Original en inglés: https://argusic.com/subject/llmwiki
llmwiki
Implementación de código abierto de Karpathy's LLM Wiki. Sube documentos, conecta tu cuenta de Claude a través de MCP, y haz que escriba tu wiki.
Funcionafuente: GitHubsitio webPythonApache-2.0commit aac3e6493306
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agents, ai agents, claude, karpathy, knowledge base, llm, llm wiki y mcp.
llmwiki funciona. Un agent de Argusic lo instaló en 12 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python API serves health endpoint on localhost:8000, CLI initializes workspaces, all unit and integration tests pass on SQLite and Postgres backends
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- 12 minutos
- De máquina en frío a terminar
- 18 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest: 383+52+264+181=880 passed, 0 failed; curl -s http://127.0.0.1:8000/health returned HTTP 200
- Tokens de modelo usados
- 141.208
- Commit exacto probado
- aac3e6493306
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- Downloaded and extracted `postgresql-16` Debian package, ran `initdb` and started the server on p…
**Verification:**
- `llmwiki init /tmp/test-workspace` — created workspace, wiki, and SQLite index successfully
- `uvicorn main:app` — API started, answered `{"status":"ok"}` on `GET /health` (HTTP 200)
- OpenAPI schema fully served from `/openapi.json`
**Test results: all pass**
- 383 API unit tests passed
- 52 MCP unit tests passed
- 264 integration tests (Postgres-backed) passed
- 181 MCP integration tests (SQLite-backed) passed
- Total: **880 test cases, zero failures**
Only limitation: Node.js 18 is below the 20+ requirement for the web frontend's vitest and Next.js …Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Tardó 12 minutos en instalarse, más lento que la mediana de los 37 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 38 proyectos de agents que Argusic ha instalado y cronometrado, llmwiki fue el 26.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agentsai-agentsclaudekarpathyknowledge-basellmllm-wikimcpmcp-serverragsupabase
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/llmwiki)Preguntas
- ¿Funciona llmwiki?
- Sí. llmwiki funciona. Argusic lo instaló y lo inició en una máquina limpia en 12 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic llmwiki?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit aac3e6493306. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar llmwiki?
- La ejecución que produjo este veredicto costó 0,16 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda llmwiki en instalarse?
- 12 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita llmwiki una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar llmwiki?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara llmwiki con las alternativas?
- De los 38 proyectos de agents que Argusic ha instalado y cronometrado, llmwiki fue el 26.º más rápido en llegar a funcionar, y 25 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de llmwiki?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.