LLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。
TypeScript
docs(readme): add Korean README
Dongmin, Yu76d54d050989
diff --git a/README.md b/README.mdindex 302617bc..2a9e8892 100644--- a/README.md+++ b/README.md@@ -19,7 +19,7 @@</p><p align="center">- English | <a href="README_CN.md">中文</a> | <a href="README_JA.md">日本語</a>+ English | <a href="README_CN.md">中文</a> | <a href="README_JA.md">日本語</a> | <a href="README_KO.md">한국어</a></p>---diff --git a/README_CN.md b/README_CN.mdindex d2a439d0..7da896b4 100644--- a/README_CN.md+++ b/README_CN.md@@ -19,7 +19,7 @@</p><p align="center">- <a href="README.md">English</a> | 中文 | <a href="README_JA.md">日本語</a>+ <a href="README.md">English</a> | 中文 | <a href="README_JA.md">日本語</a> | <a href="README_KO.md">한국어</a></p>---diff --git a/README_JA.md b/README_JA.mdindex d7e870da..dac8c0ae 100644--- a/README_JA.md+++ b/README_JA.md@@ -19,7 +19,7 @@</p><p align="center">- <a href="README.md">English</a> | <a href="README_CN.md">中文</a> | 日本語+ <a href="README.md">English</a> | <a href="README_CN.md">中文</a> | 日本語 | <a href="README_KO.md">한국어</a></p>---diff --git a/README_KO.md b/README_KO.mdnew file mode 100644index 00000000..817307d4--- /dev/null+++ b/README_KO.md@@ -0,0 +1,480 @@+# LLM Wiki++<p align="center">+ <img src="logo.jpg" width="128" height="128" style="border-radius: 22%;" alt="LLM Wiki Logo">+</p>++<p align="center">+ <strong>스스로 만들어지는 개인 지식 베이스.</strong><br>+ LLM이 문서를 읽고 구조화된 Wiki를 만들며 계속 최신 상태로 유지합니다.+</p>++<p align="center">+ <a href="#이게-무엇인가요">이게 무엇인가요?</a> •+ <a href="#변경하고-추가한-것들">기능</a> •+ <a href="#기술-스택">기술 스택</a> •+ <a href="#설치">설치</a> •+ <a href="#크레딧">크레딧</a> •+ <a href="#라이선스">라이선스</a>+</p>++<p align="center">+ <a href="README.md">English</a> | <a href="README_CN.md">中文</a> | <a href="README_JA.md">日本語</a> | 한국어+</p>++---++<p align="center">+ <img src="assets/overview.jpg" width="100%" alt="개요">+</p>++## 기능++- **2단계 Chain-of-Thought 인제스트** — LLM이 먼저 분석한 뒤, 출처 추적성과 증분 캐시를 갖춘 Wiki 페이지를 생성합니다+- **멀티모달 이미지 인제스트** — PDF에 포함된 이미지를 추출하고, Vision LLM으로 사실 기반 캡션을 생성하며, 이미지 인식 검색 결과와 라이트박스 미리보기, 원본 위치로 이동 기능을 제공합니다+- **4-신호 지식 그래프** — 직접 링크, 출처 중복, Adamic-Adar, 타입 친화도를 사용하는 관련성 모델입니다+- **Louvain 커뮤니티 감지** — 지식 클러스터를 자동으로 발견하고 응집도를 점수화합니다+- **그래프 인사이트** — 뜻밖의 연결과 지식 공백을 찾아내고, 한 번의 클릭으로 Deep Research를 실행합니다+- **벡터 의미 검색** — LanceDB 기반의 선택적 임베딩 검색으로, OpenAI 호환 엔드포인트를 지원합니다+- **영속 인제스트 큐** — 직렬 처리, 충돌 복구, 취소, 재시도, 진행 상황 시각화를 지원합니다+- **폴더 가져오기** — 디렉터리 구조를 유지하며 재귀적으로 가져오고, 폴더 컨텍스트를 LLM 분류 힌트로 사용합니다+- **소스 폴더 자동 감시** — `raw/sources/`의 외부 변경을 감지하고 인제스트/삭제 정리 흐름과 동기화합니다+- **Deep Research** — LLM에 최적화된 검색 주제와 Tavily, SerpApi, SearXNG 기반 다중 쿼리 웹 검색을 사용하고, 결과를 자동으로 Wiki에 인제스트합니다+- **비동기 리뷰 시스템** — LLM이 사람의 판단이 필요한 항목을 표시하고, 사전 정의된 작업과 미리 생성된 검색 쿼리를 제공합니다+- **Chrome Web Clipper** — 웹 페이지를 한 번의 클릭으로 캡처하고 지식 베이스에 자동 인제스트합니다+- **로컬 HTTP API + AI Agent Skill** — 내장 `127.0.0.1:19828` JSON API(Token 보호)를 통해 하이브리드 검색, 파일 읽기, 그래프 탐색, 소스 재스캔을 지원합니다. 바로 사용할 수 있는 [agent skill](https://github.com/nashsu/llm_wiki_skill)은 한 줄 명령(`npx skills add ...`)으로 Claude Code / Codex에 설치할 수 있습니다++## 이게 무엇인가요?++LLM Wiki는 문서를 자동으로 정리되고 서로 연결된 지식 베이스로 바꾸는 크로스 플랫폼 데스크톱 애플리케이션입니다. 전통적인 RAG처럼 매번 처음부터 검색하고 답을 만드는 대신, LLM이 소스에서 **영속적인 Wiki를 증분 방식으로 구축하고 유지**합니다. 지식은 한 번 컴파일되고 계속 최신 상태로 유지되며, 쿼리마다 다시 추론되지 않습니다.++이 프로젝트는 [Karpathy의 LLM Wiki 패턴](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)을 기반으로 합니다. 이는 LLM으로 개인 지식 베이스를 구축하는 방법론입니다. 우리는 핵심 아이디어를 완전한 데스크톱 애플리케이션으로 구현하고 큰 폭으로 확장했습니다.++<p align="center">+ <img src="assets/llm_wiki_arch.jpg" width="100%" alt="LLM Wiki 아키텍처">+</p>++## 크레딧++기초 방법론은 **Andrej Karpathy**의 [llm-wiki.md](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)에서 왔습니다. 이 문서는 LLM을 사용해 개인 Wiki를 증분 방식으로 구축하고 유지하는 패턴을 설명합니다. 원문은 추상적인 설계 패턴이며, 이 프로젝트는 상당한 확장을 더한 구체적인 구현입니다.++## 원본에서 유지한 것++핵심 아키텍처는 Karpathy의 설계를 충실히 따릅니다.++- **3계층 아키텍처**: Raw Sources(불변) → Wiki(LLM 생성) → Schema(규칙 및 설정)+- **3가지 핵심 작업**: Ingest, Query, Lint+- **index.md**를 콘텐츠 카탈로그이자 LLM 탐색 진입점으로 사용+- **log.md**를 파싱 가능한 형식의 시간순 작업 기록으로 사용+- **[[wikilink]]** 문법으로 상호 참조+- 모든 Wiki 페이지에 **YAML frontmatter** 사용+- **Obsidian 호환성** — Wiki 디렉터리를 Obsidian vault로 사용할 수 있습니다+- **사람이 큐레이션하고 LLM이 유지** — 기본 역할 분담입니다++<p align="center">+ <img src="assets/5-obsidian_compatibility.jpg" width="100%" alt="Obsidian 호환성">+</p>++## 변경하고 추가한 것들++### 1. CLI에서 데스크톱 애플리케이션으로++원본은 LLM 에이전트에 복사해 붙여 넣어 쓰는 추상적인 패턴 문서입니다. 우리는 이를 **완전한 크로스 플랫폼 데스크톱 애플리케이션**으로 만들었습니다.++- **3열 레이아웃**: Knowledge Tree / File Tree(왼쪽) + Chat(가운데) + Preview(오른쪽)+- Wiki, Sources, Search, Graph, Lint, Review, Deep Research, Settings를 전환하는 **아이콘 사이드바**+- **사용자 정의 리사이즈 패널** — 최소/최대 제약을 가진 좌우 패널 드래그 리사이즈+- **Activity 패널** — 파일별 인제스트 진행 상황을 보여주는 실시간 처리 상태+- **모든 상태 영속화** — 대화, 설정, 리뷰 항목, 프로젝트 설정이 재시작 후에도 유지됩니다+- **시나리오 템플릿** — Research, Reading, Personal Growth, Business, General 템플릿이 각각 purpose.md와 schema.md를 미리 설정합니다++### 2. purpose.md — Wiki의 영혼++원본에는 Schema(Wiki가 작동하는 방식)는 있지만 Wiki가 존재하는 **이유**를 담는 공식 위치가 없습니다. 우리는 `purpose.md`를 추가했습니다.++- 목표, 핵심 질문, 연구 범위, 진화하는 논지를 정의합니다+- LLM이 모든 인제스트와 쿼리에서 컨텍스트로 읽습니다+- LLM이 사용 패턴을 바탕으로 업데이트를 제안할 수 있습니다+- schema와 다릅니다. schema는 구조적 규칙이고, purpose는 방향성 있는 의도입니다++### 3. 2단계 Chain-of-Thought 인제스트++원본은 LLM이 읽기와 쓰기를 동시에 수행하는 단일 단계 인제스트를 설명합니다. 우리는 품질을 크게 높이기 위해 이를 **두 번의 순차 LLM 호출**로 나눴습니다.++```plaintext+1단계(분석): LLM이 소스를 읽음 → 구조화된 분석+ - 핵심 엔티티, 개념, 주장+ - 기존 Wiki 콘텐츠와의 연결+ - 기존 지식과의 모순 및 긴장+ - Wiki 구조 권장 사항++2단계(생성): LLM이 분석을 받아 Wiki 파일 생성+ - frontmatter(type, title, sources[])가 있는 소스 요약+ - 상호 참조가 포함된 엔티티 페이지와 개념 페이지+ - 갱신된 index.md, log.md, overview.md+ - 사람의 판단이 필요한 리뷰 항목+ - Deep Research용 검색 쿼리+```++원본을 넘어 추가한 인제스트 개선 사항:++- **SHA256 증분 캐시** — 인제스트 전에 소스 파일 콘텐츠를 해시하고, 변경되지 않은 파일은 자동으로 건너뛰어 LLM 토큰과 시간을 절약합니다+- **영속 인제스트 큐** — 직렬 처리로 동시 LLM 호출을 방지합니다. 큐는 디스크에 저장되어 앱 재시작 후에도 유지되며, 실패한 작업은 최대 3회 자동 재시도됩니다+- **폴더 가져오기** — 디렉터리 구조를 유지하며 재귀적으로 가져옵니다. 폴더 경로는 LLM 분류 컨텍스트로 전달됩니다(예: "papers > energy"는 콘텐츠 분류에 도움이 됩니다)+- **소스 폴더 자동 감시** — 앱 밖에서 `raw/sources/`에 추가, 수정, 삭제된 파일을 자동으로 감지하고 앱 내부 작업과 동일한 인제스트/삭제 생명주기를 재사용합니다+- **큐 시각화** — Activity Panel이 진행률 표시줄, 대기/처리/실패 작업, 취소 및 재시도 버튼을 표시합니다+- **자동 임베딩** — 벡터 검색이 활성화되어 있으면 새 페이지가 인제스트 후 자동으로 임베딩됩니다+- **출처 추적성** — 생성된 모든 Wiki 페이지는 YAML frontmatter에 `sources: []` 필드를 포함하여 기여한 원본 소스 파일로 되돌아갈 수 있게 합니다+- **overview.md 자동 업데이트** — 전체 요약 페이지가 매 인제스트마다 재생성되어 최신 Wiki 상태를 반영합니다+- **보장된 소스 요약** — LLM이 누락하더라도 소스 요약 페이지가 항상 생성되도록 fallback을 제공합니다+- **언어 인식 생성** — LLM은 사용자가 설정한 언어(영어 또는 중국어)로 응답합니다+- **점진적 Sources 뷰** — 큰 소스 폴더를 스크롤 중 점진적으로 렌더링하여 대규모 소스 컬렉션에서도 반응성을 유지합니다++### 4. 관련성 모델을 갖춘 지식 그래프++<p align="center">+ <img src="assets/3-knowledge_graph.jpg" width="100%" alt="지식 그래프">+</p>++원본은 상호 참조를 위한 `[[wikilinks]]`를 언급하지만 그래프 분석은 없습니다. 우리는 **완전한 지식 그래프 시각화 및 관련성 엔진**을 만들었습니다.++**4-신호 관련성 모델:**++| 신호 | 가중치 | 설명 |+|------|--------|------|+| 직접 링크 | x3.0 | `[[wikilinks]]`로 연결된 페이지 |+| 출처 중복 | x4.0 | frontmatter `sources[]`를 통해 같은 원본 소스를 공유하는 페이지 |+| Adamic-Adar | x1.5 | 공통 이웃을 공유하는 페이지(이웃 차수로 가중) |+| 타입 친화도 | x1.0 | 같은 페이지 타입(entity↔entity, concept↔concept)에 보너스 |++**그래프 시각화(sigma.js + graphology + ForceAtlas2):**++- 노드 색상은 페이지 타입 또는 커뮤니티 기준, 크기는 링크 수에 따라 조정(√ 스케일링)+- 엣지 두께와 색상은 관련성 가중치 기준(초록=강함, 회색=약함)+- Hover 상호작용: 이웃은 보이고 비이웃은 흐려지며, 엣지가 관련성 점수 라벨과 함께 강조됩니다+- 줌 컨트롤(ZoomIn, ZoomOut, Fit-to-screen)+- 위치 캐싱으로 데이터 업데이트 시 레이아웃 튐 방지+- 색상 모드에 따라 타입 수와 커뮤니티 정보를 전환하는 범례++### 5. Louvain 커뮤니티 감지++원본에는 없는 기능입니다. **Louvain 알고리즘**(graphology-communities-louvain)을 사용해 지식 클러스터를 자동으로 발견합니다.++- **자동 클러스터링** — 사전 정의된 페이지 타입과 무관하게 링크 토폴로지를 기반으로 자연스럽게 묶이는 페이지를 발견합니다+- **타입 / 커뮤니티 토글** — 노드 색상을 페이지 타입(entity, concept, source 등) 또는 발견된 지식 클러스터 기준으로 전환합니다+- **응집도 점수** — 각 커뮤니티를 내부 엣지 밀도(실제 엣지 / 가능한 엣지)로 평가합니다. 응집도가 낮은 클러스터(< 0.15)는 경고로 표시됩니다+- **12색 팔레트** — 클러스터를 뚜렷하게 구분합니다+- **커뮤니티 범례** — 상위 노드 라벨, 멤버 수, 클러스터별 응집도를 표시합니다++<p align="center">+ <img src="assets/kg_community.jpg" width="100%" alt="Louvain 커뮤니티 감지">+</p>++### 6. 그래프 인사이트 — 뜻밖의 연결과 지식 공백++원본에는 없는 기능입니다. 시스템이 **그래프 구조를 자동 분석**하여 실행 가능한 인사이트를 보여줍니다.++**뜻밖의 연결:**++- 교차 커뮤니티 엣지, 교차 타입 링크, 주변부↔허브 결합 같은 예상 밖의 관계를 감지합니다+- 복합 surprise score로 가장 주목할 만한 연결을 순위화합니다+- 닫을 수 있습니다. 연결을 reviewed로 표시하면 다시 나타나지 않습니다++**지식 공백:**++- **고립 페이지**(degree ≤ 1) — 나머지 Wiki와의 연결이 거의 없거나 없는 페이지+- **희소 커뮤니티**(응집도 < 0.15, 3개 이상 페이지) — 내부 상호 참조가 약한 지식 영역+- **브리지 노드**(3개 이상 클러스터 연결) — 여러 지식 영역을 묶는 핵심 연결 지점++**상호작용:**++- 인사이트 카드를 클릭하면 해당 노드와 엣지가 **강조**됩니다. 다시 클릭하면 선택이 해제됩니다+- 지식 공백과 브리지 노드에는 **Deep Research 버튼**이 있어 도메인 인식 주제로 LLM 최적화 리서치를 시작합니다(overview.md + purpose.md를 컨텍스트로 읽음)+- 리서치 주제는 시작 전에 **편집 가능한 확인 대화상자**에 표시되어, 사용자가 주제와 검색 쿼리를 조정할 수 있습니다++<p align="center">+ <img src="assets/kg_insights.jpg" width="100%" alt="그래프 인사이트">+</p>++### 7. 최적화된 쿼리 검색 파이프라인++원본은 LLM이 관련 페이지를 읽는 단순 쿼리를 설명합니다. 우리는 선택적 벡터 검색과 예산 제어를 포함한 **다단계 검색 파이프라인**을 만들었습니다.++```plaintext+1단계: 토큰화 검색+ - 영어: 단어 분리 + stop word 제거+ - 중국어: CJK bigram 토큰화(每个 → [每个, 个...])+ - 제목 일치 보너스(+10점)+ - wiki/와 raw/sources/ 모두 검색++1.5단계: 벡터 의미 검색(선택)+ - OpenAI 호환 /v1/embeddings 엔드포인트로 임베딩+ - 빠른 ANN 검색을 위해 LanceDB(Rust backend)에 저장+ - 키워드가 겹치지 않아도 의미적으로 관련된 페이지를 찾음+ - 결과를 검색에 병합: 기존 일치를 boost하고 새 발견을 추가++2단계: 그래프 확장+ - 상위 검색 결과를 seed node로 사용+ - 4-신호 관련성 모델로 관련 페이지 탐색+ - 깊이에 따라 감쇠되는 2-hop traversal++3단계: 예산 제어+ - 설정 가능한 context window: 4K → 1M tokens+ - 비례 할당: Wiki 페이지 60%, 채팅 기록 20%, index 5%, system 15%+ - 페이지는 검색 + 그래프 관련성 합산 점수로 우선순위화++4단계: 컨텍스트 조립+ - 전체 콘텐츠를 가진 번호 매긴 페이지(요약만 제공하지 않음)+ - system prompt 포함: purpose.md, language rules, citation format, index.md+ - LLM은 페이지 번호 [1], [2] 등으로 인용하도록 지시됨+```++**벡터 검색**은 완전히 선택 사항입니다. 기본값은 비활성화이며, Settings에서 별도의 엔드포인트, API key, 모델 설정으로 활성화합니다. 비활성화되어 있으면 파이프라인은 토큰화 검색 + 그래프 확장으로 fallback합니다. 벤치마크 기준 전체 recall은 벡터 검색 활성화 시 58.2%에서 71.4%로 향상되었습니다.++### 8. 영속성을 갖춘 다중 대화 채팅++원본에는 단일 쿼리 인터페이스만 있습니다. 우리는 **완전한 다중 대화 지원**을 만들었습니다.++- **독립 채팅 세션** — 대화를 생성, 이름 변경, 삭제할 수 있습니다+- **대화 사이드바** — 주제 간 빠른 전환+- **대화별 영속성** — 각 대화는 `.llm-wiki/chats/{id}.json`에 저장됩니다+- **설정 가능한 히스토리 깊이** — 컨텍스트로 보낼 메시지 수를 제한합니다(기본값: 10)+- **인용 참조 패널** — 각 응답에 어떤 Wiki 페이지가 사용되었는지 타입별 아이콘과 함께 접을 수 있는 섹션으로 표시합니다+- **참조 영속성** — 인용된 페이지는 메시지 데이터에 직접 저장되어 재시작 후에도 안정적입니다+- **Regenerate** — 한 번의 클릭으로 마지막 응답을 다시 생성합니다(마지막 assistant + user 메시지 쌍 제거 후 재전송)+- **Save to Wiki** — 가치 있는 답변을 `wiki/queries/`에 보관한 뒤, 자동 인제스트로 엔티티/개념을 지식 네트워크에 추출합니다++### 9. Thinking / Reasoning 표시++원본에는 없는 기능입니다. `<think>` 블록을 내보내는 LLM(DeepSeek, QwQ 등)을 위해:++- **스트리밍 thinking** — 생성 중 5줄 rolling 표시와 opacity fade+- **기본 접힘 상태** — 완료 후 thinking 블록은 숨겨지고 클릭하면 펼쳐집니다+- **시각적 분리** — thinking 콘텐츠는 별도 스타일로 주 응답과 분리되어 표시됩니다++### 10. KaTeX 수식 렌더링++원본에는 없는 기능입니다. 모든 뷰에서 전체 LaTeX 수식을 지원합니다.++- **KaTeX 렌더링** — inline `$...$` 및 block `$$...$$` 수식을 remark-math + rehype-katex로 렌더링합니다+- **Milkdown math plugin** — preview editor가 @milkdown/plugin-math로 수식을 네이티브 렌더링합니다+- **자동 감지** — bare `\begin{aligned}` 및 기타 LaTeX environment를 `$$` delimiter로 자동 wrapping합니다+- **Unicode fallback** — math block 밖의 단순 inline notation을 위해 100개 이상의 symbol mapping(α, ∑, →, ≤ 등)을 제공합니다++### 11. Review System(비동기 Human-in-the-Loop)++원본은 인제스트 중 사람이 계속 관여할 것을 제안합니다. 우리는 **비동기 리뷰 큐**를 추가했습니다.++- LLM이 인제스트 중 사람의 판단이 필요한 항목을 표시합니다+- **사전 정의된 작업 타입**: Create Page, Deep Research, Skip — LLM이 임의 작업을 환각하지 못하도록 제한합니다+- **인제스트 시점에 생성되는 검색 쿼리** — LLM이 각 리뷰 항목에 대해 최적화된 웹 검색 쿼리를 미리 생성합니다+- 사용자는 편한 시간에 리뷰를 처리할 수 있습니다. 인제스트를 막지 않습니다++### 12. Deep Research++<p align="center">+ <img src="assets/1-deepresearch.jpg" width="100%" alt="Deep Research">+</p>++원본에는 없는 기능입니다. LLM이 지식 공백을 발견하면:++- Tavily, SerpApi, SearXNG 기반 **웹 검색**이 전체 콘텐츠 추출(잘림 없음)로 관련 소스를 찾습니다+- **Provider별 설정** — Tavily와 SerpApi는 독립 API key를 사용합니다. SerpApi는 선택 가능한 engine을 지원하고, SearXNG는 설정된 instance URL과 검색 category를 사용합니다+- 주제당 **여러 검색 쿼리** — 인제스트 시점에 LLM이 생성하고 검색 엔진에 맞게 최적화합니다+- **LLM 최적화 리서치 주제** — Graph Insights에서 시작하면 LLM이 overview.md + purpose.md를 읽고 일반 키워드가 아닌 도메인 특화 주제와 쿼리를 생성합니다+- **사용자 확인 대화상자** — 리서치 시작 전에 편집 가능한 주제와 검색 쿼리를 표시합니다+- LLM이 결과를 기존 Wiki와 상호 참조되는 Wiki 리서치 페이지로 **종합**합니다+- **Thinking 표시** — 합성 중 `<think>` 블록을 접을 수 있는 섹션으로 표시하고 최신 콘텐츠로 자동 스크롤합니다+- **자동 인제스트** — 리서치 결과를 자동 처리해 엔티티/개념을 Wiki에 추출합니다+- 3개 동시 작업을 지원하는 **작업 큐**+- **Research Panel** — 동적 높이와 실시간 스트리밍 진행 상황을 갖춘 전용 사이드바 패널++### 13. 브라우저 확장(Web Clipper)++<p align="center">+ <img src="assets/4-chrome_extension_webclipper.jpg" width="100%" alt="Chrome Extension Web Clipper">+</p>++원본은 Obsidian Web Clipper를 언급합니다. 우리는 **전용 Chrome Extension**(Manifest V3)을 만들었습니다.++- **Mozilla Readability.js**로 정확한 article extraction 수행(광고, nav, sidebar 제거)+- table 지원이 있는 **Turndown.js**로 HTML → Markdown 변환+- **Project picker** — clip할 Wiki 프로젝트 선택(다중 프로젝트 지원)+- **Local HTTP API**(port 19827, tiny_http) — Extension ↔ App 통신+- **자동 인제스트** — clip된 콘텐츠가 자동으로 2단계 인제스트 파이프라인을 실행합니다+- **Clip watcher** — 3초마다 새 clip을 polling하고 자동 처리합니다+- **Offline preview** — 앱이 실행 중이 아니어도 추출된 콘텐츠를 표시합니다++### 14. 다중 형식 문서 지원++원본은 text/markdown에 집중합니다. 우리는 문서 의미 구조를 보존하는 구조화 추출을 지원합니다.++| 형식 | 방식 |+|------|------|+| PDF | 파일 캐싱이 포함된 pdf-extract(Rust) |+| DOCX | docx-rs — headings, bold/italic, lists, tables → 구조화된 Markdown |+| PPTX | ZIP + XML — slide-by-slide extraction with heading/list structure |+| XLSX/XLS/ODS | calamine — proper cell types, multi-sheet support, Markdown tables |+| Images | Native preview(png, jpg, gif, webp, svg 등) |+| Video/Audio | 내장 player |+| Web clips | Readability.js + Turndown.js → clean Markdown |++### 15. Cascade Cleanup을 포함한 파일 삭제++원본에는 삭제 메커니즘이 없습니다. 우리는 **지능적인 cascade deletion**을 추가했습니다.++- 소스 파일을 삭제하면 해당 Wiki 요약 페이지가 제거됩니다+- **3가지 매칭 방식**으로 관련 Wiki 페이지를 찾습니다: frontmatter `sources[]` 필드, 소스 요약 페이지 이름, frontmatter section references+- **공유 엔티티 보존** — 여러 소스에 연결된 entity/concept 페이지는 완전히 삭제되지 않고, 삭제된 소스만 `sources[]` 배열에서 제거됩니다+- **Index 정리** — 삭제된 페이지를 index.md에서 제거합니다+- **Wikilink 정리** — 삭제된 페이지로 향하는 죽은 `[[wikilinks]]`를 남은 Wiki 페이지에서 제거합니다++### 16. 설정 가능한 Context Window++원본에는 없는 기능입니다. 사용자는 LLM이 받는 컨텍스트 양을 설정할 수 있습니다.++- **4K부터 1M tokens까지의 slider** — 다양한 LLM capability에 맞게 조정됩니다+- **비례 예산 할당** — 더 큰 window는 비례해서 더 많은 Wiki 콘텐츠를 받습니다+- **60/20/5/15 분할** — Wiki pages / chat history / index / system prompt++### 17. 크로스 플랫폼 호환성++원본은 플랫폼 중립적인 추상 패턴입니다. 우리는 구체적인 크로스 플랫폼 문제를 처리합니다.++- **경로 정규화** — 22개 이상의 파일에서 통합 `normalizePath()` 사용, backslash → forward slash+- **Unicode-safe string handling** — byte 기반이 아닌 char 기반 slicing(CJK filename crash 방지)+- **macOS close-to-hide** — close button은 창을 숨깁니다(앱은 background에서 계속 실행). dock icon을 클릭하면 복원되고 Cmd+Q로 종료합니다+- **Windows/Linux 종료 확인** — 실수로 데이터를 잃지 않도록 종료 전 확인 대화상자 표시+- **Tauri v2** — macOS, Windows, Linux에서 native desktop 제공+- **GitHub Actions CI/CD** — macOS(ARM + Intel), Windows(.msi), Linux(.deb / .AppImage) 자동 빌드++### 18. 기타 추가 사항++- **i18n** — 영어 + 중국어 인터페이스(react-i18next)+- **설정 영속성** — LLM provider, API key, model, context size, language가 Tauri Store에 저장됩니다+- **Obsidian 설정** — 권장 설정이 포함된 `.obsidian/` 디렉터리 자동 생성+- **Markdown 렌더링** — 테두리가 있는 GFM tables, 적절한 code blocks, chat과 preview의 wikilink processing+- **다중 provider LLM 지원** — OpenAI, Anthropic, Google, Ollama, Custom. 각각 provider별 streaming과 header를 지원합니다+- **15분 timeout** — 긴 인제스트 작업이 너무 일찍 실패하지 않습니다+- **dataVersion signaling** — Wiki 콘텐츠가 변경되면 그래프와 UI가 자동 새로고침됩니다++## 기술 스택++| 계층 | 기술 |+|------|------|+| Desktop | Tauri v2(Rust backend) |+| Frontend | React 19 + TypeScript + Vite |+| UI | shadcn/ui + Tailwind CSS v4 |+| Editor | Milkdown(ProseMirror 기반 WYSIWYG) |+| Graph | sigma.js + graphology + ForceAtlas2 |+| Search | Tokenized search + graph relevance + optional vector(LanceDB) |+| Vector DB | LanceDB(Rust, embedded, optional) |+| PDF | pdf-extract |+| Office | docx-rs + calamine |+| i18n | react-i18next |+| State | Zustand |+| LLM | Streaming fetch(OpenAI, Anthropic, Google, Ollama, Custom) |+| Web Search | Tavily, SerpApi, SearXNG JSON API |++## 설치++### 사전 빌드 바이너리++[Releases](https://github.com/nashsu/llm_wiki/releases)에서 다운로드하세요.++- **macOS**: `.dmg`(Apple Silicon + Intel)+- **Windows**: `.msi`+- **Linux**: `.deb` / `.AppImage`++### 소스에서 빌드++```bash+# Prerequisites: Node.js 20+, Rust 1.70++git clone https://github.com/nashsu/llm_wiki.git+cd llm_wiki+npm install+npm run tauri dev # Development+npm run tauri build # Production build+```++### Chrome Extension++1. `chrome://extensions`를 엽니다+2. "Developer mode"를 활성화합니다+3. "Load unpacked"를 클릭합니다+4. `extension/` 디렉터리를 선택합니다++## 빠른 시작++1. 앱 실행 → 새 프로젝트 생성(템플릿 선택)+2. **Settings**로 이동 → LLM provider 설정(API key + model)+3. 선택 사항: Settings에서 **Web Search** provider와 source folder auto-watch 설정+4. **Sources**로 이동 → 문서 가져오기(PDF, DOCX, MD 등)+5. **Activity Panel** 확인 — LLM이 Wiki 페이지를 자동으로 만듭니다+6. **Chat**으로 지식 베이스에 질문합니다+7. **Knowledge Graph**에서 연결을 둘러봅니다+8. **Review**에서 주의가 필요한 항목을 확인합니다+9. **Lint**를 주기적으로 실행해 Wiki 상태를 유지합니다++## 로컬 HTTP API + AI Agent Skill++LLM Wiki에는 `http://127.0.0.1:19828`의 내장 로컬 HTTP API가 포함되어 있습니다(Token 보호, `127.0.0.1` 전용). 이를 통해 **Claude Code**, **Codex** 또는 HTTP를 사용할 수 있는 스크립트 같은 외부 도구가 Wiki에 쿼리할 수 있습니다.++- `GET /api/v1/health` — server status(no auth)+- `GET /api/v1/projects` — projects list+- `GET /api/v1/projects/{id}/files` / `files/content` — files and content read+- `POST /api/v1/projects/{id}/search` — `mode`, `tokenHits`, `vectorHits`, per-result `vectorScore`를 반환하는 **hybrid** retrieval(keyword + vector)+- `GET /api/v1/projects/{id}/graph` — wikilinks graph+- `POST /api/v1/projects/{id}/sources/rescan` — backend rescan trigger++**Settings → API Server**에서 활성화하고 token을 생성하세요.++### 한 줄 명령으로 AI 에이전트 연결하기++LLM Wiki용 **agent skill**은 별도 repo에 있습니다. Claude Code / Codex / skills 호환 runtime에 설치할 수 있습니다.++```bash+npx skills add https://github.com/nashsu/llm_wiki_skill.git --skill llm_wiki_skill+```++설치 후 에이전트는 "내 LLM Wiki는 X에 대해 뭐라고 말해?", "내 지식 베이스에서 Y를 검색해", "내 Wiki graph에서 Z의 이웃을 보여줘", "내 Wiki sources를 다시 스캔해" 같은 프롬프트에 답할 수 있습니다. 로컬에서 실행 중인 앱과 직접 통신하며, 기본값은 read-only이고 앱에서 검증할 수 있도록 Wiki 페이지 경로를 인용합니다.++- **Skill repo**: <https://github.com/nashsu/llm_wiki_skill>+- **Trigger discipline**: "내 노트 검색해" / "내 Obsidian / Notion / Logseq 확인해" 같은 일반 요청에는 의도적으로 반응하지 않습니다. LLM Wiki / `my wiki` / `지식 베이스`를 명시했을 때만 trigger됩니다.++## 프로젝트 구조++```plaintext+my-wiki/+├── purpose.md # 목표, 핵심 질문, 연구 범위+├── schema.md # Wiki 구조 규칙, 페이지 타입+├── raw/+│ ├── sources/ # 업로드된 문서(불변)+│ └── assets/ # 로컬 이미지+├── wiki/+│ ├── index.md # 콘텐츠 카탈로그+│ ├── log.md # 작업 기록+│ ├── overview.md # 전체 요약(자동 업데이트)+│ ├── entities/ # 인물, 조직, 제품+│ ├── concepts/ # 이론, 방법, 기술+│ ├── sources/ # 소스 요약+│ ├── queries/ # 저장된 채팅 답변 + 리서치+│ ├── synthesis/ # 소스 간 분석+│ └── comparisons/ # 나란히 비교+├── .obsidian/ # Obsidian vault 설정(자동 생성)+└── .llm-wiki/ # 앱 설정, 채팅 기록, 리뷰 항목+```++## Star History++<a href="https://www.star-history.com/?repos=nashsu%2Fllm_wiki&type=date&legend=top-left">+ <picture>+ <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/chart?repos=nashsu/llm_wiki&type=date&theme=dark&legend=top-left" />+ <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/chart?repos=nashsu/llm_wiki&type=date&legend=top-left" />+ <img alt="Star History Chart" src="https://api.star-history.com/chart?repos=nashsu/llm_wiki&type=date&legend=top-left" />+ </picture>+</a>++## 라이선스++이 프로젝트는 **GNU General Public License v3.0**으로 라이선스됩니다. 자세한 내용은 [LICENSE](LICENSE)를 참고하세요.