LLM Wiki知识管理概念详解与应用教程

llm-wiki/
├── config.py                  # 服务配置（GLM Key、目录、端口）
├── main.py                    # FastAPI 后端，各功能接口
├── wiki_core.py               # 核心逻辑（文档管理、摄取、图谱、查询）
├── requirements.txt           # 依赖管理
├── README.md                  # 项目说明
├── raw/                       # 原始文档目录（含 2 篇预置文档）
├── wiki/                      # 生成的 Wiki 页面目录（摄取后生成）
└── static/
    └── index.html             # 前端页面

conda create -n llm-wiki python=3.10 -y
conda activate llm-wiki
pip install uv

cd llm-wiki
uv pip install -r requirements.txt --index-url https://pypi.tuna.tsinghua.edu.cn/simple

# config.py（核心片段，完整代码请查看 llm-wiki/config.py）
ZHIPU_API_KEY = "ZHIPU_API_KEY"
ZHIPU_API_BASE = "https://open.bigmodel.cn/api/paas/v4"
LLM_MODEL_NAME = "glm-4.7-flash"

RAW_DIR = "raw"              # 原始文档目录
WIKI_DIR = "wiki"            # 生成的 Wiki 页面目录
INDEX_FILE = "index.md"      # Wiki 索引文件
LOG_FILE = "log.md"          # 操作日志文件

# main.py（核心片段，完整代码请查看 llm-wiki/main.py）
@app.get("/api/files")
async def list_files():
    """列出 raw 目录下的文档"""
    return {"files": wiki_core.list_raw_files()}

@app.post("/api/files/import")
async def import_file(file: UploadFile = File(...)):
    """导入文档到 raw 目录"""
    filename = file.filename or "未命名.md"
    content = (await file.read()).decode("utf-8")
    wiki_core.import_raw_file(filename, content)
    return {"message": f"文档 {filename} 导入成功"}

# wiki_core.py（核心片段，完整代码请查看 llm-wiki/wiki_core.py）
def ingest_document(filename: str) -> str:
    """摄取单个文档：由 LLM 提炼为 Wiki 页面，更新索引与日志"""
    path = os.path.join(RAW_DIR, filename)
    with open(path, encoding="utf-8") as f:
        content = f.read()

    prompt = f"""你是个人知识库的维护者。请阅读下面的文档，将其提炼为一篇结构化的 Wiki 笔记。

要求：
1. 以 `# 标题` 开头，正文用简洁的 Markdown 结构
2. 提炼文档中的核心概念、实体、人物，每个概念用独立小节描述
3. 使用 Obsidian 双向链接语法 [[链接名]] 关联相关知识
4. 全文控制在 600 字以内，只保留关键事实

待处理文档内容：
{content}"""

    wiki_content = _call_glm([{"role": "user", "content": prompt}])

    # 保存 Wiki 页面，更新 index.md 与 log.md
    base = os.path.splitext(filename)[0]
    wiki_filename = f"{base}.md"
    os.makedirs(WIKI_DIR, exist_ok=True)
    with open(os.path.join(WIKI_DIR, wiki_filename), "w", encoding="utf-8") as f:
        f.write(wiki_content)
    _upsert_index(wiki_filename, _first_title(wiki_content))
    _append_log(f"摄取文档 {filename}，生成 Wiki 页面 {wiki_filename}")
    return wiki_filename

# wiki_core.py（核心片段，完整代码请查看 llm-wiki/wiki_core.py）
def build_graph():
    """根据 Wiki 页面的 [[双向链接]] 构建图谱（节点 + 边）"""
    nodes = []
    edges = []
    seen_nodes = set()

    for page in list_wiki_pages():
        name = os.path.splitext(page)[0]
        if name not in seen_nodes:
            seen_nodes.add(name)
            nodes.append({"id": name, "label": name, "category": "wiki"})

    for page in list_wiki_pages():
        name = os.path.splitext(page)[0]
        path = os.path.join(WIKI_DIR, page)
        with open(path, encoding="utf-8") as f:
            text = f.read()
        for target in _extract_links(text):
            if target not in seen_nodes:
                seen_nodes.add(target)
                nodes.append({"id": target, "label": target, "category": "concept"})
            edges.append({"from": name, "to": target, "label": ""})

    return {"nodes": nodes, "edges": edges}

# wiki_core.py（核心片段，完整代码请查看 llm-wiki/wiki_core.py）
def query_wiki(question):
    """基于 Wiki 内容向 LLM 提问，返回答案"""
    # 收集全部 Wiki 页面内容作为上下文
    context_parts = []
    for page in list_wiki_pages():
        path = os.path.join(WIKI_DIR, page)
        with open(path, encoding="utf-8") as f:
            context_parts.append(f"## 页面：{page}\n{f.read()}")
    wiki_context = "\n\n".join(context_parts)

    system_prompt = (
        "你是一个基于个人知识库的问答助手。请依据提供的 Wiki 笔记内容回答用户问题，"
        "尽量引用笔记中的表述，不要编造笔记中不存在的信息。"
    )
    return _call_glm([
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": f"{wiki_context}\n\n## 用户问题\n{question}"},
    ], temperature=0.3)

python main.py

curl.exe -X POST http://localhost:8000/api/chat -H "Content-Type: application/json" -d "{\"question\": \"什么是 RAG？\"}"