @equationalapplications/core-llm-wiki and @equationalapplications/react-llm-wiki require your application to provide a SQLite adapter.

@equationalapplications/core-llm-tools is a standalone, zero-dependency package — it has no SQLite or framework dependencies and can be used independently of the wiki packages. See packages/core-llm-tools/README.md for full documentation.

React Component Lifecycle

How React hooks stay in sync with memory state:

flowchart TD A[""] --> B["App Components"] B --> C{"Use Hook?"} C -->|"useMemoryRead(entityId, query, options?)"| D["[Read Memory]"] C -->|"useWikiWrite()"| E["[Write Memory]"] C -->|"useWikiIngest()"| F["[Ingest Document]"] C -->|"useWikiForget()"| G["[Delete Memory]"] C -->|"useWikiMaintenance()"| H["[Run Jobs]"] D --> I{"entityId, query,
wiki, or ReadOptions
changed?"} I -->|"Yes"| J["Auto-refetch"] I -->|"No"| K["Return cached data"] J --> L["Trigger read()"] L --> M["Embed query
if embed available"] M --> N["Phase 1: Score facts
Phase 2: Fetch winners"] N --> O["Update component state"] O --> P["Re-render with data"] E --> Q["Execute write()"] F --> Q G --> Q H --> Q Q --> R["Write completes"]
  1. Wrap app with <WikiProvider wiki={wiki}> — provides wiki context
  2. Read operations auto-refetch when entityId, query, wiki, or ReadOptions values change; call refetch() to refresh manually
  3. Write operations (write, ingest, forget, maintenance) do not automatically re-trigger useMemoryRead; call refetch() after a write to refresh read results

---

Made with ❤️ by Equational Applications LLC. https://equationalapplications.com/

🎯 aiskill88 AI 点评 A 级 2026-05-28

高质量的离线LLM应用内存解决方案

📚 实用指南（长尾问题）
适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
最佳实践
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
部署方案
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
expo-llm-wiki 中文教程expo-llm-wiki 安装报错怎么办expo-llm-wiki Agent 工作流expo-llm-wiki 与同类工具对比expo-llm-wiki 最佳实践expo-llm-wiki 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
⭐ 最佳实践
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 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

⚖️ 优点与不足

✅ 优点
  • +MIT 协议，可免费商用
  • +完全开源免费，无授权费用
  • +本地部署，数据完全自主可控
  • +开发者社区支持，遇问题可查可问
⚠️ 不足
  • −安装和初始配置可能需要一定技术基础
  • −功能完整性通常不如成熟商业产品
  • −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐

transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
yt-dlp 视频下载
功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内
📚 相关教程推荐
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
n8n 搭建 AI Agent 工作流：从安装到实战案例
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：Hiring Senior Founding AI/Back…
AI 资讯 · 知识关联
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
设计 Agent 说能生成 71 个系统，我信了
AI 圈观察
Agent 帮我订了3次机票，全部是同一天的
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
workflow
ai-workflow-templates
embedding
rag-knowledge-base
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
CrewAI 多代理协作平台
MCP · Agent · 工作流
gptme Agent工作流
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流

❓ 常见问题 FAQ

expo-llm-wiki 是一款TypeScript开发的AI辅助工具。开源AI工具：Offline-first, SQLite-backed memory for LLM apps built with Expo。⭐8 · TypeScript 主要应用场景包括：构建离线LLM应用。
💡 AI Skill Hub 点评

总体来看，Expo LLM Wiki 是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

📚 深入学习 Expo LLM Wiki
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 expo-llm-wiki
原始描述 开源AI工具：Offline-first, SQLite-backed memory for LLM apps built with Expo。⭐8 · TypeScript
Topics ExpoLLMSQLite离线优先
GitHub https://github.com/equationalapplications/expo-llm-wiki
License MIT
语言 TypeScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/equationalapplications/expo-llm-wiki

收录时间：2026-05-28 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。