近年来，一种名为LLM Wiki的新型知识库构建方式正在兴起，它不再依赖传统检索增强生成（RAG）每次临时翻查原始文件，而是让大语言模型将你的文档自动编译成持久化、互相链接的Wiki页面，知识只整理一次，后续可增量更新，像维基百科一样自我生长[2][4][6]。

使用开源项目llm_wiki是构建个人知识库的主流方式之一。这个项目能让LLM先吃透你的全部文档，自动生成结构化的个人Wiki，之后所有提问都在Wiki内完成，不再每次现搜原始文件，有人甚至将五年会议纪要拖入后，第二天就能问出特定季度的事件[2]。该工具还支持四信号知识图谱和Louvain社区检测，并允许Chrome一键剪藏网页内容[3]。最新版本v0.4.7更是加入了多搜索引擎支持，能聚合更丰富的网页来源，同时新增推理型模型的思考过程控制开关，避免只输出推理步骤而不给最终答案[7]。

另一种自动化构建路径是通过AI代理或专属技能完成。开发者发布的wiki-builder AI技能，能让AI代理自主搜索、整理并生成结构化维基页面，从搜索到成文全流程自动化[1][5]。类似地，用户只需对AI说一句“建个PaperWiki”，系统就能在3秒内生成带目录、摘要和链接的本地知识库，整个过程无需联网、不靠手动整理，提问即可生成可迭代的本地知识系统[8][9]。

对于追求极简主义的用户，甚至可以完全不需要数据库。有人将整个研究知识库压进一个嵌套的Markdown文件夹，用AGENTS.md规则文件替代数据库，LLM就能理解知识结构并自动建议路径，当资料增加到十份时，工具会自动归类并更新