告别＂收藏即遗忘＂!这款 AI 知识库工具让我的笔记自动生长

你有多久没有打开过你的印象笔记、Notion、或者浏览器收藏夹了？

我们每天都在"摄入"信息：

然后呢？

没有然后。

三个月后，当你想找那段"好像在哪看过"的内容时，你只能对着几百条收藏记录发呆。

这就是现代人最大的知识焦虑——我们不是在积累知识，只是在囤积信息。

今天要推荐的 LLM Wiki，可能是目前最符合"第二大脑"理念的工具。

它来自 Andrej Karpathy（OpenAI 联合创始人）提出的一个思路：

不是让 AI 每次帮你"找"答案，而是让 AI 帮你"整理"出一个结构化的知识库。

简单说：传统 RAG 是"带着书本进考场"，LLM Wiki 是"把书读透并整理成笔记"。

GitHub 地址：https://github.com/nashsu/llm_wiki

LLM Wiki 把整个系统分成三层，极其简洁：

你丢进去的一切——PDF 论文、网页文章、读书笔记、会议记录。这一层是"只读"的，保留原始信息用于追溯。

支持格式超全：

这是 AI 的地盘。当你导入一份资料，LLM 会：

最妙的是：你问一个问题，AI 不是去翻原始文件，而是直接读它已经整理好的 Wiki 页面，回答又快又准。

一份 Markdown 文件，告诉 AI "这个知识库该怎么维护"。你可以定义：

LLM Wiki 会自动分析页面之间的关系，生成一张知识图谱：

你还能在图谱里直接搜索，系统会高亮目标节点和它的关联网络。

系统会自动分析图谱结构，发现：

每个洞察都可以一键触发 Deep Research，AI 自动帮你填补知识空白。

想深入了解一个话题？开启 Deep Research 模式：

相当于雇了一个 24 小时在线的研究助理。

这是最酷的部分——你的知识库可以接入 Claude Code、Codex 等 AI 编程助手：

npx skills add https://github.com/nashsu/llm_wiki_skill.git --skill llm_wiki_skill

装好之后，你可以直接对 AI 说：

所有查询都在本地完成，数据不出本机。

知识库用久了会乱？LLM Wiki 会定期自动检查：

就像代码的静态检查一样，保持知识库的健康。

安装官方 Chrome 扩展后，一键将网页文章转为 Markdown 并自动导入知识库，告别手动复制粘贴。

跨平台支持：macOS（Apple Silicon / Intel）、Windows、Linux

✅ 知识工作者：研究者、分析师、产品经理、咨询顾问
✅ 终身学习者：爱读书、爱做笔记、想建立知识体系的人
✅ Obsidian 用户：已有 Markdown 笔记库，想让 AI 帮忙维护
✅ AI 重度用户：想让 Claude、Codex 等 Agent 能调用自己的知识库
✅ 学术研究者：需要整理大量论文、自动提取关键概念

❌ 不适合：只想一次性问答、不想积累知识库的人

项目支持 Windows、macOS、Linux：

从 GitHub Releases 下载即可。

进入设置，填入你的 API Key：

在聊天框输入你的问题，AI 会基于整理好的 Wiki 回答你，并标注引用来源。

Karpathy 说过一句话：

"Obsidian 是你的 IDE，大模型是你的程序员，而这个 Markdown 知识库就是你们共同维护的代码库。"

在信息爆炸的时代，重要的不是收集信息的能力，而是整理和连接信息的能力。

LLM Wiki 把最繁琐的"记账"工作交给 AI，让你专注于真正重要的事：提问、思考、创造。

如果你也想告别"收藏即遗忘"，建立自己的"第二大脑"，不妨试试这个项目。

🔗 GitHub 地址：https://github.com/nashsu/llm_wiki

⭐ 如果觉得有用，欢迎去 GitHub 点个 Star！

📌 如果觉得这篇文章有帮助，欢迎点赞、在看、转发三连！

参考资料：