# LLM Wiki：一个能自己长知识的插件，给 Claude Code、Codex 等编程助手装上外挂大脑

> 原标题：Show HN: 10x better performance from the Coding Harnesses with LLM-wiki

- 来源：Hacker News 首页
- 发布时间：2026-06-18T15:23:30.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39177
- 原文：https://llm-wiki.net/

## 摘要

nvk 开源了 LLM Wiki，一个让编程助手在干活时顺便建维基、做调研、出报告的工具。它会同时派出 5 到 10 个代理，从学术、技术、新闻和反面角度搜资料，能吞下网址、PDF、Git 仓库和网页存档，再把来源交叉整理成带置信度评分的文章。所有产出都是你自有的纯 Markdown 文件，兼容 Obsidian。它原生支持 Claude Code 插...

## 推荐理由

nvk 开源了一个工具，让编程助手在干活时顺便建维基、做调研、出报告。它会同时跑 5 到 10 个代理，从不同角度搜资料，能吞网址、PDF、Git 仓库和网页存档，交叉整理成带置信度评分的纯 Markdown 文件，兼容 Obsidian。机制具体、有用，但受众只限于 Claude Code 和 Codex 用户，所以我会先打个折——对圈内人很香，圈外人可能无感。

## 锐评

这个工具解决了一个实际问题：用 Claude Code 这类编程助手时，查到的资料、做的判断很容易散落在聊天记录里，下次就找不到了。LLM Wiki 的做法是让助手在干活过程中顺便把资料整理成结构化的维基，5 到 10 个代理同时从学术、技术、新闻和反面角度搜，能吞网址、PDF、Git 仓库甚至网页存档，最后交叉整理成带置信度评分的文章。所有产出都是纯 Markdown 文件，兼容 Obsidian，数据完全在你手里。

比较有意思的是它的"论文模式"——你给一个主张，代理会从支持、反对、机制、元分析和相邻角度分别搜，第二轮还会专门对抗确认偏误，输出的是一个判断而不是摘要。这点对做技术调研的人挺实用。另外它支持会话记忆和反馈筛选，只保留有价值的修正和偏好，不会把整个聊天记录都塞进去。

正文没披露代理具体用的是什么模型、每次运行的成本和延迟，也没给出置信度评分的具体算法。这些信息缺口让"10 倍性能提升"这个说法暂时只能打个折来看。另外多代理并行搜资料听起来挺费 token 的，实际开销得自己跑一下才知道。