llm-wiki-v2 - 把文档整理成可读 Markdown 笔记 wiki 并带引用问答的本地工具

llm-wiki-v2 是一个把个人文档整理成 wiki 的开源工具：你把文本、Markdown、PDF、Word、PowerPoint、Excel 等文件交给它，它把内容归档成一份由 Markdown 笔记组成的 wiki，并在回答提问时标出引用了哪些笔记。据项目自述，它运行在用户自己的电脑上，可以接 OpenRouter、OpenAI、Gemini、Ollama 或任意 OpenAI 兼容服务；默认使用 CROW 模式，由一个小分类器决定内容该放进哪个文件夹，从而在 wiki 变大时仍保持较快、较省。它适合希望知识库可读、可修改、可纳入版本管理，而不是只留一个向量索引的人。

维护者与状态

项目由 crow-hq 维护，仓库创建于 2026-09-24，最后提交时间为 2026-10-20。最新 release 为 v0.6.0，发布于 2026-10-19。截至 2026-10-21，仓库星标数为 244。项目同时发布在 PyPI 上，包名为 llmwiki2。

主要能力

以下能力来自项目 README 的自述，属于维护者描述，并非第三方评测结论。

• 文档归档：据项目说明，可以把文本、Markdown、PDF、Word、PowerPoint、Excel 或 OpenDocument 文件拖到页面上，每份文件会被放进合适的文件夹，并与 wiki 已有内容合并；一个电子表格会按工作表各生成一条笔记。
• 带引用的问答：输入问题后，回答会引用它用到的笔记，点击引用即可阅读原笔记。
• 结构可视化：README 称提供一张文件夹、笔记与链接的实时地图，便于查看知识库的整体结构。
• 笔记管理：可以删除笔记或文件夹，相关链接会从其他笔记中移除；也可以移动笔记到别的文件夹，指向它的链接会随之更新；文件夹描述可编辑，而这条描述正是归档时的路由依据。
• 纯 Markdown 存储：笔记以纯 Markdown 保存在本地目录中，可用任意编辑器打开，也可以放进 git 管理。
• CROW 模式：项目自述其默认模式由一个小分类器在全部文件夹中做一次选择来完成归档，回答问题时逐层遍历文件夹，因此不依赖向量索引也能扩展；LLM 负责规划文件夹结构，例如在批量归档前、或单个文档归档时拆分过大的文件夹。
• 审计与健康检查：据 README，CROW 模式下可用 llmwiki2 audit 列出分类器今天会归到其他分支的笔记（仅在加 --apply 时移动），用 llmwiki2 health 从日志中查看哪些文件夹持续需要新的子文件夹。

项目在 README 中把自身与 RAG 做了思路上的区分：RAG 把文档保存为嵌入向量，而这里每份文档都变成一条可读、可修改的 Markdown 笔记。README 还提到作者自己的论文与基准测试，并明确说明这些是作者自测、语料规模有限，相关脚本公开在仓库中，可自行复跑。

使用入口

仓库地址：crow-hq/llm-wiki-v2；PyPI 页面：llmwiki2。

据项目说明，安装需要 Python 3.11 或更高版本，可用 pip 安装：

pip install llmwiki2

也可以用 uv 安装（uv 会一并获取 Python）：

uv tool install llmwiki2

安装后运行 llmwiki2 会打开浏览器页面，选择服务商、填入密钥、测试连接后即可开始。想先看看效果，可运行 llmwiki2 demo 打开一个示例 wiki，无需密钥即可浏览；不安装而只用 uv 时，可运行 uvx llmwiki2 demo。同一个安装也提供 Python 库接口，README 中给出的导入方式是 from llmw2 import Wiki。

面向开发者，README 还说明了以 Docker 作为服务器运行的方式（从仓库克隆后配置 .env 并执行 docker compose up -d --build，默认在 8000 端口提供服务），以及 HTTP 接口：/ingest 提交文本、/upload 上传文件、/ask 提问。命令行还提供 llmwiki2 setup 配置密钥、llmwiki2 move 移动笔记、llmwiki2 describe 修改文件夹描述、llmwiki2 check 等子命令；配置保存在 ~/.config/llm-wiki/config.json。

许可与限制

许可证为 AGPL-3.0。README 解释选择 AGPL 是为了让代码及其修改保持开源，包括以服务形式运行时；同时项目使用 CLA，以便在两位作者与贡献者之间厘清权利，贡献者保留自己作品的版权。

使用边界与已知限制（据项目说明）：

• LLM 可以完全本地运行（Ollama 或任意 OpenAI 兼容服务器），但 CROW 的分类器默认是远程服务；若也要本地化，需要指向本机的分类器服务。没有分类器时，wiki 退回经典模式，由 LLM 自行做全部决策。
• PDF 需要带文本层，扫描件要先做 OCR，否则不会产生内容；旧的二进制格式 .doc、.xls、.ppt 不被读取，需要先另存为新格式。
• 使用 Docker 时，设置来自 .env，页面可以显示但不能修改这些设置。
• README 中提到的效果数据来自作者自己的论文与基准，语料以一份约 525 份个人文档为主，作者在局限性中已作说明；这些数字不应被当作独立第三方结论。