영어 원문: https://argusic.com/subject/llm-wiki-agent
llm-wiki-agent
A personal knowledge base that builds and maintains itself. Drop in sources, Claude (or Codex/Gemini) reads them, extracts knowledge, and maintains a persistent interlinked wiki. Works with Claude Code, Codex, OpenCode, Gemini CLI. No API key needed.
실행됨출처: GitHubPythonMITcommit 861c6ecb0a75
Python, MIT 라이선스. 프로젝트 자체 레이블: ai agent, ai tools, automation, claude code, codex, gemini, generative ai 및 knowledge base.
llm-wiki-agent: 실행됩니다. Argusic agent가 GPU가 없는 깨끗한 머신에서 3분 만에 설치했고, 오류 3개가 발생했지만 도움 없이 모두 수정했으며, 전체 세션이 녹화되었습니다.
llm-wiki-agent repo has 9 wiki pages (1 source, 2 entities, 5 concepts, 1 overview), a working knowledge graph (9 nodes, 36 edges), and all 10 Python tools run without errors after fixing 3 bugs in tools/_utils.py and tools/ingest.py.
깨끗한 머신에서 agent가 얻은 결과를 agent 자신의 말로 옮긴 것입니다. 측정 방법
Argusic이 매번 새 머신에서 측정합니다. 모든 수치는 해당 증거로 연결됩니다. Argusic 점수 100점 만점에 60점(이 프로젝트 실행 점수의 평균).
한눈에 보기
프로젝트 데이터 출처: GitHub(이 페이지 상단에 링크), 업데이트 . 테스트 데이터 제공: Argusic(CC BY 4.0). 모든 수치는 전체 log, 녹화, 그리고 그 sha256 해시가 있는 실행 페이지로 연결됩니다.
측정한 항목
이 판정을 결정한 실행에서 가져왔습니다. 모든 줄은 추정치가 아니라 기록된 값입니다.
agent 자신의 말로 본 문제점
agent가 직접 남긴 말이며, 심각한 것부터 나열하고 조언으로 고쳐 쓰지 않습니다.
- Entity and concept pages created by ingest not added to wiki/index.md3분
- Piped wikilinks [[Target|Text]] not resolved — false broken-link warnings on every ingest that uses display text2분
- update_index() used str.replace so only first entry per section survived2분
- 설치 시간
- 3분
- 깨끗한 머신에서 완료까지
- 20분
- 발생하고 수정된 오류
- 3개 발생, 3개를 사람의 도움 없이 수정
- 결과를 증명한 방법
- python tools/health.py --json returned 9 pages, 0 index_sync issues, 0 log_coverage gaps. python tools/ingest.py ingested a real Chinese diary document creating 1 source + 2 entity + 5 concept pages. python tools/lint.py checked 9 pages with 0 orphans and 0 broken links. python tools/build_graph.py produced 9 nodes, 36 edges. python tools/query.py returned a correct synthesis with [[wikilink]] citations. python tools/refresh.py re-ingested a stale source. python tools/heal.py confirmed no missing entities.
- 사용한 모델 token
- 232,755
- 테스트한 정확한 commit
- 861c6ecb0a75
- 컨테이너 이미지
- sha256:cdd920bce783
측정하지 않은 항목
나머지 절반입니다. 이 증거가 어디까지 유효한지 정확히 볼 수 있도록 공백은 공백으로 표시하며 절대 채워 넣지 않습니다.
- 최대 GPU 메모리
- CPU 머신에서 실행되어 샘플링할 GPU가 없었습니다
- 장시간 실행 시 동작
- 각 시도는 문서화된 가장 작은 설정과 고정된 시간 예산을 사용하므로, 부하에서 얼마나 버티는지가 아니라 실행되는지를 측정합니다
녹화의 마지막 부분
이 판정을 결정한 터미널 세션의 마지막 줄을 기록된 그대로 보여 줍니다.
**verified_how:** `python tools/health.py --json` returned `{"total_pages":9,"empty_files":[],"inde…
tokens used
232,755
All tools pass, the wiki is fully operational, and three bugs have been fixed. Here is the final as…
**install_succeeded:** true — all Python dependencies (litellm, networkx, markitdown, tqdm) install…
**launch_succeeded:** true — all 9 Python tools launched and executed without errors.
**errors found and fixed:**
1. `extract_wikilinks` didn't handle piped `[[Target|Text]]` wikilinks → false broken-link reports …
2. Entity and concept pages created by ingest were never added to `wiki/index.md` → fixed by adding…
3. `update_index` used `str.replace` which only worked for the first entry per section → fixed by a…
**test_depth:** tier1_real — verified with real Argusic API calls end-to-end
**verified_how:** `python tools/health.py --json` returned `{"total_pages":9,"empty_files":[],"inde…전체 세션 다시 보기, 깨끗한 머신에서 이 시점까지의 모든 명령.
테스트 방법
하나의 agent, 하나의 컨테이너, 사람의 도움 없음. agent는 프로젝트 문서가 안내하는 방식대로 프로젝트를 설치하고 실행하며, 문제가 생기면 수정합니다. 아래의 모든 내용은 실제로 일어난 그대로 기록되었습니다: 터미널 세션, log, 정확한 commit. 전체 방법론.
장점과 한계
의견이 아니라 측정된 사실입니다. 콘텐츠 작성 방식.
잘된 점
- 깨끗한 머신에서 실행 상태에 도달했으며, 세션이 녹화되었습니다.
- 3분 만에 설치되어, Argusic이 측정한 비슷한 프로젝트 69개의 중앙값보다 빨랐습니다.
- 사람의 개입 없이 오류 3개에서 모두 복구했습니다. 실패가 해결할 수 있을 만큼 잘 문서화되어 있다는 뜻입니다.
- GPU 없이 실행되었으므로, 시작하는 데 GPU가 필요하지 않습니다.
- 호스트가 보고한 라이선스는 MIT입니다.
- 2번 측정되었으므로, 결과가 일회성이 아닙니다.
Argusic이 설치하고 시간을 잰 ai-agent 프로젝트 70개 중 llm-wiki-agent 프로젝트는 실행 상태에 22번째로 빨리 도달했으며, 70개 중 43개만 실행 상태에 도달했습니다.
적합한 용도
- 노트북이나 작은 서버에서 시험해 보기: GPU 없이 실행 상태에 도달했습니다.
- 빠른 평가: clone한 뒤 3분 만에 실행되고 있었습니다.
같은 분야에서 함께 테스트한 프로젝트
여기 있는 모든 프로젝트는 Argusic이 깨끗한 머신에 설치하고 실행했습니다. 테스트하지 않은 프로젝트는 여기에 나오지 않습니다.
실행 기록
토픽 (출처: GitHub)
ai-agentai-toolsautomationclaude-codecodexgeminigenerative-aiknowledge-baseknowledge-graphllmmarkdownmuapinote-takingobsidianopen-sourcepersonal-knowledge-managementragresearchsecond-brainwiki
배지 삽입
프로젝트 README용 Markdown입니다. 이 페이지로 다시 연결되며, 이용 조건은 다음에 있습니다: 이용 약관 페이지.
[](https://argusic.com/subject/llm-wiki-agent)질문
- llm-wiki-agent 프로젝트는 실행되나요?
- 예. llm-wiki-agent 프로젝트는 실행됩니다. Argusic은 깨끗한 머신에서 3분 만에 설치하고 실행했으며, 그 과정에서 오류 3개가 발생했고, 세션을 녹화했습니다.
- Argusic은 llm-wiki-agent 프로젝트를 어떻게 테스트했나요?
- 새로운 일회용 머신에서 모든 명령을 기록하며 테스트했습니다. 리포지토리는 commit 861c6ecb0a75에 고정되었습니다. 기록된 시도는 2번이며, 전체 방법은 방법론 페이지에 있습니다.
- llm-wiki-agent 테스트 비용은 얼마였나요?
- 이 판정을 낸 실행의 비용은 0.38 USD입니다: 백만 token당 정가가 아니라 실제 컴퓨팅 및 모델 비용입니다. 해당 실행 페이지에 기록되어 있습니다.
- llm-wiki-agent 설치에는 얼마나 걸리나요?
- 이 판정을 결정한 실행에서 깨끗한 머신부터 실행 상태까지 3분이 걸렸습니다. 평균이 아니라 측정된 한 번의 시도입니다.
- llm-wiki-agent 실행에 GPU가 필요한가요?
- 시작하는 데는 필요하지 않습니다. Argusic은 GPU가 없는 머신에서 실행 상태에 도달했습니다.
- llm-wiki-agent 설치 시 어떤 문제가 생기나요?
- 기록된 실행에서 3개의 문제가 발생했습니다. 그중 3개는 사람의 도움 없이 수정되었습니다. 각 문제와 그로 인해 든 시간이 이 페이지에 나와 있습니다.
- llm-wiki-agent 프로젝트는 대안과 비교해 어떤가요?
- Argusic이 설치하고 시간을 잰 ai-agent 프로젝트 70개 중 llm-wiki-agent 프로젝트는 실행 상태에 22번째로 빨리 도달했으며, 70개 중 43개만 실행 상태에 도달했습니다.
- llm-wiki-agent 프로젝트의 증거는 어디에 있나요?
- 기록된 실행 2건이 모두 이 페이지에 있으며, 각각 전체 log와 터미널 녹화로 연결됩니다. 이들은 몰래 변경할 수 없도록 sha256 지문과 함께 저장됩니다.