「Beever Atlas」把团队聊天自动变成 Wiki：开源的 LLM-first 知识库和 MCP Server

Beever Atlas 是一个开源的 LLM-first 团队知识库，目标是把团队已经发生在 Slack、Discord、Microsoft Teams、Mattermost 里的聊天记录，自动蒸馏成持续更新的 Wiki。它不是把聊天原文直接丢给 RAG，而是先抽取原子事实、实体和关系，再聚合成带引用的主题页面。

项目的核心思路很清楚：团队知识本来就散落在对话里，但聊天记录太嘈杂、太碎、上下文又强依赖人脑。Beever Atlas 试图把这些对话整理成 LLM 更容易阅读的结构化 Wiki，让新人可以浏览，也让 AI Agent 可以通过 MCP 查询。

从聊天平台到自维护 Wiki

它支持 Slack、Discord、Teams、Mattermost，也支持文件导入。同步消息后，系统会通过 6 阶段 ADK pipeline 提炼消息里的事实、实体和关系，并构建两套记忆：三层语义存储（channel / topic / atomic fact）和图谱存储。

这些记忆会服务两个入口：一个是可浏览的 LLM Wiki，包含 overview、topics、people、decisions、citations 等页面；另一个是 QA Agent，可以在 dashboard 里回答问题，也可以通过 MCP 接入 Claude Code / Cursor，让外部 AI 工具查询团队知识库。

Wiki-first RAG 的差异

很多团队知识库的做法，是查询时临时检索原始消息片段，再把上下文塞给模型。Beever Atlas 选择提前把聊天蒸馏成 Wiki：重复内容被去重，隐含上下文被整理成主题，关键结论能追溯到源消息。

这样做的好处是查询时更像在读一份压缩过的团队百科，而不是翻一堆碎片聊天。对于“谁参与了某个项目”“某个决定为什么这么做”“最近某个频道的主题是什么”这类问题，语义检索和图谱关系也能各自发挥作用。

部署方式和限制

Beever Atlas 以 Docker Compose 栈交付，包含 backend、bot、web，以及 Weaviate、Neo4j、MongoDB、Redis 等数据服务。README 提供了一键安装脚本 ./atlas，也支持手动 Docker 和本地开发模式。

需要注意的是，它不是一个开箱即用的托管 SaaS 小工具，而是一套偏工程化的自托管系统。正式接入团队聊天前，需要准备 LLM / embedding provider 的 API key，配置平台 bot token，并理解数据存储、凭据加密和权限边界。项目当前约 342 stars，Apache-2.0 许可证，适合愿意自己部署的团队和 AI 工具开发者试用。