Как я построил AI-базу знаний на Astro и Starlight: от Markdown до ИИ-консультанта за 7 дней

Вот важная новость с фронта ИИ: fakedreams 1 час назад Как я построил AI-базу знаний на Astro и Starlight: от Markdown до ИИ-консультанта за 7 дней Простой 10 мин 1. 8K TypeScript * Веб-разработка * Open source * Wiki-проекты * Искусственный интеллект Кейс Из песочницы TL;DRСоздание персонального карьерного менеджера на Astro + Starlight + MarkdownПодключение редакторов AI-агентов (OpenCode/Claude Code) — они скачивают и вычитывают исходные материалы, пишут статьи в вики, делают перелинковку и ведут логВозможность хранения на GitHub Pages — бесплатно, мгновенная загрузкаПримеры: wpcraft. ru/kb/, и персональный карьерный менеджерКод одного из проектов: зачем мне понадобилась AI-база знанийЯ веб-разработчик.

Более 14 лет с WordPress, WooCommerce, Laravel. Десятки проектов, фриланс бирж, различные профиля в соц сетях, разбросанные отзывы и документация. Данные разбросаны по документам Google Docs, заметкам в телефоне и маке, черновики в Notion, чатам в Telegram, разрозненные данные в профилях бирж и соц сетей.

Технические детали

Потребовалось вспомнить, как настраивал DKIM на почтовом сервере три года назад? 20 минут поиска по папкам. Новый клиент спрашивает про интеграцию МойСклад и WooCommerce?

Объясняю в пятый раз, попутно поднимая образ старого проекта. Документация устаревает быстрее, чем руки доходят до ее составления и структуризации. Я, как и многие, уже давно активно работаю с AI-инструментами: GitHub Copilot, Claude Code и другими.

Почему бы не использовать ИИ не только для написания кода, но и как библиотекаря и менеджера накопленных знаний и документации? Пусть читать мои черновики, структурировать их, находит противоречия, скачивает, создает и добавляет в wiki актуальные данные, а заодно управляет данными профилей на различных площадках. В это же время Андрей Карпатый опубликовал архитектуру LLM Knowledge Base, где AI сам ведёт wiki: читает PDF и статьи, пишет связанные страницы, расставляет перекрёстные ссылки, находит противоречия.

Отраслевые последствия

Тема вызвала ажиотаж в твиттере и мне тоже понравилась — все хотят освободиться от нудной ручной работы. Идея Карпатого показалась мне интересной, но она заточена под глубокий рисёрч — там присутствуют множество источников по одной теме, связи между ними и поиск противоречий. Это скорее инструмент учёного-исследователя, а не веб-разработчика.

Мне был нужен инструмент, который за вечер превратит разрозненные заметки и сохраненные закладки в работающую wiki, поможет отслеживать вакансии на рынке, обновлять резюме, хранить кейсы и отзывы с различных площадок и на их основании писать офферы. Так появилась идея создания LLM Wiki — базы знаний, где контент хранится в виде Markdown-файлов, а AI-агенты выступают редакторами. Принцип, что у Карпатого, но с фокусом на практическое применение: от персонального карьерного менеджера до публичной документации продукта или технологии.

Зачем вообще эти ваши базы знаний? Небольшое отступление. Перед тем как перейти к описанию процесса немного теории.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.