LLM Wiki
基于DeepSeek Harness开发的工业级LLM知识库系统，支持文档采集编译、知识图谱构建、可溯源问答及在线评估优化等全链路功能
时间轴 (近 90 天)
Andrej Karpathy 提出了 LLM Wiki 模式，即用 Markdown 页面加 YAML 元数据组织知识，让人类和 AI 代理共同维护、按需查询。
LLM Wiki 的核心设计包含三个组件：保留的原始文件、相互关联的笔记页面、以及指引 AI 代理维护 wiki 的规范文档。
该LLM Wiki支持增量文档编译，新增资料无需全量重建即可直接增量入库
该LLM Wiki核心功能包括可视化工作台、文档编译与增量更新、双形态知识图谱、可溯源问答、在线评估与优化和系统设置页面
可溯源问答能将任何回复关联到原始知识片段
整个LLM Wiki被拆解为11个开发阶段，按照环境搭建、项目基座开发、核心功能模块开发、功能验收的顺序推进
该LLM Wiki已正式上线团队自研的DeepSeek Harness Studio桌面端
该LLM Wiki项目实现的功能包括：工作台Dashboard、文档管理编译上传、增量文档编译、双形态知识图谱、可溯源的知识库问答、在线评估与优化
LLM Wiki项目被拆成11个开发阶段，遵循环境搭建→项目基座开发→核心功能模块开发→功能验收的主线
LLM Wiki是一类知识库形态，核心在于把散落的资料采集、编译成结构化知识，再通过检索增强方式支撑问答
还有 2 条时间轴事件
全部知识事实 (12)
Andrej Karpathy 提出了 LLM Wiki 模式，即用 Markdown 页面加 YAML 元数据组织知识，让人类和 AI 代理共同维护、按需查询。
50%待验证LLM Wiki 的核心设计包含三个组件：保留的原始文件、相互关联的笔记页面、以及指引 AI 代理维护 wiki 的规范文档。
50%待验证该LLM Wiki支持增量文档编译，新增资料无需全量重建即可直接增量入库
50%待验证该LLM Wiki核心功能包括可视化工作台、文档编译与增量更新、双形态知识图谱、可溯源问答、在线评估与优化和系统设置页面
50%待验证可溯源问答能将任何回复关联到原始知识片段
50%待验证整个LLM Wiki被拆解为11个开发阶段，按照环境搭建、项目基座开发、核心功能模块开发、功能验收的顺序推进
50%待验证LLM Wiki是一类知识库形态，核心在于把散落的资料采集、编译成结构化知识，再通过检索增强方式支撑问答
50%待验证该LLM Wiki项目实现的功能包括：工作台Dashboard、文档管理编译上传、增量文档编译、双形态知识图谱、可溯源的知识库问答、在线评估与优化
50%待验证LLM Wiki项目被拆成11个开发阶段，遵循环境搭建→项目基座开发→核心功能模块开发→功能验收的主线
50%待验证claude-obsidian 的设计灵感来源于 Andrej Karpathy 提出的 LLM Wiki 模式
50%待验证LLM Wiki 模式的核心理念是让大语言模型充当知识库管理员，自动完成内容的理解、链接与归档，形成自我生长的知识网络
50%待验证该LLM Wiki已正式上线团队自研的DeepSeek Harness Studio桌面端
50%