My Wiki

零成本、低门槛，让 AI Agent 帮你建立和维护真正属于自己的本地知识库。

English · 简体中文

网页、PDF、截图、聊天记录、笔记和官方文档里有大量有用信息，但它们通常散落在不同地方。My Wiki 给本地 AI Agent 一个长期工作的知识空间，让 Agent 把这些资料变成你真正拥有、可以持续演化的关联 Wiki。

安装一次 Agent Skill，把知识库放在电脑任意位置，然后直接用自然语言提出需求。Agent 会完成资料入库、原始证据与图片保存、原子 Wiki 蒸馏、关系维护、知识问答，并在你想探索时打开交互式知识图谱。

默认不需要云数据库，不需要向量数据库，不要求安装 Obsidian，也不要求购买 API。

为什么选择 My Wiki

• 本地优先：Markdown、网页快照和图片都保存在你控制的文件夹中。
• Agent 自动维护：你只需说“把这篇文章入库”或“维护知识库”，Agent 负责完成后续流程。
• 结论可追溯：整理后的知识始终连接到原始证据，而不是只保留一段无法核实的 AI 摘要。
• 理解图片证据：示意图、截图、图表和界面状态可以被保存，并在回答问题时一起展示。
• 内置知识图谱：可以探索知识宇宙、知识星系、Wiki 星球，以及每个 Wiki 背后的原始资料。
• 开放且可迁移：知识就是普通文件，可以移动、备份、用任意 Markdown 编辑器打开，也可以以后接入 RAG。
• 零成本起步：先用 Node.js 和本地 AI Agent 得到可用知识库，不必先搭一整套基础设施。

My Wiki、RAG 和 LLM + Obsidian 有什么区别

它们解决的是知识管理的不同环节。My Wiki 重点补上经常被忽略的中间层：在检索之前，先把原始资料变成可读、有关系、证据闭环的长期知识。

My Wiki 并不排斥 RAG 或 Obsidian。你随时可以用 Obsidian 打开同一个知识库；当规模或生产检索真正需要时，也可以把干净的 Markdown 证据层交给 RAG，而不是推翻重来。

从原始资料到长期知识

网页 / PDF / 笔记 / 图片 / 外部知识平台
                    |
                    v
                raw 证据层
            原文、元数据、快照、图片
                    |
                AI Agent
             蒸馏、关联、检查、修复
                    |
                    v
              原子 Wiki 页面
          概念、方法、API、实体、流程
                    |
          +---------+---------+
          v                   v
      有依据的问答          知识图谱

My Wiki 不是简单地给每份文档生成一篇摘要。一份有价值的资料可以更新多个长期 Wiki，一个 Wiki 也可以综合多份原始证据。只有主要 Wiki 已建立、raw 和 Wiki 双向关系闭合、后续事项清理完成，一份 raw 才会被视为真正处理完毕。

探索知识宇宙

可选的本地前端不只是把文件画成一团点：

• 最外层是整个知识宇宙，可以同时观察多个知识星系及其交会；
• 进入一个知识星系，旋转和观察三维 Wiki 星球关系网络；
• 选择 Wiki 星球，高亮真正相关的关系并阅读渲染后的 Wiki 页面；
• 进入证据层，查看这个 Wiki 背后的全部 raw 来源；
• 搜索目标知识，同时不永久破坏当前图谱视图；
• 前端运行时，知识变化会自动刷新图谱数据。
• 直接输入网页链接或上传本地文件，将完整证据保存到 Inbox；
• 导出知识星系，或先预览再确认导入 .mywiki 知识包；
• 在维护队列里一键调用本地 Agent，批量蒸馏 Wiki、建立关系并完成入库；
• 随时打开常驻知识伙伴 Viki，直接基于 Wiki、raw 证据和相关图片提问。

日常 Agent 入库和维护不会启动 Dashboard。只有当你说“打开知识图谱”“打开前端”或类似需求时，它才会按需运行。本地服务只监听 127.0.0.1；网页录入只会建立 status: inbox 的原始证据，不会悄悄启动 AI 维护。只有点击批量处理或向 Viki 发送问题时，Dashboard 才会调用你已经登录的本地 Codex、OpenCode 或 Claude。

分享一个知识星系

一个知识宇宙可以包含多个以名称区分的知识星系，每个 Wiki 页面在图谱中是一颗 Wiki 星球。你可以让 Agent 把其中一个知识星系导出成单个 .mywiki 知识包，交给另一个 My Wiki 用户直接预览和导入。

知识包只携带这个星系的 Wiki Markdown、它们链接的 raw Markdown、可用的来源 URL、相关图片，以及 raw 明确引用的网页快照、PDF 和其他原始文件。因此即使 PDF 没有 URL，接收方仍然能得到完整原始证据。为了兼容现有知识库和知识包协议，底层仍使用 universes 元数据和 export-universe 命令；Dashboard 将每个命名值显示为知识星系。导入默认先预览重复项与冲突，确认后才写入；必要时可在导入时换一个星系名。

把“FlexSim”知识星系导出成知识包。
预览导入这个 flexsim.mywiki 知识包。
确认导入，并把星系名改成“仿真工程”。

快速开始

需要 Node.js 18+ 和 npm。安装和更新使用同一条命令，重复运行即可原地更新：

npx my-wiki-skill@latest

国内网络可以使用 npmmirror：

npx --registry=https://registry.npmmirror.com my-wiki-skill@latest

也可以直接让 AI Agent 安装：

帮我安装 My Wiki Skill：npx my-wiki-skill@latest
国内镜像：npx --registry=https://registry.npmmirror.com my-wiki-skill@latest

安装器会自动探测常见的本地 Agent Skill 目录，并把干净的 my-wiki 安装到所有已发现位置：

默认命令会同时更新电脑上已探测到的宿主；需要指定某一个时，例如运行 npx my-wiki-skill@latest --target openclaw。安装或更新后，请新开 Agent 会话；OpenClaw 和 Hermes 也可在各自工具中刷新或重置会话后加载。使用 --list 可以只查看探测结果。

npm 包不包含 Git 仓库元数据、本地知识库、测试、构建产物或运行日志。

安装后继续直接说人话：

在 D:\Knowledge\Personal 创建一个 My Wiki 知识库并设为默认。
把这篇文章入库：https://example.com/article
维护知识库。
根据本地知识回答这个问题，并展示相关证据图片。
打开知识图谱。

你不需要记住一堆 CLI。Skill 会找到当前知识库，并替 Agent 执行入库、维护、检索、图片和可视化工作流。

可以用它做什么

入库时不丢掉原始资料

把网页、PDF、转录文本、长笔记和外部平台资料保存到 raw/。除了正文，还会尽量保留标题、URL、日期、内容哈希、网页快照、图片顺序和来源质量，而不是只剩下一段 AI 摘要。

让知识库自己逐步变好

对 Agent 说“维护知识库”即可。它会分批处理资料，创建或更新原子 Wiki、合并重复概念、修复证据链接、控制知识星系数量，并说明本次完成了什么、还剩下什么。

得到有依据的答案

Agent 优先搜索整理后的 Wiki，需要核实结论时再沿链接回到 raw。相关截图、示意图、图表或界面状态可以随答案一起展示，而不是被遗忘在附件文件夹里。

同时管理多个独立知识库

个人、工作、研究和项目知识库可以放在电脑的任意路径。Skill 只需安装一次，每个知识库可以用名称注册，知识内容与这个源码仓库完全分离。

你的知识始终属于你

每个知识库都是一个普通文件夹：

my-vault/
  raw/
    sources/    平铺存放的原始证据
    assets/     每篇来源一个目录的图片和图像索引
    snapshots/  平铺存放的网页快照、PDF 和其他原件
  wiki/         可长期复用的关联知识页
  templates/    当前知识库使用的 Markdown 模板
  .my-wiki/     本地缓存和运行状态

sources/ 和 snapshots/ 不再建立分类子目录；assets/ 只保留“每篇来源一个目录”的必要层级，防止不同文章的插图混在一起。来源分类只是可选元数据，不影响 Wiki。Skill 也提供可预览、带本地备份的旧目录整理能力，并同步修复 Wiki、图片和快照引用。

公开仓库只包含 Skill、模板和 Dashboard，不包含你的知识库、本地 MCP 凭据、工作区专用 Agent 规则或本地回归测试。知识库是否备份、同步、加密，或者始终只留在一台电脑上，都由你决定。

都是可选项，不是前置条件

• Obsidian：可以作为同一套 Markdown 知识库的优秀人工编辑器，但 My Wiki 不依赖它。
• Firecrawl MCP：用于增强动态或难抓取网页的入库能力；有受限的无 Key 托管入口，完整爬取需要 Firecrawl 认证。
• IMA 和其他外部平台：把得到授权的资料优先下载成本地 raw，再走同一套证据维护流程。
• RAG：未来需要 Embedding 和生产级检索时再增加，不必放弃已经可读、可追溯的 raw 与 Wiki。

开源许可证

My Wiki 使用 MIT License 开源。