LLM Wiki 是一個專門整理大型語言模型（LLM）與 AI Agent 生態的開源知識庫專案，核心定位是一份「LLM 世界地圖（LLM landscape wiki）」。它並不是單一 AI 工具，而是一套持續更新的百科式資源，目標是幫助開發者快速理解目前 AI 領域中的模型、框架、工具鏈與工作流。
隨著生成式 AI 發展速度越來越快，LLM 生態幾乎每天都在變化。模型、Agent framework、RAG、MCP、工具協議、推理框架與開發流程持續演進，對許多開發者來說，最大的問題甚至不是技術本身，而是「資訊太分散」。LLM Wiki 的價值，就是把這些零散內容整理成結構化知識。
從定位來看，LLM Wiki 更接近 AI 時代的「開源導航站 + 技術百科」，而不是單純文件網站。它試圖提供的是：
- AI 生態總覽
- 技術分類
- 工具整理
- 學習路徑
- 開發資源索引
這類專案的重點，不在於單一功能，而在於「建立認知地圖」。
其內容通常涵蓋：
- LLM 模型與能力比較
- AI Agent framework
- RAG（Retrieval-Augmented Generation）
- MCP / Tool Calling
- Prompt Engineering
- Multi-Agent 系統
- AI Coding workflow
- Open-source AI tools
- AI infra 與部署工具
這使它很適合作為 AI 開發者的入口資源。
其核心特色可以整理如下：
- Wiki 型知識庫：偏百科與導航導向
- 聚焦 LLM 與 Agent 生態
- 持續更新：反映 AI 領域快速變化
- 適合學習與研究：降低資訊搜尋成本
- 開源社群維護：可持續擴充與協作
與一般教學專案相比，LLM Wiki 的差異在於它不專注教單一技術，而是提供整體視角。這點其實非常重要，因為現在 AI 開發已經不只是「學會一個模型 API」，而是需要理解：
- 模型
- workflow
- infra
- tool ecosystem
- agent architecture
之間的關係。
從實際使用情境來看，LLM Wiki 特別適合：
- AI 初學者建立全局認知
- 想快速追蹤 AI 生態的開發者
- 建立 AI workflow 的團隊
- 想比較不同 framework 與工具的人
尤其在 AI Agent 領域快速發展的現在，這類 curated knowledge base 的價值其實越來越高。
此外，它也反映 AI 開源社群的一個趨勢：現在真正稀缺的，不只是模型能力，而是「知識整理能力」。因為工具更新速度太快，能否快速理解整體 landscape，往往比單點技術更重要。
整體而言，LLM Wiki 的核心價值，在於把快速演進的 AI 生態整理成可閱讀、可導航、可持續更新的知識地圖。對於想系統化理解 LLM 與 AI Agent 世界的使用者來說，這類專案是相當實用的入口資源。
