axoviq-ai/synthadoc
LLM-ДВИЖОК ПРЕОБРАЗОВАНИЯ ДОКУМЕНТОВ В WIKI
Открытый движок, превращающий сырые документы (PDF, видео, таблицы) в структурированную локальную wiki на Markdown. Автоматически строит перекрёстные ссылки, находит противоречия и цитирует источники.
// КЛЮЧЕВЫЕ ОСОБЕННОСТИ
- Читает PDF, видео, таблицы, веб-страницы и транскрипты ИИ-сессий
- Автоматически создаёт перекрёстные ссылки и выявляет противоречия
- Выдаёт ответы с цитированием источников, хранит всё в локальном Markdown
- Четыре интерфейса: CLI, Obsidian, Web UI и MCP для агентов
// РАЗБОР: КАК ЭТО РАБОТАЕТ
Synthadoc загружает исходные файлы — PDF, таблицы, презентации, веб-страницы, изображения, видео, документы Word, текст и JSONL-транскрипты — и прогоняет их через LLM для синтеза в единую wiki. Результат сохраняется как набор Markdown-файлов с автоматическими перекрёстными ссылками, метками противоречий и сиротскими страницами; каждый ответ содержит ссылки на источники. Индексация работает по ключевым словам (~20 мс на 2000 страниц) и семантически (70% попаданий в топ-5), а граф знаний визуализирует тысячи страниц за секунды.
В отличие от классического RAG, Synthadoc не требует векторной БД в продакшене: вся структура — в читаемых файлах, которые открываются в Obsidian, Git или любом редакторе. Движок работает автономно: агентский цикл обслуживания сам находит пробелы, устраняет конфликты и обновляет статьи без участия человека. Поддерживаются локальные модели через Ollama и облачные (Gemini Flash), есть аудит затрат, хуки для CI/CD и OpenTelemetry для мониторинга.
Требует Python и доступа к LLM (API-ключ или локальный сервер). Для больших вики нужны ресурсы на индексацию и построение графа; семантический поиск включается по умолчанию при создании. Нет встроенной аутентификации или RBAC — доступ регулируется на уровне файловой системы или реверс-прокси. Интерфейс MCP позволяет подключать вики как инструмент к агентам.
// СЦЕНАРИИ ИСПОЛЬЗОВАНИЯ
Кому пригодится: Исследователям, командам и enterprise для локальной базы знаний без облака
- Создать персональную исследовательскую wiki из PDF, заметок и видео за час
- Объединить знания отдела в единую базу с автоматическим разрешением конфликтов
- Подключить локальную wiki как инструмент к ИИ-агенту через MCP-протокол
Новые репозитории каждые 30 минут
REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.
Подписаться в Telegram