Skip to main content
Glama
iamsashank09

LLM Wiki Kit

by iamsashank09

📚 llm-wiki-kit

Deja de explicarle tu investigación a tu agente de IA en cada sesión.

License: MIT Python 3.10+


llm-wiki-kit le da a tu agente de IA una memoria persistente y estructurada que se compone con el tiempo. Suelta PDFs, URLs, vídeos de YouTube; tu agente construye una wiki, conecta los puntos y recuerda todo a través de las sesiones.

Basado en el patrón LLM Wiki de Karpathy. Funciona con Claude, Codex, Cursor, Windsurf y cualquier agente compatible con MCP.

https://github.com/user-attachments/assets/8814a581-1832-4e94-a5df-9e9b6b041507


El problema

Cada vez que inicias un nuevo chat:

You: "Remember that paper on speculative decoding I shared last week?"
Agent: "I don't have access to previous conversations..."
You: *sighs, re-uploads PDF, re-explains context*

Constantemente estás reenseñando a tu agente cosas que ya debería saber.

Related MCP server: llm-wiki-mcp

La solución

Con llm-wiki-kit, tu agente mantiene su propia base de conocimiento:

You: "What did we learn about speculative decoding?"
Agent: *searches wiki* "Based on the 3 papers you've shared, the Eagle 
       architecture shows the best efficiency tradeoffs because..."

La wiki persiste. Las referencias cruzadas se acumulan. Tu agente se vuelve más inteligente con cada fuente que añades.


⚡ Inicio rápido (2 minutos)

1. Instalar

pip install "llm-wiki-kit[all] @ git+https://github.com/iamsashank09/llm-wiki-kit.git"

2. Inicializar una wiki

mkdir my-research && cd my-research
llm-wiki-kit init --agent claude

3. Conectar tu agente

Añade a la configuración de Claude Desktop (claude_desktop_config.json):

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

OpenAI Codex

codex mcp add llm-wiki-kit -- llm-wiki-kit serve --root /path/to/my-research

Cursor

Añade a .cursor/mcp.json:

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

Windsurf

Añade a ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

4. Usarlo

You: "Ingest this paper: raw/attention-is-all-you-need.pdf"
Agent: *creates wiki pages, cross-references concepts, updates index*

You: "Now ingest https://youtube.com/watch?v=kCc8FmEb1nY"
Agent: *extracts transcript, links to existing transformer concepts*

You: "How does the attention mechanism in the paper relate to Karpathy's explanation?"
Agent: *searches wiki, synthesizes answer from both sources*

Tu agente ahora tiene memoria persistente que sobrevive a través de las sesiones.


🔥 Qué lo hace diferente

Característica

Por qué importa

Ingesta multiformato

PDFs, URLs, YouTube, markdown — solo suéltalo

Referencias cruzadas automáticas

El agente construye [[enlaces wiki]] entre conceptos relacionados

Persistente entre sesiones

Inicia chats nuevos sin perder contexto

Búsqueda de texto completo

El agente encuentra páginas relevantes al instante (SQLite FTS5)

Comprobaciones de salud

wiki_lint detecta enlaces rotos, páginas huérfanas, contradicciones

Visualización de grafos

wiki_graph genera un mapa HTML interactivo de tu conocimiento (ver abajo)

Sin bloqueo de proveedor

Son solo archivos markdown en una carpeta — visualízalos en Obsidian, VS Code, donde sea

Funciona con cualquier agente MCP

Claude, Codex, Cursor, Windsurf y más


📥 Fuentes admitidas

Tu agente puede ingerir cualquier cosa:

Suelta esto...

Obtén esto...

raw/paper.pdf

Texto extraído, marcadores de página, metadatos

https://arxiv.org/abs/...

Contenido del artículo limpio, guardado automáticamente en raw/

https://youtube.com/watch?v=...

Transcripción completa con marcas de tiempo

raw/notes.md

Ingesta directa de markdown

Instala lo que necesites:

pip install "llm-wiki-kit[pdf]"      # PDF support
pip install "llm-wiki-kit[web]"      # URL extraction  
pip install "llm-wiki-kit[youtube]"  # YouTube transcripts
pip install "llm-wiki-kit[all]"      # Everything

🧠 Cómo funciona

┌─────────────────────────────────────────────────────────┐
│  YOU                                                    │
│  "Ingest this paper. How does it relate to X?"         │
└───────────────────────┬─────────────────────────────────┘
                        │
┌───────────────────────▼─────────────────────────────────┐
│  WIKI (agent-maintained)                                │
│                                                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │ concepts/    │  │ sources/     │  │ synthesis/   │  │
│  │ attention.md │◄─┤ paper-1.md   │──► cache.md     │  │
│  │ [[linked]]   │  │ [[linked]]   │  │ [[linked]]   │  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
│                                                         │
│  + index.md (table of contents)                        │
│  + log.md (what happened when)                         │
└───────────────────────┬─────────────────────────────────┘
                        │
┌───────────────────────▼─────────────────────────────────┐
│  RAW SOURCES (immutable)                                │
│  paper.pdf, article.html, transcript.md                 │
└─────────────────────────────────────────────────────────┘

El agente lee las fuentes originales, escribe páginas wiki y mantiene las conexiones. Nunca tocas la wiki directamente — el agente hace todo el trabajo.


📊 Grafo de conocimiento

wiki_graph genera una visualización HTML interactiva de la estructura de tu wiki:

Los nodos están codificados por colores según el tipo (fuentes, conceptos, síntesis). Haz clic y arrastra para explorar las conexiones.


🛠 Herramientas disponibles

Tu agente obtiene estas herramientas MCP:

Herramienta

Qué hace

wiki_ingest

Procesa cualquier fuente (archivo, URL, YouTube)

wiki_write_page

Crea o actualiza una página wiki

wiki_read_page

Lee una página específica

wiki_search

Búsqueda de texto completo en todas las páginas

wiki_lint

Encuentra enlaces rotos, huérfanos, páginas vacías

wiki_status

Resumen: conteo de páginas, fuentes, actividad reciente

wiki_log

Añade al registro de operaciones

wiki_graph

Genera visualización de grafo HTML interactiva


💡 Casos de uso

Investigación: Alimenta tu wiki con artículos durante semanas. Haz preguntas de síntesis que abarquen todas tus lecturas.

Onboarding técnico: Ingiere la documentación de una base de código. Tu agente responde preguntas de arquitectura a partir del contexto acumulado.

Inteligencia competitiva: Añade informes de mercado, llamadas de resultados, noticias. El agente mantiene un panorama vivo que se actualiza a medida que añades más.

Aprendizaje: Mira tutoriales de YouTube, lee publicaciones de blog. El agente construye una wiki personalizada de todo lo que has estudiado.

Notas de libros: Ingiere capítulos a medida que lees. El agente rastrea personajes, temas, hilos argumentales y conexiones.


🔍 Consejos profesionales

  • Usa Obsidian para visualizar el grafo de tu wiki — es solo una carpeta de archivos markdown

  • Git init en tu directorio wiki — obtén historial de versiones gratis

  • Deja que el agente enlace agresivamente — el valor se compone en las conexiones

  • Ejecuta lint periódicamente — detecta contradicciones y lagunas en tu base de conocimiento

  • Empieza poco a poco — incluso 5-10 fuentes producen una wiki sorprendentemente útil


📦 Desarrollo

git clone https://github.com/iamsashank09/llm-wiki-kit
cd llm-wiki-kit
uv venv && source .venv/bin/activate
uv pip install -e ".[all]"

🙏 Créditos

Basado en la idea de LLM Wiki de Andrej Karpathy.

📄 Licencia

MIT — haz lo que quieras con ella.

Maintenance

ActivityInactive
ResponsivenessSyncing

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

Related MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/iamsashank09/llm-wiki-kit'

If you have feedback or need assistance with the MCP directory API, please join our Discord server