Знания, которые LLM извлекает из научных статей во время исследовательской работы, не сохраняются между запросами. Каждый вызов модели обрабатывает источники заново, а связи между концепциями, обнаруженные в предыдущих итерациях, теряются.

OmegaWiki, open-source проект студентов Пекинского университета, реализует идею Карпатого об LLM Wiki как едином источнике правды для исследовательского процесса. OmegaWiki помогает автоматизировать рутинные этапы научной работы через интеллектуальных агентов.

Архитектура и граф знаний

Платформа работает на Claude Code с Python-утилитами. Исследователь помещает исходные материалы (PDF, LaTeX, заметки, веб-страницы) в директорию raw/, а агент парсит и индексирует их в типизированный граф знаний внутри wiki/. Граф содержит девять типов сущностей (Paper, Concept, Topic, Person, Idea, Experiment, Method, Summary, Foundation) и девять типов рёбер: builds_on, uses_concept, tested_by и другие. Структура связей хранится в JSONL и экспортируется в Cytoscape или Obsidian для визуализации. Инициализация нового проекта — команда /init с указанием темы.

Набор из 26 команд покрывает полный исследовательский цикл: парсинг документов (/ingest), рекомендация новых статей (/discover), запросы к вики (/ask), генерация идей (/ideate), планирование и запуск экспериментов (/exp-design, /exp-run, /exp-eval), обзоры литературы (/survey), черновики статей (/paper-draft), компиляция в PDF (/paper-compile), ответы на рецензии (/rebuttal), генерация конференц-постеров (/poster), проверка целостности (/check и /lint). Каждая команда читает из вики и записывает обратно, обеспечивая накопление знаний.

Отличия от классического RAG

OmegaWiki обеспечивает персистентность: однажды проиндексированный материал доступен во всех последующих операциях. Система явно отслеживает пробелы в знаниях и фиксирует неудачные эксперименты, предотвращая их повторение. Выходные данные — структурированные артефакты (черновики, записи экспериментов, обзоры), а не разовые ответы чата. Опционально работает кросс-модельная проверка: вторая LLM независимо критикует сгенерированные идеи и тексты.

Стек и интеграции

Требования минимальны: Python 3.9+ и Node 18+ на Linux или macOS. Платформа двуязычна (английский и китайский), интегрируется с Semantic Scholar и DeepXiv. Встроен пайплайн daily-arXiv с фильтрацией по конференции и году. Офлайн-работа поддерживается через Ollama с локальными моделями.

Текущее состояние

Проект пока нишевый, но активно развивается: v1.3.0 выпущена 12 мая 2026 года с улучшениями в /discover, обновление от 19 мая добавило /exp-pilot-run и /exp-pilot-eval для пилотных запусков экспериментов. На GitHub — около 700 звёзд, проект включён в списки awesome-claude-code.

В обсуждениях сообщества пользователи отмечают ограничение: LLM Wiki деградируют при масштабировании за 1000 файлов и накапливают галлюцинации без ручного контроля. Типизация сущностей и явное отслеживание пробелов частично смягчают проблему, но верификация выходных данных остаётся за исследователем.

#aivkhub #omegawiki