LLM Wikiは、AIに「資料を探させる」のではなく、「知識ベースを育てさせる」使い方です。
友達がとてもほめていたX投稿を読んで、これはたしかに面白いと思いました。
NotebookLMやChatGPTのファイルアップロードは便利です。
でも多くの場合、毎回その場で資料を読み直します。
LLM Wikiはそこが違います。
読んだ資料をMarkdownのWikiに整理します。
新しい資料を足すたびに、関連ページ、人物ページ、概念ページ、比較ページをAIが更新します。
AIが毎回ゼロから考えなくなる
普通のRAGやファイル検索では、質問するたびにAIが関連する断片を探します。
その場で答えを組み立てます。
LLM Wikiでは、先にWikiが育っています。
- 元資料を読む
- 要点を抜き出す
- 既存ページに追記する
- 関連ページをつなぐ
- 古い主張と矛盾したら印をつける
- 次に質問されたときは、整理済みページから答える
つまり、知識が積み上がります。
一回読ませて終わりではありません。
構造は3つだけ
投稿では、LLM Wikiの構造を3層で説明していました。
| Raw Sources | 元資料。記事、PDF、メモ、Webクリップ。AIは読むだけで、基本的に書き換えない。 |
|---|---|
| Wiki | AIが作るMarkdownページ。要約、人物、概念、比較、索引をここに置く。 |
| Schema | Wikiのルール。Claude CodeならCLAUDE.mdに、ページ構造や更新手順を書いておく。 |
ぼくがいいなと思ったのは、ObsidianのようなMarkdownフォルダをそのまま使えるところです。
専用サービスに閉じ込められません。
Gitで履歴も残せます。
ObsidianとClaude Codeで作れる
ざっくりした作り方はこうです。
- Obsidianで新しいVaultを作る
- Claude Codeをそのフォルダで開く
- LLM WikiのルールをCLAUDE.mdに作らせる
raw/に記事やメモを入れる- Claude Codeに「新しい資料を取り込んで」と頼む
- AIがWikiページを作り、関連ページを更新する
ここで大事なのは、AIに「答えだけ」を頼まないことです。
AIに「知識ベースを更新する係」になってもらいます。
できること
LLM Wikiでできることは、メモ整理より少し広いです。
自分の記事や発信を整理できる
過去の記事、X投稿、ニュースレターを入れます。
すると、自分が何を何度も書いているかが見えます。
新しい記事を書く前に、こう聞けます。
このテーマについて、過去に自分は何を書いている？
まだ書いていない新しい切り口は？これはブログ運営にもかなり向いています。
長期調査のメモが育つ
AI、投資、旅行、競合調査、技術学習。
何週間もかけて読むテーマほど向いています。
資料を足すたびに、人物、会社、用語、主張、反論が整理されます。
あとから「全体として何がわかった？」と聞けます。
チームの知識をあとから探せる
会議メモ、Slack、商談メモ、顧客インタビューを入れると、チーム用のWikiになります。
たとえば営業なら、
今四半期に多かった反論は何？
どの顧客がその話をしていた？と聞けます。
学習ノートとして使える
講座、論文、動画メモを入れると、学習順に知識がつながります。
あとから復習するときに、ただの保存先ではなく、自分専用の参考書になります。
いちばん強いのは「メンテナンスをAIに渡せる」こと
人間がWikiを続けられない理由は、書くことよりメンテナンスです。
- 関連リンクを貼る
- 古いページを直す
- 用語をそろえる
- 矛盾を見つける
- 索引を更新する
これが面倒で止まります。
でもLLMは、そこを嫌がりません。
15ファイルを一気に触ることもできます。
だからWikiが育ちます。
まずは小さく始めるのがよさそう
いきなり全部の資料を入れるより、最初は1テーマで十分です。
おすすめはこのあたりです。
- 自分のブログ記事
- よく読むAIニュース
- 仕事の商談メモ
- 学びたい講座
- 家族旅行の下調べ
まず10本だけ入れる。
それでWikiが役に立つか見る。
続けたくなったら、そこで広げればいいです。
