iwe：961⭐的面向 AI Agent 的 Markdown 知识图谱系统
iwe 是一个将 Markdown 笔记组织为层级知识图谱的系统，核心目标是让 AI Agent 能够像人类一样理解你的知识结构，而非依靠模糊的向量相似度检索。
项目概览
| 属性 | 内容 |
|---|---|
| GitHub | iwe-org/iwe |
| Stars | 961 |
| 语言 | Rust |
| 特点 | 层级知识图谱、MCP 协议支持、LSP 编辑器集成 |
| 最后更新 | 1天前 |
解决什么问题
用 AI 辅助工作时，上下文管理是个老大难问题。你把笔记存进文件夹，两周后就忘了放在哪；用向量数据库做 RAG，AI 拿到的却是”可能相关”的碎片，而不是真正关联的内容。iwe 的解决思路很直接：不给 AI 喂碎片，而是给它一张地图。
通过**包含链接（inclusion links）**构建的层级结构，让笔记形成一棵树，同时支持多父节点（polyhierarchy）——同一篇笔记可以出现在不同上下文中而不需要复制。AI 查询一个主题时，能自动拿到它的子节点、父节点和相关链接的完整上下文。
核心特性
本地优先 所有数据以纯 Markdown 文件形式存储在本地目录，没有锁定，没有云端依赖。
AI 外部记忆 提供 CLI 和 MCP Server 两种接口，让 AI Agent 能够检索、创建、重构你的知识库。Claude、Codex、Gemini 等工具都可以通过标准协议访问。
编辑器集成 通过 LSP 协议支持 VS Code、Neovim、Zed、Helix 等编辑器，提供搜索、跳转、重构、自动补全等 IDE 级功能。
结构化而非向量化 不同于向量数据库的”黑盒相似度”，iwe 的检索基于显式的链接关系，结果可预测、可解释、可人工调整。
快速开始
# 安装
brew tap iwe-org/iwe
brew install iwe
# 初始化知识库
cd ~/notes
iwe init
# 检索主题及其上下两级上下文
iwe retrieve -k "项目规划" -d 2 -c 1MCP Server 提供了 13 个工具、3 个提示词模板和资源访问能力，AI Agent 可以直接操作你的知识图谱。
同类对比
| 工具 | Stars | 特点 |
|---|---|---|
| Obsidian | 80k+ | 成熟的笔记应用，插件生态丰富 |
| Logseq | 35k+ | 大纲式双向链接，开源 |
| mem.ai | - | 云端 AI 记忆，自动整理 |
| iwe | 961 | 为 AI Agent 设计的结构化知识图谱，MCP 原生支持 |
与 Obsidian/Logseq 这类面向人设计的工具不同，iwe 从一开始就为”人机协作”设计。它不是取代你的编辑器，而是作为底层知识层，让任何编辑器都能获得结构化能力。
适用场景
- AI 辅助编程：把代码库文档、架构决策、API 设计整理成知识图谱，让 AI 理解整体结构而非只看单个文件
- 项目知识管理：复杂项目的背景信息、决策记录、技术债务，形成可追溯的知识脉络
- 个人知识库：替代文件夹的扁平组织，让笔记之间有明确的层级和关联
项目信息
| 属性 | 内容 |
|---|---|
| 仓库 | https://github.com/iwe-org/iwe |
| 许可证 | Apache-2.0 |
| 语言 | Rust |
| 维护者 | @iwe-org |
iwe 的 961 个 star 在当前 AI 工具热潮中不算显眼，但它解决的问题很具体：如何让 AI 真正理解你的知识结构，而不是在向量空间里做概率猜测。如果你正在用 Claude、Codex 或其他 AI Agent 工具，值得一试。