告别传统 RAG！用 LLM Wiki 打造你的 AI 知识库

让知识不再碎片化，让学习真正沉淀下来

你是否也有这样的困扰？

收藏了 500+ 篇文章，却再也没有打开过；

读了 10 篇关于同一个主题的论文，每次还是要重新梳理关系；

笔记记了一大堆，却像散落的拼图，拼不出完整的画面。

传统的 RAG（检索增强生成）解决不了这个问题。 它每次都在从零开始检索，知识无法积累，无法沉淀，无法形成网络。

今天，我们来聊聊 Andrej Karpathy 提出的全新思路 —— LLM Wiki。

封面图

什么是 LLM Wiki？

一句话概括：让 AI 帮你写和维护一本个人维基百科。

传统做法（RAG）：

1
问题 → 检索文档片段 → 生成答案（每次都重来）

LLM Wiki 做法：

1
文档 → AI 编译 → 持久化 Wiki → 持续积累、越用越丰富

关键区别在于：知识被”编译”了一次，然后持续更新，而不是每次查询都重新推导。

对比图

核心架构：三层结构

LLM Wiki 的架构非常简洁：

第一层：原始资料（raw/）

  • 你的文章、论文、笔记、PDF
  • 只读，不可修改
  • 这是你的”真实来源”

第二层：Wiki（wiki/）

  • AI 生成和维护的 Markdown 文件
  • 概念页、实体页、摘要页、对比页
  • 互相链接，形成知识网络
  • 你阅读，AI 编写

第三层：Schema（AGENTS.md）

  • 告诉 AI 如何工作的指令文件
  • 定义目录结构、操作规则、格式约定
  • 你和 AI 共同演化

架构图

三个核心操作

1. 摄入（Ingest）

把一篇新文章丢给 AI，它会：

  1. 阅读并提取关键概念
  2. 判断：创建新页面 or 更新已有页面
  3. 建立页面间的链接
  4. 更新索引和日志

一篇资料可能触及 10-15 个 Wiki 页面。知识自动关联，自动沉淀。

2. 查询（Query）

提问时，AI 不再从原始文档中检索，而是：

  1. 先查索引，找到相关 Wiki 页面
  2. 阅读这些页面
  3. 综合出带引用的答案

关键洞察：好的答案可以归档为新页面。 你的探索也在为知识库做贡献。

3. 体检（Lint）

定期让 AI 给 Wiki 做健康检查：

  • 孤立页面（没人链接到它）
  • 断链（链接到不存在的页面）
  • 重复内容
  • 过时信息
  • 缺失的重要概念

AI 主动发现问题，主动修复。

实操：5 分钟搭建你的 LLM Wiki

第一步：创建目录结构

1
2
mkdir my-wiki && cd my-wiki
mkdir raw wiki

第二步：创建 AGENTS.md

这是核心 —— 告诉 AI 如何工作。把以下要点写进去：

  • 角色定义：你是知识库维护助手
  • 目录结构：raw/ 只读，wiki/ 你维护
  • 工作流：摄入、查询、体检的具体步骤
  • 格式约定：页面模板、索引格式、日志格式
  • 示例对话：展示正确的交互方式

第三步：初始化索引和日志

1
2
# wiki/index.md - 内容索引
# wiki/log.md - 操作日志

第四步：开始使用

1
2
3
4
5
# 放资料到 raw/
cp ~/article.md raw/

# 启动你的 AI Agent（Claude Code / Codex / Qoder）
# 告诉它：请摄入 raw/article.md

就这么简单。不需要向量数据库，不需要写代码，不需要 RAG 基础设施。

为什么这行得通？

维护知识库最痛苦的不是阅读和思考，而是簿记工作：

  • 更新交叉引用
  • 保持摘要最新
  • 标注新旧信息的矛盾
  • 在数十个页面间保持一致性

人类会放弃 Wiki，因为维护负担增长太快。AI 不会。 它不会厌倦，不会忘记更新链接，一次可以修改 15 个文件。

人类的工作：策划资料、提出问题、深度思考。

AI 的工作：其他所有苦力活。

适用场景

个人成长
追踪目标、健康、学习笔记，构建关于自己的知识网络。

研究深潜
数周内阅读大量论文，增量构建一个不断演进的研究 Wiki。

读书笔记
边读边构建角色、主题、情节线索的关联页面。读完一本书，收获一个丰富的伴读 Wiki。

团队知识
把 Slack 对话、会议记录、项目文档喂给 AI，它帮你维护一个永远最新的内部 Wiki。

与 Obsidian 的完美配合

Karpathy 推荐的工作流：

一边开着 Claude Code，一边开着 Obsidian。AI 做编辑，我在 Obsidian 里实时浏览结果 —— 跟踪链接、查看图谱、阅读更新。Obsidian 是 IDE，AI 是程序员，Wiki 是代码库。

Wiki 就是纯 Markdown 文件，Obsidian 天然支持。你还可以：

  • 用 图谱视图 看知识网络
  • 用 Dataview 插件 做动态查询
  • 用 Web Clipper 快速剪藏网页
  • 用 Git 做版本管理

总结

LLM Wiki 的核心理念：

  1. 知识应该被编译，而不是每次重新检索
  2. AI 做簿记，人类做思考
  3. Wiki 是持久的、不断增长的产物
  4. 不需要复杂的 RAG 基础设施，纯 Markdown + AI 就够了

这不是一个具体的工具，而是一种模式。你可以用 Claude Code、Codex、Qoder，或任何 LLM Agent 来实现它。

从今天开始，让你的知识真正沉淀下来。

参考资料

如果这篇文章对你有帮助，欢迎点赞、在看、转发，让更多人受益。