エージェント用のヘッドレスwikiエンジン。 24 MCP ツール。 1つのRustのバイナリ。 LLMの内部無し。

化合物の知識の構築 — 蒸発する答えではない。

git-backed Markdown wiki — 検索可能, typed, graph-linked. からアクセス可能 コマンドライン、任意の MCP 互換エージェント、または ACP を介して任意の IDE から。

RAGの問題

ほとんどのAIナレッジツールは、すべてのクエリで取得して生成します。 各回答は 使い捨て — 何も学習しません。何も保存されません。 同じ質問を2回依頼する 傷からLMLの理由。

llm-wiki は異なるパターンを実装しています。Dynamic Knowledge Repository (DKR), Andrej Karpathyによって導入:

クエリ時間ではなく、摂取時にソースを処理する。 LLM はそれぞれを統合します wikiにソース — コンセプトページを更新し、ソースの要約を作成します。 矛盾をフラグ付け — 結果をコミットします。 知識化合物と その他

| | 伝統RAG | llm-wiki (DKR) | | ---------------------------- | ---------- | | 知識が蓄積されたとき | 問い合わせ時間 | 入荷時間 | | クロスリファレンス | アドホック・欠品 | プリビルト・タイプグラフ | | 知識蓄積 | 各クエリーをリセット | 時間を超えた化合物 |

llm-wiki

A headless wiki engine for agents. 24 MCP tools. One Rust binary. No LLM inside.

Build knowledge that compounds — not answers that evaporate.

A git-backed Markdown wiki — searchable, typed, graph-linked. Accessible from the command line, from any MCP-compatible agent, or from any IDE via ACP.

The problem with RAG

Most AI knowledge tools retrieve and generate on every query. Each answer is disposable — nothing is learned, nothing is kept. Ask the same question twice and the LLM reasons from scratch.

llm-wiki implements a different pattern — the Dynamic Knowledge Repository (DKR), introduced by Andrej Karpathy:

Process sources at ingest time, not query time. The LLM integrates each source into the wiki — updating concept pages, creating source summaries, flagging contradictions — and commits the result. Knowledge compounds with every addition.

How it works

The engine is pure infrastructure. It manages files, git, full-text search, and graph structure. The LLM is always external — it calls the engine’s tools via MCP, reads pages, writes pages, and commits knowledge. Intelligence flows through skills, not the binary.

LLM agent
  │
  ├── wiki_list(format: "llms")             → all pages grouped by type
  ├── wiki_search("mixture of experts")     → ranked results + facets
  ├── wiki_content_read("concepts/moe")     → full page + backlinks
  ├── wiki_graph(root: "concepts/moe")      → typed graph in Mermaid/DOT
  ├── wiki_suggest("concepts/moe")          → pages worth linking
  ├── wiki_content_new("concepts/new-page") → scaffold + returns local path
  ├── [write directly to path]              → no MCP round-trip
  └── wiki_ingest(path: "concepts/")        → validate, index, commit

A wiki page is a plain Markdown file with typed frontmatter:

---
type: concept
title: Mixture of Experts
status: active
confidence: 0.9
tags: [routing, scaling, efficiency]
sources:
  - sources/switch-transformer-2021
  - sources/mixtral-2024
concepts:
  - concepts/sparse-routing
  - concepts/scaling-laws
---

Sparse routing of tokens to expert subnetworks...

The engine validates frontmatter against a JSON Schema, extracts typed graph edges from sources and concepts, and indexes everything in tantivy. The graph is live the moment a page is committed.

Install