花花

1、基于LLM的RAG检索增强，能够解决知识过时、私有知识的问题，但是检索到的知识是以向量的方式来构建知识之间的相关性。而karpathy的llm-wiki分享中提到了以大模型为编译基础，以自然语言的方式，让大模型自己理解和构建知识之间复杂的关系。维基百科对于人类来说或许可能是一个知识管理方式，但对于LLM来说，或许是将知识核心保留和编译知识之间的复杂关系的一个新的尝试。本项目基于此，将知识点及其之间的关系进行细化，以SQL为基础，个人进行了llm-wiki开发的尝试，将其作为opencode、codex等的插件进行开发。同时开发了以LLM基础，将PDF,HTML总结为笔记的前端功能。 2、项目核心功能包括以下几点。桌面应用端，通过Electron桌面入口，加载前端页面，注册IPC服务。前端知识台，展示知识库、笔记、节点状态。IPC桥接，前端通过window.llmWiki调用后端能力。知识库注册，管理多个SQLite知识库，支持list/audit/open。数据库与迁移，SQLite 连接、schema migration、repository层。文档摄取，读取artifact，生成source记录。Human Note，保存、解析、校验自然语言可读笔记。编译知识图谱，将source编译为nodes、claims、edges、state changes。检索与上下文，搜索知识、扩展图谱、生成query context/briefing。Lint与维护，检查知识库健康状态、发现图谱问题。Agent集成，给外部Agent提供 ingest/use/maintain工具能力，以skill方式实现。共享类型与常量，跨前端、主进程、后端共享的类型和工具。 3、核心功能为前端人类可阅读笔记和SQL知识节点状态展示，以及agent实现提取知识到知识库，使用和管理知识库。前端调用路径为启动应用，加载UI界面，前端请求数据，查看笔记、知识库、source材料。agent调用ingest skill,提取知识，生成人类可读笔记，基于笔记创建知识节点和知识关系边并存入SQL。agent调用use skill，基于问题查找相关资料，以node和edge将相关资料返回LLM，LLM基于自注意力机制自行理解知识并返回结果。agent调用maintain skill,agent查看知识节点之间是否存在矛盾，通过对话，agent维护知识库正确性。