llm-wiki-kit
★ 61
vs
anansi
★ 118
llm-wiki-kit vs anansi
llm-wiki-kit：llm-wiki-kit为AI代理提供持久、结构化且随时间累积的记忆。你只需拖入PDF、网址、YouTube视频，代理就会构建维基、关联知识点并跨会话记住所有内容。兼容Claude、Codex、Cursor、Windsurf等MCP代理。；anansi：Anansi是一个弹性的网络爬虫，能够处理敌对网站、抵御改版并随时间改进。它具有自愈合CSS选择器、自动浏览器升级、TLS指纹模仿和自适应速率限制。它附带一个MCP服务器，用于LLM集成。
01
简评
llm-wiki-kitMemory & Context · ★ 61
研究：导入论文并跨源提出综合问题
anansiBrowser Automation · ★ 118
使用自适应选择器从产品页面提取结构化数据
02
并排对比
字段
llm-wiki-kitanansi分类
记忆与上下文
浏览器自动化
Stars
★ 61
★ 118
许可证
MIT
Apache-2.0
安装方式
pip install "llm-wiki-kit[all] @ git+https://github.com/iamsashank09/llm-wiki-kit.git"
pip install "git+https://github.com/mdowis/anansi"
更新时间
6个月前
1个月前
开源
是
是
标签
AI 智能体, knowledge-base, 大语言模型
adaptive-scraping, AI 智能体, anti-bot
03
功能特性
llm-wiki-kit01多格式导入（PDF、网址、YouTube、Markdown）
02自动交叉引用并创建维基链接
03跨会话持久记忆
04基于SQLite FTS5的全文搜索
05健康检查（断链、孤立页面）
anansi01自愈合解析器，具有置信度评分的选择器和四种愈合策略
02TLS/HTTP-2指纹模仿以绕过企业机器人检测
03自动浏览器升级以处理JavaScript壳和Cloudflare挑战
04增量爬取，使用ETag、Last-Modified和内容哈希比较
05从JSON-LD、Open Graph和Microdata提取结构化数据
04
使用场景
llm-wiki-kit↳研究：导入论文并跨源提出综合问题
↳技术入职：导入代码库文档以解答架构问题
↳学习：从教程和博客文章构建个性化维基
anansi↳使用自适应选择器从产品页面提取结构化数据
↳并发爬取大型网站，具有弹性和自动恢复能力
↳绕过反爬措施进行授权的网络爬取
FAQ
常见问题
llm-wiki-kit 和 anansi 有什么区别？
llm-wiki-kit 和 anansi 都属于 Memory & Context 类别。llm-wiki-kit 有 61 Stars，anansi 有 118 Stars。
llm-wiki-kit 和 anansi 哪个更好？
最佳选择取决于你的具体需求。研究：导入论文并跨源提出综合问题 时选 llm-wiki-kit，使用自适应选择器从产品页面提取结构化数据 时选 anansi。
llm-wiki-kit 是免费的吗？
是的，llm-wiki-kit 在 GitHub 开源（MIT）。
anansi 是免费的吗？
是的，anansi 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→