Wiki-MCP-Server с распределённым графом знаний и авторизацией

Вот важная новость с фронта ИИ: veriga 58 минут назад Wiki-MCP-Server с распределённым графом знаний и авторизацией Средний 7 мин 957 Искусственный интеллект Кейс 3 апреля 2026 года Андрей Карпати описал реально работающую систему, где он складывает необработанные исследовательские материалы в папку, показывает их LLM, которая с нуля создает и поддерживает всю взаимосвязанную вики-систему. ИИ пишет статьи, создает обратные ссылки между связанными идеями, классифицирует концепции и постоянно обновляет всю систему по мере поступления новых материалов. Вот промпт, который всё это делает LLM Wiki gistЕго новый рабочий процесс превращает необработанные исследовательские материалы в самоподдерживающуюся вики, базу знаний без RAG, только файлы Markdown и LLM, которая выполняет функции библиотекаря.

Вместо того чтобы просматривать необработанные документы по каждому запросу, как в RAG, здесь LLM считывает исходный материал один раз и компилирует его в структурированную, организованную вики-систему. Его исследовательская вики-страница по одной теме разрослась примерно до 100 статей и 400 000 слов. Мы взяли эту идею и инфраструктурно доработали:АспектKarpathy LLM WikiНаша реализацияХранениеMarkdown-файлы в папкеAlloyDB + pgvector (SQL)Связи] в текстеТипизированные рёбра графа (11 типов)ПоискНет (или grep)Векторный + графовый гибридОбновлениеLLM переписывает markdownSQL-функции + LLM-классификация из БДДоступЛокальная папкаHTTP-сервер с авторизациейМультипользовательностьНетРоли admin и readerПротокол—MCP (StreamableHTTP + SSE)Классификация связейLLM при записиai.

Технические детали

generate() прямо в SQL функцииКлючевое отличие: у Карпати wiki — это заметки Obsidian, которые LLM читает и пишет. У нас wiki — это база данных с графом, к которой несколько агентов обращаются через стандартизированный протокол. Карпати решал задачу «один человек + один LLM ведут заметки».

Мы решаем задачу «несколько AI-агентов + человек совместно работают с растущей базой знаний». Разные масштабы — разная инфраструктура. С чего всё начиналосьДомашняя wiki уже давно была назрела, так как проект оказался непрост.

Смысл проекта - добавить блоки Titans в стандартную Gemma 3 и посмотреть что из этого выйдет. Технология Titans описана здесьКонечно, сначала мы реализовали подход Karpaty, добавив векторный поиск по эмбеддингам. Потом мы добавили граф знаний с типизированными рёбрами.

Выбор технологии построения графа потребовал размышлений и занял некоторое время: Как выбирали технологию построения графа Но с ИИ-кодером реализация всегда быстрее, чем выбор технологий. Раз-раз, реализовали и увидели неплохой рост recall:МетрикаДо (вектор)После (вектор + граф)Avg recall46. 3%Enrichment—92 концепции найдены графом… И серьезный прирост на абстрактных запросах:ЗапросБылоСтало«Что общего у MesaNet и Titans»0%67%«Альтернативы Softmax attention»0%67%«Ассоциативное сканирование»50%100%«Дистилляция в TTT»67%100%Граф в общем не нужен на точных запросах.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.