LLM Wikiとは、ChatGPTなどのLLM（大規模言語モデル）を使って、文章・メモ・議事録・資料・ノウハウをWiki形式で整理し、あとからAIに質問できるようにする新しい知識管理の考え方です。
従来のWikiは、人間が記事を書き、人間が探すものでした。LLM Wikiでは、AIが情報を読み取り、要約し、関連付け、必要に応じて更新しながら、知識を「使える形」に整理していきます。
特に注目されているのは、RAGのように毎回ドキュメントを検索して回答するだけではなく、情報をMarkdownなどで構造化し、継続的に育つ知識ベースとして管理する点です。LLM Wikiは、個人のメモ管理、社内ナレッジ共有、業務マニュアル、開発ドキュメント、議事録整理などに活用できます。
LLM Wikiとは？
LLM Wikiを一言でいうと、AIが読める・整理できる・更新できるWikiです。
たとえば、以下のような情報を1つのフォルダにまとめます。
- 業務マニュアル
- 社内ルール
- 会議メモ
- お客様対応履歴
- 開発仕様書
- ブログ記事の下書き
- 調査メモ
- PDFやWeb記事からまとめた情報
これらをMarkdown形式などで整理し、ChatGPT、Claude、Cursor、Obsidian、ローカルLLM、AIエージェントなどから読み込ませることで、「あの件どうなっていた？」「この仕様の注意点は？」「過去の議事録から要点を出して」といった質問に答えられるようになります。
従来のWikiとの違い
| 項目 | 従来のWiki | LLM Wiki |
|---|---|---|
| 情報整理 | 人間が手動で整理 | AIが要約・分類・関連付けを支援 |
| 検索方法 | キーワード検索 | 自然文で質問できる |
| 更新 | 人間が記事を編集 | AIに追記・整理・統合を依頼できる |
| 使い方 | 読む・探す | 聞く・比較する・要約する・判断材料にする |
LLM WikiとRAGの違い
RAGは、質問されたときに関連する資料を検索し、その内容をLLMに渡して回答させる仕組みです。一方、LLM Wikiは、資料をその都度検索するだけではなく、情報をあらかじめ整理・統合し、Wikiとして成長させていく考え方です。
ざっくり言うと、以下の違いがあります。
- RAG：資料を探して答える仕組み
- LLM Wiki：知識を整理して育てる仕組み
大量の社内文書を検索したい場合はRAGが向いています。一方で、個人の知識管理、プロジェクトの経緯整理、社内ノウハウの蓄積にはLLM Wikiが向いています。
RAGとは？LLM Wikiを理解するうえで知っておきたいAIの仕組み
LLM Wikiを理解するうえで、あわせて知っておきたい言葉が「RAG」です。RAGは「Retrieval-Augmented Generation」の略で、日本語では「検索拡張生成」と呼ばれます。
少し難しく聞こえますが、初心者向けに言うと、RAGとは「AIが回答する前に、外部の資料を検索して、その内容を見ながら答える仕組み」です。
通常のAIは、学習済みの知識をもとに回答します。しかし、社内マニュアル、最新の仕様書、会議議事録、業務ルールなど、AIがもともと知らない情報については正確に答えられないことがあります。
そこでRAGを使うと、AIが回答する前に関連する資料を探し、その資料の内容をもとに回答できるようになります。
RAGの流れ
- ユーザーがAIに質問する
- AIシステムが関連する資料を検索する
- 見つかった資料の必要な部分をAIに渡す
- AIが資料を参考にして回答する