7 個把原始資料編成可追溯 Wiki 的功能

llm-wiki-compiler 能把筆記、文件和論文編成可追溯的連結式 wiki，方便後續查證、維護與交給代理人使用。

如果你正在評估一套「從原始資料到可用知識庫」的工具，這 7 項功能足以幫你判斷：它適不適合拿來做研究整理、團隊文件，或是長期維護的內部百科。

項目	主要效益	關鍵細節
編譯後 wiki	結構化輸出	型別頁面與引用
混合檢索	更穩定找證據	Embeddings、BM25、圖擴展
本機檢視器	方便瀏覽稽核	搜尋、圖譜、引用標記
評測框架	品質檢查	健康分數與回歸差異
MCP 伺服器	代理人可用	Claude Desktop、Cursor context pack

1. 編譯後的 wiki 輸出

atomicstrata/llm-wiki-compiler 的核心不是摘要，而是把零散來源編成能長期保存的 wiki。它會把內容整理成 concept、entity、comparison、overview 這類型別頁面，並把段落與主張層級的引用連回原始行號。

這種輸出適合要留下可讀、可查、可再利用成果的人，而不是只想要一次性答案的人。它受到 Karpathy 的 LLM Wiki 概念啟發，但多了明確的 provenance 與頁面型別，後續交接會更順。

• 輸入：notes、docs、papers、READMEs、ADRs
• 輸出：互相連結的 markdown 頁面
• 引用：claim-level source line ranges

2. 混合檢索流程

它不是只靠向量相似度找資料。流程會先用可增量、可追蹤內容雜湊的 embeddings 篩出候選，再用 BM25 重新排序，最後用 wikilink graph 擴展上下文，組成更完整的 evidence pack。

這個設計對資料量漸增的專案特別有用。當來源不再只是幾個檔案時，單靠語意相似度很容易漏掉關鍵脈絡，混合檢索能把精準度和召回率拉回平衡。

• semantic chunk embeddings 做 top-K 收斂
• BM25 reranking 補 lexical precision
• graph expansion 補連結上下文

3. 本機瀏覽與稽核介面

llmwiki view 提供只讀的瀏覽器介面，讓你直接看編譯後的 wiki。側欄導覽、搜尋、force-directed graph，還有每頁的 provenance chips，都讓查證來源變得直觀。

這一層很重要，因為它把輸出從機器可讀的資料，變成真人也能審閱的知識庫。你不必翻 JSON 或 log，就能像逛內部百科一樣檢查內容。

• 只讀瀏覽器介面
• 側欄導覽與站內搜尋
• 圖譜視圖與引用標記

4. 評測框架與健康檢查

專案內建 llmwiki eval，會從 0 到 100 評估 wiki health，並回報 citation coverage、precision 與 regression deltas。它也支援 LLM-as-judge，適合放進 CI 做閾值檢查。

對團隊來說，這是很實際的保護網。你可以在變更擴散前知道新一輪 ingest 是改善了內容，還是把引用弄壞，或是悄悄讓品質下滑。

llmwiki eval --threshold 85 --judge --json

5. 新鮮度、回滾與稽核歷史

知識庫最怕來源變動後沒人發現。這個工具會追蹤 stale 與 orphaned pages，支援 llmwiki refresh --stale 這種定點修補，也會把每次 ingest、compile、query 寫進持久化操作紀錄。

它還提供 rollback 與 diff 報告，適合需要回復錯誤 ingest，或向同事解釋某頁為何改動的場景。再加上 .llmwiki/last-lint.json 的快取，viewer 也能直接顯示最近的健康結果。

• stale claim 檢查與 freshness 報告
• 回滾與 compile diff 報告
• timestamped log.md 稽核軌跡

6. MCP 伺服器與 in-process SDK

llmwiki serve 把整個流程暴露成 MCP，讓 Claude Desktop、Cursor、Claude Code 這類工具可以直接拿到有預算控制、帶引用的 context pack。這讓它不只是 CLI，而是可以進入代理人工作流的記憶層。

如果你想把它嵌進自己的應用，createWiki({ root }) 也能在同一個程序裡跑 ingest、compile、query、status、freshness、export 和 eval。比起每一步都 shell out，這種方式更適合客製化工具。

createWiki({ root }).query("what changed?")

7. 多供應商支援與匯出路徑

這套工具能搭配多種模型後端，包括 Anthropic、Claude Agent SDK、OpenAI-compatible servers、Ollama 與 GitHub Copilot。它也能匯出 typed JSON envelopes，並匯入 atomicmemory/llmwiki，作為原樣的 Atomic Memory records。

這種可攜性對混用雲端 API 和本地模型的團隊很重要。你可以保留同一套工作流程，只換 provider 設定，就能在真實環境裡測試不同部署方式。

• Anthropic 與 Claude Agent SDK 支援
• OpenAI-compatible 本地伺服器與 Ollama
• JSON export 可接 runtime memory system

哪種適合你

如果你要的是「可追溯、可更新、可交給代理人」的 source-to-wiki 流程，這個專案很對路。研究者、技術寫作者、維護者，或任何需要長期保留知識資產的人，都會比只看一次性摘要更有收穫。

如果你的需求只是幾個檔案的快速搜尋，完整編譯器可能偏重；但只要你想要一個能持續刷新、能評測、能稽核的知識庫，這套設計就很有價值。