--- title: "研究与知识参考：llmwiki - 研究与知识 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-llmwiki/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [WF-046 研究与知识参考：arxiv sanity bot](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-arxiv-sanity-bot/) - [WF-047 研究与知识参考：headroom](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-headroom/) - [WF-048 研究与知识参考：knowledge base builder](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-knowledge-base-builder/) - [WF-049 研究与知识参考：llmwiki](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-llmwiki/) - [WF-050 研究与知识参考：paper2md](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-paper2md/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) Skill 参考库 · 研究与知识 · Skill 解读 · WF-049 # 研究与知识参考：llmwiki 思行致远 · 2026/6/30 · 置信度：中 研究知识库摘要RAG 一个 VS Code 扩展和 MCP Server，让 LLM 维护 `.wiki/raw -> wiki -> index/log` 的持久 Markdown 知识库。 # llmwiki > 一个 VS Code 扩展和 MCP Server，让 LLM 维护 `.wiki/raw -> wiki -> index/log` 的持久 Markdown 知识库。 ## 这个能力解决什么问题 它解决的是传统 RAG 每次临时检索、临时总结，知识不会沉淀的问题。用户只负责把 raw sources 放进 `.wiki/raw/` 或通过扩展摄入；LLM 负责生成 entity、concept、source 页面，维护 index、backlinks、lint 和 log。输出是一套可浏览、可查询、可被 MCP 工具继续维护的 Markdown wiki。 ## 核心逻辑 LLM Wiki 把知识库分三层：Raw Sources 是人类维护且不可变的材料；Wiki 是 LLM 生成和更新的页面；`AGENTS.md` 是人机共同演化的 schema。摄入时，扩展复制外部文件到 raw，再由 LM API 增强生成 wiki 页，更新 index 和 log。查询时不是直接读 raw，而是先搜索 wiki index、summary 和页面正文。 ## 技术结构 - 关键模块：`packages/core` 提供 page I/O、index ops、log、sources、backlinks、lint、ingest、query、status 和 MCP server；`packages/vscode` 提供 tree view、命令、chat participant 和 MCP 自动注册。 - 调用链路：文件/文件夹 ingest -> raw 存档 -> LLM enrichment -> wiki 页面/index/log -> VS Code tree/MCP tools/query。 - 输入输出：输入是本地文件、文件夹或聊天命令；输出是 `.wiki/` 下的 Markdown 页面、索引、日志和 MCP JSON 响应。 - 核心依赖：Node 20、TypeScript、VS Code LM API/GitHub Copilot、gray-matter、MCP SDK、Vitest。 ## 为什么值得参考 它的亮点是“编译型知识库”：不是每问一次才从原文里重新抽，而是每次新增来源都把知识并入持久 wiki。MCP 工具也覆盖了读、写、lint、crosslink、index update，这让 Agent 可以围绕知识库做维护闭环，而不只是检索。 ## 为什么不建议直接套用 它强依赖 VS Code 1.101+ 和 GitHub Copilot Language Model API，不适合 Obsidian 或纯命令行用户直接使用。写工具允许 create/update 页面，如果 schema 没设好，LLM 可能把 wiki 维护成一团。删除 raw source 和派生页面的能力也需要明确权限与备份策略。 ## 如何改造成自己的版本 借鉴三层结构即可：`raw/` 人类只追加，`wiki/` 由 Agent 生成，`AGENTS.md` 定义页面类型和交叉引用规则。先只开放 read/query/lint 工具，等结构稳定再开放 write/update。为每个页面加入 `source_path`、`ingested`、`confidence` 和“可追溯来源”段落，避免 wiki 变成无来源总结。 ## 适用场景 - 个人或团队持续沉淀项目知识。 - 需要 LLM 帮忙维护实体、概念、backlink。 - 想把知识库能力暴露给 MCP Agent。 ## 不适用场景 - 只需要一次性资料摘要。 - 原始材料不能复制进项目目录。 - 没有 schema 约束却允许 LLM 自动改知识库。 ## 参考信息 - 原项目：[llmwiki](https://github.com/microsoft/llmwiki) - 作者：microsoft - 相关概念：[[编译型知识库]]、[[MCP 工具]] - 相关卡片：保守留空 ## 参考对象信息 **名称：**llmwiki **作者：**microsoft **链接：**[https://github.com/microsoft/llmwiki](https://github.com/microsoft/llmwiki) ## 适用场景与行动 **场景：**Skill 参考库 / 研究与知识 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的研究与知识流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [上一张：研究与知识参考：knowledge base builder](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-knowledge-base-builder/) [下一张：研究与知识参考：paper2md](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/skill-library-research-paper2md/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)