Как создать сайт базу знаний с использованием AI WIKI LLM, Markdown, Astro JS & Starlight KB

Сайт базы знаний превращает разрозненные заметки в единый источник правды: он ускоряет поиск, обучение и принятие решений, а контент остаётся переносимым и версионируемым. Современный стек (Git + Markdown + Astro/Starlight + AI-редактор) автоматизирует создание и поддержку страниц, даёт быстрый статический сайт с навигацией и поиском.

AI WIKI LLM — это подход к управлению базой знаний, при котором контент живёт в в виде Markdown-файлов, а AI-ассистент (через систему skills) выступает в роли редактора: читает исходники, пишет и связывает страницы, проверяет их здоровье и отвечает на вопросы строго по материалам wiki.

Стек проекта:

Слой	Технология	Назначение
Контент	Markdown + YAML frontmatter	Страницы wiki — единый источник
AI-редактор	OpenClaw skills (llm-wiki)	Ingest, query, lint, update страниц
Генератор сайта	Astro + Starlight	Статический сайт из Markdown
Поиск	Pagefind → Algolia DocSearch	Локальный поиск на старте, облачный после роста
Хостинг	GitHub Pages	Бесплатный деплой статики
CI/CD	GitHub Actions	Автосборка и публикация при пуше
Тема	starlight-theme-obsidian	Obsidian-подобный визуальный стиль

Результат — живая, пополняемая база знаний, которая автоматически собирается в быстрый статический сайт с поиском и навигацией.

Архитектура верхнего уровня:

AI agents & skills         Git-репозиторий               Интернет
┌──────────────┐      ┌──────────────────────┐      ┌──────────────┐
│  Ingest      │ ───→ │ raw/ (источники)     │      │              │
│  Query       │ ←──→ │ src/content/docs/    │ ───→ │ GitHub Pages │
│  Lint        │      │ AGENTS.md (схема)    │      │              │
│  Update      │      └──────────────────────┘      └──────────────┘
└──────────────┘

---

Зачем это нужно?

Проблема

Традиционные базы знаний (Notion, Confluence, Google Docs) имеют врождённые ограничения:

• Закрытый формат — контент заперт в проприетарной системе, сложно мигрировать
• Слабая версионность — нет полноценного git blame и history на каждую строку
• Медленный поиск — облачные поисковые движки не всегда успевают за ростом
• Ручная работа — нет AI-воркфлоу, который автоматически пополняет и проверяет контент
• Зависимость от вендора — цены растут, API меняются, экспорт болезненный

Решение

LLM Wiki решает эти проблемы радикально:

1. Git как источник истины — полная история, blame, ветки, review через PR
2. Markdown как формат — читается в любом редакторе, конвертируется во что угодно
3. AI как редактор — навыки (skills) автоматизируют рутину: прочитал статью → создал 5-10 связанных страниц → обновил каталог → прописал кросс-ссылки
4. Статический сайт — мгновенная загрузка, ноль серверной логики, бесплатный хостинг
5. Полный контроль — всё ваше, никаких подписок и лимитов

---

Сценарии использования

1. Персональная база знаний разработчика

Вы изучаете WordPress (или любую другую технологию) и хотите накапливать знания структурированно.

AI агент помогает:

• Переваривать статьи и документацию в структурированные страницы
• Находить противоречия между разными источниками
• Отвечать на ваши вопросы строго по материалам вашей же wiki

2. Публичная документация продукта

Вы делаете open-source плагин или тему для WordPress.

LLM Wiki позволяет:

• Вести документацию в том же репозитории, что и код
• Принимать контрибуции через PR в Markdown-страницы
• Автоматически деплоить сайт документации при каждом релизе

3. Общая wiki для команды или сообщества

Например сообщество WordPress-разработчиков накапливает экспертизу:

• Внутренние стандарты и рецепты хранятся в Git
• AI помогает новичкам находить ответы в wiki
• Линтер автоматически находит устаревшие или противоречивые страницы

4. Обучающий портал

Преподаватель или ментор создаёт курс по какой то технологии.

LLM Wiki:

• Превращает черновики лекций в связанные страницы
• Генерирует перекрёстные ссылки между темами
• Учащиеся получают быстрый статический сайт с поиском

---

Составляющие и особенности

1. Структура репозитория

wp-knowledge/
├── raw/                         # Неизменяемые исходники
│   ├── articles/                # Статьи, PDF, блог-посты
│   └── assets/                  # Скриншоты, изображения
├── src/content/docs/            # ★ Страницы wiki (LLM пишет сюда)
│   ├── index.md                 # Каталог всех страниц
│   ├── log.md                   # Хронология операций
│   ├── console/                 # Админка
│   ├── content/                 # Контент (страницы, посты, продукты ...)
│   ├── plugins/                 # Плагины
│   ├── themes/                  # Темы
│   ├── security/                # Безопасность
│   ├── performance/             # Производительность
│   ├── snippets/                # Сниппеты кода
│   ├── legal/                   # Юридические требования
│   └── queries/                 # Ответы на вопросы
├── AGENTS.md                    # Схема LLM Wiki
├── astro.config.mjs             # Конфиг Starlight
├── .github/workflows/deploy.yml # CI/CD деплой
└── package.json

2. AGENTS.md — схема для AI

Файл AGENTS.md содержит полную инструкцию для AI-ассистента:

• Структуру wiki и правила размещения страниц
• Формат страниц (YAML frontmatter + Markdown)
• Операции: Ingest, Query, Lint, Update
• Правила кросс-ссылок и bookkeeping (index.md, log.md)
• Язык контента (ru-RU)

3. Skills — навыки AI-редактора

Каждый skill — это .md файл с инструкцией для AI, описывающий определённую операцию:

Skill	Операция	Что делает
wiki-ingest	Ingest	Читает источник → пишет 5-15 связанных страниц → обновляет index/log
wiki-query	Query	Ищет ответ строго по страницам wiki, может записать результат в queries/
wiki-lint	Lint	Проверяет здоровье: битые ссылки, противоречия, сиротские страницы, устаревшая инфа
wiki-update	Update	Обновляет существующие страницы с кросс-проверкой связанных материалов
wiki-init	Init	Создаёт или чинит структуру wiki
llm-wiki	Оркестратор	Маршрутизирует задачу к нужному skill, следит за соблюдением правил

4. Astro + Starlight — генератор сайта

Почему Starlight:

• Нативный Markdown/MDX — страницы wiki = страницы сайта, один источник
• Встроенная навигация: sidebar, breadcrumbs, тёмная тема, поиск
• Pagefind — локальный поиск без внешних сервисов (работает на старте)
• Algolia DocSearch — подключается после роста трафика
• Zero JavaScript на клиенте, мгновенная загрузка
• starlight-theme-obsidian — визуальный стиль в духе Obsidian

Конфигурация в astro.config.mjs:

import { defineConfig } from "astro/config";
import starlight from "@astrojs/starlight";

export default defineConfig({
  site: "<https://wpcraft-ru.github.io/kb-wordpress>",
  base: "/kb-wordpress",
  integrations: [
    starlight({
      title: "База знаний WordPress",
      description: "Практическая база знаний по WordPress на русском.",
      locales: { root: { label: "Русский", lang: "ru" } },
      sidebar: [
        { label: "Основы", autogenerate: { directory: "basics" } },
        { label: "Контент", autogenerate: { directory: "content" } },
        { label: "Плагины", autogenerate: { directory: "plugins" } },
        // ... остальные разделы
      ],
    }),
  ],
});

Ключевая фича — autogenerate: { directory: "..." }. Новые страницы автоматически появляются в боковой навигации без ручного обновления конфига.

5. CI/CD — GitHub Actions

При пуше в main автоматически:

1. Устанавливаются зависимости (npm ci)
2. Собирается статический сайт (npm run build)
3. Деплоится на GitHub Pages

Всё бесплатно, в рамках GitHub Free.

---

Шаги разработки MVP

Шаг 1: Инициализация проекта

mkdir wp-knowledge && cd wp-knowledge
npm create astro@latest -- --template starlight

Создаём базовую структуру:

• src/content/docs/ — будущие страницы wiki
• astro.config.mjs — конфигурация сайта
• package.json — зависимости

Шаг 2: Настройка Starlight

В astro.config.mjs:

• Задать title, description, locales
• Настроить autogenerate sidebar по директориям
• Подключить тему starlight-theme-obsidian
• Добавить ссылки на GitHub

npm install starlight-theme-obsidian

Шаг 3: Создание AGENTS.md

Написать схему для LLM — это «конституция» wiki:

• Структура директорий
• Формат страниц (frontmatter)
• Правила операций (ingest, query, lint, update)
• Язык, стиль, кросс-ссылки

Шаг 4: Создание skills

Разместить в .agents/skills/ инструкции для AI по каждой операции:

• wiki-ingest/SKILL.md — как переваривать источники в страницы
• wiki-query/SKILL.md — как отвечать по материалам wiki
• wiki-lint/SKILL.md — как проверять здоровье
• wiki-update/SKILL.md — как обновлять контент
• wiki-init/SKILL.md — как чинить структуру

Шаг 5: Настройка CI/CD

Создать .github/workflows/deploy.yml:

• Триггер: push в main
• Шаги: checkout → setup node → npm ci → build → deploy

Шаг 6: Первый ingest

Дать AI первый источник (статью, PDF, документ):

1. AI читает источник из raw/
2. Создаёт 5-15 связанных страниц в нужных категориях
3. Обновляет index.md (каталог)
4. Пишет запись в log.md
5. Прописывает кросс-ссылки между страницами

Шаг 7: Публикация

git add -A && git commit -m "Initial wiki content"
git push origin main

GitHub Actions собирает и публикует сайт. Через минуту база знаний доступна по адресу https://<user>.github.io/<repo>.

Шаг 8: Развитие

• Регулярный ingest новых источников
• Еженедельный lint для проверки здоровья
• Подключение Algolia DocSearch после роста трафика
• Привязка кастомного домена (опционально)

---

Итого

AI WIKI LLM + Astro Starlight — это современный подход к созданию и ведению базы знаний, который даёт:

Характеристика	Результат
Скорость наполнения	AI создаёт десятки связанных страниц за один ingest
Качество контента	Линтер находит противоречия, устаревшую информацию, битые ссылки
Скорость сайта	Статика на GitHub Pages — мгновенная загрузка, ноль серверной логики
Поиск	Pagefind (локальный) → Algolia (облачный) по мере роста
Стоимость	$0 на хостинг, $0 на CI/CD, открытый код
Контроль	Всё в Git — полная история, blame, ветки, PR
Портируемость	Markdown читается чем угодно, экспорт тривиален

Кому подходит:

• Разработчикам, которые хотят накапливать экспертизу структурированно
• Open-source проектам для ведения документации
• Командам для внутренней базы знаний
• Преподавателям для создания обучающих порталов

С чего начать:

1. Клонируйте репозиторий wp-knowledge
2. Изучите AGENTS.md — поймите схему работы
3. Запустите npm install && npm run dev — увидите сайт локально
4. Дайте AI первый источник через llm-wiki skill
5. Запушите и получите живую базу знаний

Проект открыт под лицензией MIT. Контрибуции приветствуются.