8个技巧玩透LLM Wiki聊天查询、资料源管理与异步审核的完整用户指南【免费下载链接】llm_wikiLLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。项目地址: https://gitcode.com/gh_mirrors/ll/llm_wikiLLM Wiki是一款跨平台桌面应用能自动把你的文档变成结构化、相互关联的知识库。与传统 RAG每次提问都从头检索回答不同它由 LLM增量构建并持续维护一个持久化 Wiki——知识只编译一次之后持续更新。本文围绕三大高频场景聊天查询、资料源管理、异步审核分享 8 个上手技巧帮你快速把散乱资料变成可对话的个人知识网络。技巧一3分钟配置 LLM 提供商打好知识库地基聊天查询和自动摄入都依赖 LLM先把它配好进入设置 → LLM 提供商选择 OpenAI、Anthropic、Google、Ollama 或自定义端点填入 API Key 和模型名可为Chat聊天与Ingest摄入分别指定不同模型——用便宜模型消化文档、用强模型回答问题拖动上下文窗口滑块4K1M tokens系统会按 60% Wiki 页面 / 20% 聊天历史 / 5% 索引 / 15% 系统提示自动分配预算 新手建议先用 128K 窗口起步回答不够充分时再调大。配置逻辑位于 src/components/settings/sections/llm-provider-section.tsx。技巧二聊天查询——带引用溯源的多对话知识库问答这是 LLM Wiki 与笔记 搜索工具的本质区别多对话管理创建、重命名、删除独立会话不同主题各开一窗历史逐对话持久化到.llm-wiki/chats/引用参考面板每条回答附可折叠引用区显示本次答案实际读取了哪些 Wiki 页面按类型分组答案可逐条溯源一键保存到 Wiki有价值的回答可归档到wiki/queries/随后自动进入摄入流程把新实体/概念抽取回知识网络Rust 后端 Agent聊天由后端 Agent 驱动可自主调用 Wiki 检索、资料检索、图谱检索、网页搜索等工具支持/skill调用本地技能回答归档的核心实现在 src/lib/chat-save-to-wiki.ts。技巧三资料源批量导入SHA256 增量缓存省 Token导入资料时善用两个机制能大幅节省时间能力说明多格式解析PDF、DOCX/PPTX/XLSX、EPUB/MOBI、图片、音视频、Org mode批量 URL 导入在资料源页直接粘贴网页链接批量抓取文件夹递归导入保留目录结构路径如papers/energy会作为分类上下文传给 LLMSHA256 增量缓存文件内容哈希未变则自动跳过重复导入零消耗持久化摄入队列串行处理、崩溃自动恢复、失败重试 3 次活动面板实时显示进度技巧四Chrome 扩展剪藏网页秒变知识库原料不想手动复制粘贴装好随包提供的 Chrome 扩展extension/目录开发者模式下加载已解压的扩展按AltShiftLmacOSCommandShiftL一键剪藏当前页面基于 Readability.js 精确提取正文Turndown.js 转 Markdown广告导航自动剥离剪藏自动进入两步摄入流程无需任何手动操作扩展每 3 秒轮询新剪藏应用未启动时仍可离线预览提取内容适合先收藏、稍后消化的阅读工作流刷到的文章随手剪藏知识网络在后台默默生长。技巧五开启资料源自动监听删除也智能自动监听开启后应用在外部对raw/sources/的新增/修改/删除会自动检测并复用与界面内相同的摄入/删除生命周期——把文件拖进文件夹等于导入级联清理删除某份资料时会自动移除其摘要页、清理index.md、清除指向该页的失效[[wikilinks]]共享实体保护被多份资料共同引用的实体/概念页只移除来源记录不会被误删监听配置见 src/lib/source-watch-config.ts删除决策逻辑在 src/lib/sources-tree-delete.ts。技巧六用知识图谱发现资料的隐藏关联知识建起来之后切到图谱视图sigma.js ForceAtlas2 力导向布局四信号关联度模型直接链接 ×3.0、来源重叠 ×4.0、Adamic-Adar ×1.5、类型亲和 ×1.0边粗细直观反映关联强度Louvain 社区检测一键按类型 / 社区切换着色自动发现知识聚类低内聚社区0.15会标警告悬停交互邻居节点保持高亮、非邻居变暗边上直接显示关联度分数图谱洞察分析惊奇连接、知识空白检测实现在 src/lib/graph-insights.ts。技巧七知识空白一键触发 Deep Research 深度研究图谱会主动指出哪里该补孤立页面、稀疏社区、桥接节点都会以洞察卡片形式呈现。点击知识空白卡片旁的Deep Research按钮LLM 读取overview.mdpurpose.md生成领域精准的研究主题和搜索查询而非泛泛关键词主题与查询在可编辑对话框中确认后才启动支持 Tavily / SerpApi / SearXNG 三种搜索后端搜索结果经 LLM 综合生成研究页面交叉引用现有 Wiki并自动进入两步摄入任务队列最多 3 个并发研究面板实时流式展示进度。技巧八异步审核队列人机协作不阻塞这是 LLM Wiki 区别于纯自动化的关键设计LLM 摄入资料时会标记需要人类判断的项进入审核队列——摄入流程绝不等待你。预定义操作每个审核项只提供Deep Research发起研究、Create Page创建页面、Skip跳过三种受约束操作防止 LLM 凭空生成任意动作预生成搜索查询LLM 在摄入时就为每个审核项写好优化过的网络搜索查询你点击即生效异步处理忙的时候先放着方便时批量处理支持多选批量触发研究审核项持久化保存重启应用不丢失审核面板源码在 src/components/review/review-view.tsx审核任务批量研究逻辑见 src/lib/review-batch-research.ts。收尾让知识库越用越干净定期运行Lint结构化 LLM 双重检查修复断链、孤岛页面等健康问题Wiki 目录天然Obsidian 兼容可直接作为 Obsidian 仓库打开做二次加工用项目归档ZIP 导入/导出在设备间迁移整个知识库一句话总结资料拖进去 → 剪藏随手存 → 图谱找盲点 → 研究补空白 → 审核兜底确认 → 聊天随时问答。八个技巧用下来LLM Wiki 就不再是一个能问的笔记而是一座自我维护、持续生长的知识网络 【免费下载链接】llm_wikiLLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。项目地址: https://gitcode.com/gh_mirrors/ll/llm_wiki创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 8个技巧玩透LLM Wiki：聊天查询、资料源管理与异步审核的完整用户指南
8个技巧玩透LLM Wiki聊天查询、资料源管理与异步审核的完整用户指南【免费下载链接】llm_wikiLLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。项目地址: https://gitcode.com/gh_mirrors/ll/llm_wikiLLM Wiki是一款跨平台桌面应用能自动把你的文档变成结构化、相互关联的知识库。与传统 RAG每次提问都从头检索回答不同它由 LLM增量构建并持续维护一个持久化 Wiki——知识只编译一次之后持续更新。本文围绕三大高频场景聊天查询、资料源管理、异步审核分享 8 个上手技巧帮你快速把散乱资料变成可对话的个人知识网络。技巧一3分钟配置 LLM 提供商打好知识库地基聊天查询和自动摄入都依赖 LLM先把它配好进入设置 → LLM 提供商选择 OpenAI、Anthropic、Google、Ollama 或自定义端点填入 API Key 和模型名可为Chat聊天与Ingest摄入分别指定不同模型——用便宜模型消化文档、用强模型回答问题拖动上下文窗口滑块4K1M tokens系统会按 60% Wiki 页面 / 20% 聊天历史 / 5% 索引 / 15% 系统提示自动分配预算 新手建议先用 128K 窗口起步回答不够充分时再调大。配置逻辑位于 src/components/settings/sections/llm-provider-section.tsx。技巧二聊天查询——带引用溯源的多对话知识库问答这是 LLM Wiki 与笔记 搜索工具的本质区别多对话管理创建、重命名、删除独立会话不同主题各开一窗历史逐对话持久化到.llm-wiki/chats/引用参考面板每条回答附可折叠引用区显示本次答案实际读取了哪些 Wiki 页面按类型分组答案可逐条溯源一键保存到 Wiki有价值的回答可归档到wiki/queries/随后自动进入摄入流程把新实体/概念抽取回知识网络Rust 后端 Agent聊天由后端 Agent 驱动可自主调用 Wiki 检索、资料检索、图谱检索、网页搜索等工具支持/skill调用本地技能回答归档的核心实现在 src/lib/chat-save-to-wiki.ts。技巧三资料源批量导入SHA256 增量缓存省 Token导入资料时善用两个机制能大幅节省时间能力说明多格式解析PDF、DOCX/PPTX/XLSX、EPUB/MOBI、图片、音视频、Org mode批量 URL 导入在资料源页直接粘贴网页链接批量抓取文件夹递归导入保留目录结构路径如papers/energy会作为分类上下文传给 LLMSHA256 增量缓存文件内容哈希未变则自动跳过重复导入零消耗持久化摄入队列串行处理、崩溃自动恢复、失败重试 3 次活动面板实时显示进度技巧四Chrome 扩展剪藏网页秒变知识库原料不想手动复制粘贴装好随包提供的 Chrome 扩展extension/目录开发者模式下加载已解压的扩展按AltShiftLmacOSCommandShiftL一键剪藏当前页面基于 Readability.js 精确提取正文Turndown.js 转 Markdown广告导航自动剥离剪藏自动进入两步摄入流程无需任何手动操作扩展每 3 秒轮询新剪藏应用未启动时仍可离线预览提取内容适合先收藏、稍后消化的阅读工作流刷到的文章随手剪藏知识网络在后台默默生长。技巧五开启资料源自动监听删除也智能自动监听开启后应用在外部对raw/sources/的新增/修改/删除会自动检测并复用与界面内相同的摄入/删除生命周期——把文件拖进文件夹等于导入级联清理删除某份资料时会自动移除其摘要页、清理index.md、清除指向该页的失效[[wikilinks]]共享实体保护被多份资料共同引用的实体/概念页只移除来源记录不会被误删监听配置见 src/lib/source-watch-config.ts删除决策逻辑在 src/lib/sources-tree-delete.ts。技巧六用知识图谱发现资料的隐藏关联知识建起来之后切到图谱视图sigma.js ForceAtlas2 力导向布局四信号关联度模型直接链接 ×3.0、来源重叠 ×4.0、Adamic-Adar ×1.5、类型亲和 ×1.0边粗细直观反映关联强度Louvain 社区检测一键按类型 / 社区切换着色自动发现知识聚类低内聚社区0.15会标警告悬停交互邻居节点保持高亮、非邻居变暗边上直接显示关联度分数图谱洞察分析惊奇连接、知识空白检测实现在 src/lib/graph-insights.ts。技巧七知识空白一键触发 Deep Research 深度研究图谱会主动指出哪里该补孤立页面、稀疏社区、桥接节点都会以洞察卡片形式呈现。点击知识空白卡片旁的Deep Research按钮LLM 读取overview.mdpurpose.md生成领域精准的研究主题和搜索查询而非泛泛关键词主题与查询在可编辑对话框中确认后才启动支持 Tavily / SerpApi / SearXNG 三种搜索后端搜索结果经 LLM 综合生成研究页面交叉引用现有 Wiki并自动进入两步摄入任务队列最多 3 个并发研究面板实时流式展示进度。技巧八异步审核队列人机协作不阻塞这是 LLM Wiki 区别于纯自动化的关键设计LLM 摄入资料时会标记需要人类判断的项进入审核队列——摄入流程绝不等待你。预定义操作每个审核项只提供Deep Research发起研究、Create Page创建页面、Skip跳过三种受约束操作防止 LLM 凭空生成任意动作预生成搜索查询LLM 在摄入时就为每个审核项写好优化过的网络搜索查询你点击即生效异步处理忙的时候先放着方便时批量处理支持多选批量触发研究审核项持久化保存重启应用不丢失审核面板源码在 src/components/review/review-view.tsx审核任务批量研究逻辑见 src/lib/review-batch-research.ts。收尾让知识库越用越干净定期运行Lint结构化 LLM 双重检查修复断链、孤岛页面等健康问题Wiki 目录天然Obsidian 兼容可直接作为 Obsidian 仓库打开做二次加工用项目归档ZIP 导入/导出在设备间迁移整个知识库一句话总结资料拖进去 → 剪藏随手存 → 图谱找盲点 → 研究补空白 → 审核兜底确认 → 聊天随时问答。八个技巧用下来LLM Wiki 就不再是一个能问的笔记而是一座自我维护、持续生长的知识网络 【免费下载链接】llm_wikiLLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。项目地址: https://gitcode.com/gh_mirrors/ll/llm_wiki创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考