能力标签
LLM Wiki Skill
🛠
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
✦ 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」。

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。

📌 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
  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
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

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 bunnpm;需要登录态的内容可开启 Chrome 调试端口 9222

</details>

<details> <summary><strong>目录结构</strong></summary>

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>

<details> <summary><strong>常见问题</strong></summary>

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>

默认安装位置

平台路径
Claude Code~/.claude/skills/llm-wiki
Codex~/.codex/skills/llm-wiki
OpenClaw~/.openclaw/skills/llm-wiki
Hermes~/.hermes/skills/llm-wiki

效果预览

知识图谱演示

东方编辑部 × 数字山水风交互式知识图谱 — 双击 HTML 文件即可在浏览器中探索。搜索、社区图例、聚焦筛选、节点视觉分层、社区轻量地图、统一社区抽屉、悬停预览、轻量摘要、明确进入阅读、Shift 多选、画布缩放拖拽和小地图定位,全部离线运行,不依赖服务器。

---

工作台开发预览

功能说明
🧮**共享绘制策略**密度、节点显示、标签与关系预算、稳定骨架和社区层级由一份规则产出;旧工具箱与早期 wash 模板已退休,Sigma 主路线与 DOM/SVG 故障回退使用同一份准备结果,每次更新只计算一次
🧯**图谱故障恢复**共享结果失败时,工作台和离线图谱都会清掉旧内容并显示明确提示;只有 Sigma 自身故障才进入 DOM/SVG 回退,不会留下可操作的半成品
⚠️**图谱身份与告警**同名页面按知识库内相对路径分别保留;歧义、断链、待创建和路径冲突会集中提示,图谱仍可阅读,详情只读并按页加载;无效详情也不会把本机绝对路径带入离线文件;只有迁移提示的刷新不会卡在待播放状态
📝**图谱安全改名与恢复**可从可处理的告警或页面阅读区选择同目录安全改名;提交前查看完整影响并确认全部歧义,外部编辑、意外中断或图谱更新失败后都有明确恢复和重试入口,排队中的图谱更新完成后会自动显示最终结果
🗺️**图谱位置与视野连续**初始布局、Pin 和实时拖动共同维护同一张地图;远端节点仍在完整内容范围内,社区取景、缩放、平移、重置、窗口变化和小地图保持一致
🧭**社区近景地图**进入社区后像从全局图靠近刚才那片区域;节点位置、层级和标签更稳定,社区内可多选节点并带入对话,返回全图时高亮会跟随视野稳定后再淡出
🧩**全局意图反馈**全局图谱悬停节点可轻量看一阶关系,单击节点固定关系强调并打开摘要;选中社区只预览少量内部结构和跨社区通道,不直接变成完整社区阅读
🖱️**图谱全区域缩放**在桌面上,鼠标停在节点、社区色块、关系或空白处时,滚轮和触摸板都只缩放图谱,不会误缩放浏览器;地图内控件和图谱外页面保持各自应有的行为
🪶**图谱增强显示**工作台图谱默认已分清主次;需要时可打开语义强调和聚焦点亮,让关键关系更容易看清
🎨**工作台 Paper 视觉**工作台沿用暖纸配色,按钮、消息、侧栏和图谱控件保持统一,长标题不会撑开页面
💬**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
🛡️**工作台安全流式状态**prompt、工具状态、产物和终态使用统一流式契约;检索内容只进入发起它的运行和对话,切换、取消或重复发送不会串用旧内容;模型失败不会显示为完成,图谱断线后会重新取得当前错误或当前图谱,异常流会安全结束并恢复操作
/**工作台检索日志隐私**默认检索日志只保留排障所需的会话、知识库、触发状态、结果信息和稳定失败状态,不保存用户提问或可恢复的派生内容
🔒**工作台本地访问保护**本地配置、对话、页面、图谱事件、文件和状态操作都只对同时通过来源与启动凭证检查的工作台开放
🧷**工作台请求边界**前台只会发送已登记的请求方式与入口组合;产出物清单和下载统一拒绝不合规编号,文件下载和事件流保持各自独立处理
/**工作台命令清单**对话里的 / 菜单和设置里的能力统计使用同一套受保护读取;列表不会显示本机能力路径
🔑**工作台认证设置**保存 API key 和测试连接使用同一套保护与提示;失败不会暴露本机信息、密钥或底层错误
📚**工作台知识库创建**侧栏可以分别在默认目录新建知识库或添加已有目录;初始化已有目录和批量消化保持独立,取消、重复名称、同名请求正在处理和异常不会暴露本机路径或内部信息
**工作台可靠启动**后台只监听本机,失败启动不会替换现有凭证,重启会换新并恢复上次知识库;退出时会有序结束持续连接和图谱重建进程,必要时再启用兜底清理
🧪**工作台真实浏览器检查**自动启动真实前台和后台,检查知识库、对话、页面、图谱、消息、产出物、设置与模型的主要流程,以及隔离、取消、断线和失败恢复;线上准备、正式检查、清理和诊断各有明确时限,冷启动不会静默挤掉正式检查;Paper 视觉检查会从页面搜索进入右侧阅读区并确认正文已经显示,也会实际读取产出物、设置和模型,旧结果形状会被明确拒绝;平板打开阅读区时输入区仍保持可用,文字和发送按钮不会重叠
🔎**工作台统一质量检查**本机与 GitHub 使用同一入口,顺序检查公开内容隐私、前后台、共享规则、图谱、边界、类型、规范和构建,并在隔离环境验证启动与入口反例;图谱交互结束按实际视图提交时点确认,不会因短暂繁忙被提前判定完成

---

🎯 aiskill88 AI 点评 A 级 2026-06-22

高质量的开源AI工具,易于使用

📚 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
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
  • CLI:直接 npm install -g / pip install,命令行调用
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
llm-wiki-skill 中文教程llm-wiki-skill 安装报错怎么办llm-wiki-skill Agent 工作流llm-wiki-skill 与同类工具对比llm-wiki-skill 最佳实践llm-wiki-skill 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
⭐ 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
  • +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
  • 未明确开源协议,商用场景需谨慎评估
  • 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

该工具未明确声明开源协议,商业使用前请联系原作者确认授权范围,避免侵权风险。

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。

🔗 相关工具推荐

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 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

❓ 常见问题 FAQ

llm-wiki-skill 是一款TypeScript开发的AI辅助工具。开源AI工具:基于 Karpathy llm-wiki 方法论的个人知识库构建 Skill,支持多平台!。⭐1.9k · TypeScript 主要应用场景包括:构建个人知识库。
💡 AI Skill Hub 点评

经综合评估,LLM Wiki Skill 在AI工具赛道中表现稳健,质量优秀。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

📚 深入学习 LLM Wiki Skill
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 llm-wiki-skill
原始描述 开源AI工具:基于 Karpathy llm-wiki 方法论的个人知识库构建 Skill,支持多平台!。⭐1.9k · TypeScript
Topics AI知识库TypeScript
GitHub https://github.com/sdyckjq-lab/llm-wiki-skill
语言 TypeScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/sdyckjq-lab/llm-wiki-skill

收录时间:2026-06-22 · 更新时间:2026-06-22 · License:未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →