Wissens-Rabe: Eine modellunabhängige Wissensbasis-Plattform, erstellt mit Claude Code

Knowledge Raven ist eine Wissensbasis-Plattform, die es jedem MCP-kompatiblen LLM (Claude, GPT, usw.) ermöglicht, Unternehmensdokumente zu durchsuchen und spezifische Abschnitte mit Quellenzitaten abzurufen. Die Plattform fungiert als strukturierter, berechtigungsbewusster Speicher für KI-Assistenten.

Plattformfunktionen und Fähigkeiten

Die Plattform unterstützt Dokumenten-Uploads und Verbindungen zu verschiedenen Quellen, einschließlich Drive, Confluence, Notion, Dropbox und GitHub. Sie bietet einen kostenlosen Tarif mit Limits von 50 Dokumenten und 3 Benutzern.

Technische Architektur

Die gesamte Plattform wurde von einem Einzelgründer mit Claude Code entwickelt. Der technische Stack umfasst:

• Backend: Python/FastAPI
• MCP-Tool-Schicht
• Agentenbasierte RAG-Pipeline mit Parent-Child-Retrieval
• Kontextuelle Einbettungen
• Hybridsuche

Inspiration und Kontext

Die Entwicklung wurde von Andrej Karpathys Workflow zur Erstellung persönlicher Wissensbasen mit LLMs inspiriert, der das Kompilieren von Rohquellen in strukturierte Wikis und deren Abfrage durch Agenten beinhaltet. Karpathy merkte an, dass sein Ansatz in kleinem Maßstab (~100 Artikel, ~400.000 Wörter) gut funktioniert, erkannte jedoch Grenzen für größere Implementierungen und stellte fest: "Ich denke, hier gibt es Raum für ein unglaubliches neues Produkt anstelle einer zusammengestückelten Sammlung von Skripten."

Knowledge Raven schließt diese Lücke, indem es auf Unternehmensbedürfnisse skaliert, 50.000+ Seiten mit Zugriffskontrollen und live-synchronisierten Quellen verarbeitet. Die Plattform implementiert eine echte agentenbasierte RAG-Infrastruktur, die in diesem Maßstab im Vergleich zu einfacheren skriptbasierten Ansätzen notwendig wird.

Technischer Ansatz und Philosophie

Der Entwickler klärt auf, dass Karpathys System tool-basiert ist, wobei das LLM auf externen Dateien arbeitet, eine Suchmaschine als Werkzeug aufruft und strukturierte Ausgaben schreibt. Dies entspricht dem von Knowledge Raven verwendeten MCP-Muster. Der Beitrag geht auf Missverständnisse bezüglich Fine-Tuning ein und stellt fest, dass das Fine-Tuning von Unternehmenswissen in Modellgewichten die Quellenzuordnung, Berechtigungen und Echtzeit-Aktualisierungsfähigkeiten verlieren würde.

Der Entwickler hat Knowledge Raven speziell gebaut, um das Problem des Zugriffs von KI-Assistenten auf organisatorische Wissensbasen im Team-Maßstab zu lösen und sich damit über individuelle Workflows hinaus zu unternehmensfertigen Lösungen zu bewegen.