知识系统专题

知识系统专题文章合集，收录 Diors.tech 关于知识系统的系统化 AI 学习笔记、工程实践与延伸阅读。

10 篇文章

LLM Wiki 入门：为什么它不是 RAG，也不是普通笔记软件

从 Karpathy 的 LLM Wiki 模式出发，理解一种新的个人知识库做法：人负责选资料和提问题，LLM Agent 负责整理、交叉引用、更新和维护 Wiki。

手把手搭建 LLM Wiki 的第一版目录结构，讲清 raw、wiki、index、log、AGENTS.md 分别放什么，以及为什么一开始不要把结构设计得太复杂。

LLM Wiki 最关键的一篇：完整讲解 AGENTS.md 应该写什么，包括目录规则、页面模板、ingest、query、lint、引用、冲突处理和安全边界。

LLM Wiki 的第一个核心操作：如何把 raw 里的原始资料吸收到 wiki 里，生成 source summary、concept page、question page、synthesis，并更新 index 和 log。

LLM Wiki 的第二个核心操作：基于 index 和 wiki 页面提问，生成带依据的回答，并把有长期价值的比较、综述、问题和结论沉淀回知识库。

LLM Wiki 的第三个核心操作：检查孤岛页面、重复概念、缺引用、过时结论、冲突说法和 index/log 漏更新，让知识库越长越清楚。

如何用 Obsidian 承载 LLM Wiki：双链、Graph View、Web Clipper、附件、本地图片、Dataview 和 Marp，重点是让人能浏览，让 Agent 能维护。

LLM Wiki 是一堆 Markdown 文件，天然适合 Git。本文讲 commit、diff、branch、rollback、review 和 Agent 修改报告，让知识库可回滚、可审查、可长期维护。

LLM Wiki 一开始不需要向量数据库。本文讲从 index.md、ripgrep、Obsidian 搜索到 BM25 / vector / qmd 的渐进路线，以及什么时候该加搜索。

LLM Wiki 系列收官项目：选一个主题，收集 20 篇资料，完成 ingest、query、lint、Obsidian 浏览、Git 管理和搜索升级，最终形成一个可长期维护的知识库。