Knowledge Engine je lokální systém pro lidi, kteří si chtějí z pracovních poznámek, dokumentů a konverzací udělat průběžně udržovanou wiki a zároveň nad nimi mít rychlé vyhledávání. Projekt kombinuje markdownovou knowledge base s vrstvou Memvid pro sémantické hledání a staví na principu LLM Wiki, který letos popsal Andrej Karpathy. Výsledkem je jedna self-hosted aplikace s webovým rozhraním, CLI a strukturou, která má z neorganizovaných podkladů udělat něco, co jde normálně číst i strojově prohledávat. Důležitý detail je, že celé řešení běží lokálně, bez cloudu, přihlášení a předplatného.
Za repozitářem stojí GitHub účet tashisleepy a autor ho popisuje jako bridge mezi human-readable wiki a machine-speed memory. Základ tvoří tři vrstvy: wiki v markdownu, Memvid archiv pro rychlé vyhledávání a schema layer s entitami, vztahy a tagy. Při ingestu se dokument zapíše do wiki i do Memvid vrstvy v jedné operaci, při hledání jde systém nejdřív po kurátorované wiki a teprve potom do raw dokumentů. K tomu přidává sync, drift kontrolu a lint, aby se obě vrstvy nerozjížděly a nezačaly si časem protiřečit.
Prakticky zajímavé je, že projekt nemíří jen na ukládání znalostí, ale i na přehled práce. Lokální dashboard má sedm záložek včetně Search, Wiki, Entities, Health a “Month in a Nutshell”, kde se počítá měsíční výstup, rozpad práce podle kategorií, seznam vytvořených nástrojů i přehled vygenerovaných dokumentů. Autor uvádí, že rozhraní se načítá pod 100 ms a dual-layer search má být pod 5 ms i při více než 5 tisících dokumentů; zároveň ale říká, že Memvid je volitelný a samotná wiki vrstva zvládne tisíce souborů i bez něj. Právě to je na Knowledge Engine asi nejzajímavější: místo další databáze nebo SaaS vrstvy zkouší udělat z markdown wiki plnohodnotnou pracovní paměť, kterou lze normálně otevřít třeba v Obsidianu nebo VS Code.
Zdroje:
