本地自动构建 LLM 运营知识库
推荐指数 53.0 NO. 007 · 2026.09.21
Stars138创建4 天前Forks19Issues0
为什么值得看
将手册、SOP 等运营文档自动去重、分块、提取 claims，匹配或创建 wiki 页面并保留引用与修订历史。完全本地运行（FastAPI + SQLite），无需 API key，适合对数据隐私敏感的企业知识管理场景。
A persistent LLM-maintained knowledge system for technical manuals, SOPs, and operational documentation.
编辑判断
企业知识管理长期卡在两个极端：用 Notion/Confluence 全靠人工维护，或者用 RAG 方案但检索碎片化、无法追溯来源。这个项目的 pipeline 设计（deduplicate → chunk → extract claims → match pages）比直接扔文档进向量库更结构化，尤其 "claims 级引用" 比段落级引用更适合运营 SOP 的审计需求。
和 Dify、FastGPT 这些偏对话的 RAG 平台不同，它专注"渐进式 wiki 构建"——新文档自动扩展旧页面而非重复创建。不过当前默认 extractor 只是复制句子，要发挥价值必须接 Anthropic adapter 做原子 claims 提取。
最适合的场景：有大量迭代中操作手册的中小团队（客服、运维、合规），且因数据敏感不能上云。建议关注它的 diff/revision 机制能否替代 Git-based docs 的工作流。
Star History
生态分析
Experimental
填补隐私优先型本地 LLM 知识管理工具的空缺，面向企业运营文档场景。
独特价值：完全本地零 API 依赖，自动 claim 提取与修订历史追踪，强隐私合规。