llm_wiki

# LLM Wiki LLM Wiki est une application de bureau multiplateforme qui transforme automatiquement vos documents en une base de connaissances organisée et interconnectée. Au lieu du RAG traditionnel (récupérer et répondre à partir de zéro à chaque fois), le LLM construit et maintient progressivement un wiki persistant à partir de vos sources. Les connaissances sont compilées une fois et tenues à jour, non recalculées à chaque requête. Ce projet est basé sur le [modèle LLM Wiki de Karpathy](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) — une méthodologie pour construire des bases de connaissances personnelles avec des LLM. ## Fonctionnalités clés ### Ingestion en deux étapes avec chaîne de pensée - Le LLM analyse d'abord, puis génère des pages wiki avec traçabilité des sources et cache incrémental - Cache incrémental SHA256 — les fichiers inchangés sont automatiquement ignorés, économisant des jetons et du temps - Les tâches échouées sont automatiquement relancées jusqu'à 3 fois - Génération adaptée à la langue (anglais ou chinois) ### Ingestion d'images multimodale - Extraire les images intégrées des PDF - Générer des légendes factuelles avec un LLM de vision - Afficher les images dans des résultats de recherche sensibles aux images avec aperçu en lightbox et accès direct à la source ### Analyse de documents multi-formats - PDF, documents Office, EPUB/MOBI, mode Org, images, médias, extraits Web et lots d'URL - Traitement PDF intégré, cloud ou local via MinerU - DOCX via docx-rs — titres, gras/italique, listes, tableaux → Markdown structuré - Extraits Web via Readability.js + Turndown.js → Markdown propre ### Configuration flexible des modèles - Configurer des modèles par projet - Router Chat et Ingestion indépendamment - Gérer des fournisseurs personnalisés, des en-têtes et la sortie en streaming - Support multi-fournisseurs : OpenAI, Anthropic, Google, Ollama, Personnalisé ### Récupération ancrée sur les sources - Mode Read Sources Only pour répondre exclusivement à partir du matériel importé d'origine - Graphe de connaissances à 4 signaux : modèle de pertinence avec liens directs, chevauchement de sources, Adamic-Adar et affinité de type - Détection de communautés Louvain — découverte automatique de clusters de connaissances avec score de cohésion - Graph Insights — connexions surprenantes et lacunes de connaissances avec Deep Research en un clic ### Recherche sémantique vectorielle (optionnelle) - Récupération basée sur les embeddings via LanceDB - Prend en charge tout point de terminaison compatible OpenAI - Désactivée par défaut ; activée dans les paramètres avec point de terminaison, clé API et configuration de modèle indépendants - Benchmark : le rappel global est passé de 58,2 % à 71,4 % avec la recherche vectorielle activée ### Agent conversationnel backend en Rust - Runtime d'agent utilisant des outils avec récupération wiki/source/graphe/web - Génération de fichiers d'espace de travail, approbation de shell, annulation et événements d'outils en streaming - Agent Skills — analyser et activer les dossiers locaux `SKILL.md`, sélectionner les compétences avec `/skill` - Les sorties générées dans l'espace de travail apparaissent en aperçu avec accès rapide au dossier - Modèle d'exécution plus sûr — les commandes de l'espace de travail du projet peuvent se poursuivre sans problème, tandis que les commandes shell externes nécessitent une approbation explicite ### Deep Research - Recherche Web via Tavily, SerpApi ou SearXNG avec extraction complète du contenu - Plusieurs requêtes de recherche par sujet, générées par LLM lors de l'ingestion - Dialogue de confirmation utilisateur — sujet et requêtes de recherche modifiables affichés pour examen - Research Panel avec hauteur dynamique et progression du streaming en temps réel ### Gestion de projet - Exporter et importer des archives de projet complètes entre appareils - Reconstruire l'index du wiki à partir des pages existantes - Importation de dossiers en préservant la structure des répertoires - La suppression des fichiers sources supprime leur page de résumé wiki - La correspondance à 3 méthodes trouve les pages wiki associées ### Compatibilité Obsidian - Le répertoire wiki fonctionne comme un coffre Obsidian - Répertoire `.obsidian/` généré automatiquement avec les paramètres recommandés ### Fonctionnalités supplémentaires - Disposition à trois colonnes : arbre de connaissances / arborescence de fichiers (gauche) + chat (centre) + aperçu (droite) - Panneau d'activité avec état de traitement en temps réel - Modèles de scénarios : recherche, lecture, développement personnel, affaires, général - Sessions de chat indépendantes avec persistance par conversation - Panneau de références citées avec sections repliables - Rendu Markdown avec mathématiques KaTeX et diagrammes Mermaid - Curseur de taille de contexte de 4K à 1M de jetons - Extension Chrome Web Clipper avec aperçu hors ligne - API HTTP locale + serveur MCP + compétence d'agent IA - i18n — interface anglaise + chinoise - CI/CD GitHub Actions pour macOS, Windows, Linux ## Architecture L'application utilise un backend Rust pour l'agent conversationnel et la recherche vectorielle, avec un frontend basé sur Tauri. La structure du répertoire wiki suit la conception de Karpathy avec les fichiers purpose.md, schema.md, index.md, log.md et overview.md. ## Pour commencer 1. Installez l'application pour votre plateforme (macOS ARM/Intel, Windows .msi, Linux .deb/.AppImage) 2. Configurez votre fournisseur de LLM (OpenAI, Anthropic, Google, Ollama ou personnalisé) 3. Importez des documents ou des dossiers 4. Laissez le LLM construire votre wiki automatiquement 5. Explorez le graphe de connaissances, discutez avec vos données et effectuez des recherches approfondies ## Licence Logiciel open source sous licence MIT.