LLM-WIKI：让AI替你管知识库，实现知识「一次整理，终身复利」

lxiol
  2026-05-08 21:51:59 2026-05-08 21:51:59 创建   2026-05-12 16:07:03 2026-05-12 16:07:03 更新    
📝
字数 1881，阅读大约需 10 分钟 传统RAG系统每次查询都需重新挖掘原始文档，却从不积累经验；而Karpathy提出的LLM-WIKI思想，通过AI增量构建结构化、可演进的知识库，自动整合新信息、标记矛盾点、维护关联链路。LLM-WIKI的核心突破在于：知识只编译一次，却持续复利，让人类从繁琐的整理工作中解放，专注于提问与思考

原文链接：https://mp.weixin.qq.com/s/F2_qNXiiK4b9ZwVQQKMg3g

字数 1881，阅读大约需 10 分钟

传统RAG系统每次查询都需重新挖掘原始文档，却从不积累经验；而Karpathy提出的LLM-WIKI思想，通过AI增量构建结构化、可演进的知识库，自动整合新信息、标记矛盾点、维护关联链路。

LLM-WIKI的核心突破在于：知识只编译一次，却持续复利，让人类从繁琐的整理工作中解放，专注于提问与思考。

本文将结合实战场景，分享 LLM-WIKI 的落地架构、核心操作与扩展方案。

本文要点

  • • 搭建LLM-WIKI，拆解关键知识点，聊天演化新的知识点
  • • 使用git自动进行知识库云管理
  • • 接入龙虾，打通IM端窗口式
  • • 接入Obsidian平台+Claudian插件管理知识库
  • • 使用避坑及经验分享

LLM-WIKI目录结构示例

1. 三层核心架构（源自Karpathy原典）

层级

作用说明

原始层

存储不可修改的数据源（文章、PDF、笔记等），为知识库提供”事实基石”

知识库层

AI生成的结构化内容（概念/实体/综合页），自动关联、更新、去重

配置层

AGENTS.md（国内模型优先）/CLAUDE.md（Claude优先），定义AI的工作规则

2. 实战目录结构

1
2
3
4
5
6
7
8
9
10
11
12
13
`LLM-WIKI/
├── AGENTS.md           # 核心配置文件（模型行为定义）
├── 原始/               # 数据源目录（只读）
│   ├── 文章/、PDF/、图片/等分类文件夹
├── 知识库/             # AI生成的结构化内容
│   ├── 索引.md         # 全局目录（自动更新）
│   ├── 日志.md         # 操作轨迹（ ingest/query/lint 记录）
│   ├── 概念/、实体/、综合/等分类
├── 输出/               # 查询结果与检查报告
├── 脚本/               # 辅助工具
│   ├── docx2md.py      # 格式转换脚本
│   ├── qmd_query.py    # qmd降级搜索脚本
│   └── lint.py         # 健康检查脚本`

3. 官方资源

三大命令打通知识流转

1. 数据摄入：ingest - 让AI读懂你的文档

1
2
3
4
5
6
7
8
9
10
11
12
`# 基础用法：摄入单个文件
ingest 原始/文章/xxx.md

# 批量摄入：递归处理文件夹
ingest 原始/**

核心逻辑：
AI读取原始文件→提取关键信息→更新索引.md→关联现有概念/实体页→记录日志.md

注意事项：
- 实体/概念提取依赖AGENTS.md定义的规则（如标题层级、关键词匹配）
- 无法打开的文件需检查WPS/Office权限，或转换为MD格式`

2. 知识查询：query - 精准调用结构化知识

1
2
3
4
5
6
7
8
`# 基础查询
query LLM-WIKI与传统RAG的区别
或者 
根据我的知识库回答：LLM-WIKI与传统RAG的区别

进阶技巧：
- 优质查询结果可自动存入`输出/`目录，手动移入`原始/`再次ingest，实现知识闭环
- 避免幻觉放大：关键结论需人工验证后再纳入知识库`

3. 健康检查：lint - 保持知识库整洁

1
2
3
4
5
6
7
8
`# 基础检查（矛盾/孤页/缺失关联）
lint

检查内容：
- 矛盾点：新老数据冲突标记
- 孤页：无关联的孤立页面
- 缺失：重要概念未生成独立页面
- 依赖脚本：`lint.py`可自定义检查规则（如特定关键词必现）`

扩展能力：满足个性化需求

1. Git云管理知识库（可写在AGENTS.md里）

1
2
3
4
5
6
7
8
9
10
`# 1. 初始化仓库（首次执行）
git init && git add . && git commit -m "初始化LLM-WIKI"

# 2. 编写自动提交脚本
#!/bin/bash
git pull --rebase    # 拉取云端变更
git status --porcelain   # 检查是否有变更
git add .              # 若有变更则提交并推送
git commit -m "<操作类型>: <简要描述>"
git push origin main`

2. Obsidian管理知识库（需改为CLAUDE.md）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
`# 下载地址
https://obsidian.md/

# 安装claudian插件
https://github.com/YishenTu/claudian?tab=readme-ov-file

1. 进入插件目录 
cd 工程文件\.obsidian\plugins
git clone https://github.com/YishenTu/claudian.git

2. 进入claudian目录，安装依赖
cd 工程文件\.obsidian\plugins\claudian
npm install
npm run build

3. 启用插件
Settings → Community plugins → Enable "Claudian"`

3. 接入龙虾，打通IM端窗口式

    1. 添加工作区
    1. 添加技能调用知识库文件，自动识别AGENTS.md
    1. 如果希望openclaw每次回复都读取知识库图片，修改SOUL.md
1
2
`添加这条信息
- When the skill **llm-wiki** is triggered, the relevant images need to be sent along with the answers to the questions. Note that the images should not be displayed repeatedly.`
    1. 示例目录结构
1
2
3
4
5
6
7
8
9
10
11
12
13
`workspace-knowledge
├── LLM-WIKI/        # 自定义agent的文件夹
    ├── 知识库/
    ├── ....
    └── AGENTS.md
├── skills
    ├── ....         # 其他技能
    └── llm-wiki/    # 调用agent的技能
        ├── references
                └── AGENTS.md
        └── SKILL.md   
AGENTS.md
...`

注意事项

1. 指令偶尔失效

  • • trae等IDE中指令控制时，CLAUDE.md改成AGENTS.md才能更好识别
  • • 使用openclaw时需要触发技能的关键词（如：根据我的知识库回答）

2. lint时检查结果信息缺失

  • • 自定义lint.py脚本逻辑

3. ingest的产出，没有完全准确地把原始知识库的内容做索引，依赖执行ingest时的脚本

  • • 部分文件打开不了（取决于用的脚本和word工具权限）
  • • 实体、来源、概念 提取的原理是什么？（按照AGENTS.md的规则来）
  • • 感觉内容零碎且不完整（取决于用的claude和模型）

4. query的产出，比较零碎，如果是修正内容，能直接生成一份新的内容吗，生成后是否还需要人工更新？

  • • 输出的文件内容仅仅是优化建议，没有直接可应用性（可用的又放入原始文件夹，再次摄入）
  • • 如果输出的是幻觉，采纳后会被无限放大幻觉（需要判断再采纳）

5. qmd工具安装不了，导致自动生成的脚步

  • • query时提问知识库文章中的某个概念时，AI拿不到内容（ingest时的索引和日志不完整）

6. qmd安装方式：

1
2
3
4
5
6
`下载地址：
https://github.com/tobi/qmd
安装指令：
npm install -g @tobilu/qmd
qmd --version
还是用不了就让AI解决，实在用不了就降级处理，写py脚本搜索或直接查索引.md。`

Windows下qmd兼容问题处理：

1
2
3
4
`问题原因：
@tobilu/qmd 包只提供了 Unix/Linux 的启动脚本（bin/qmd 是 shell 脚本），
没有为 Windows 提供兼容的启动方式。
npm 自动生成的 .cmd 和 .ps1 文件尝试调用 /bin/sh，这在 Windows 上不存在。`

解决：

1
2
3
4
`替换npm下的文件，
对应C:\Users\~\AppData\Roaming\npm 以下3个文件：
两个文件现在都直接调用Node.js来运行@tobilu/qmd/dist/cli/qmd.js，
绕过对 Unix shell 的依赖。`

qmd（shell 脚本）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
`#!/bin/sh
basedir=$(dirname "$(echo "$0" | sed -e 's,\\,/,g')")

case `uname` in
    *CYGWIN*|*MINGW*|*MSYS*)
        if command -v cygpath > /dev/null 2>&1; then
            basedir=`cygpath -w "$basedir"`
        fi
    ;;
esac

if [ -x "$basedir//bin/sh" ]; then
  exec "$basedir//bin/sh"  "$basedir/node_modules/@tobilu/qmd/bin/qmd" "$@"
else 
  exec /bin/sh  "$basedir/node_modules/@tobilu/qmd/bin/qmd" "$@"
fi`

qmd.cmd（Windows 批处理）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
`@ECHO off
SETLOCAL

REM Get the directory of this script
SET "SCRIPT_DIR=%~dp0"

REM Remove trailing backslash
SET "SCRIPT_DIR=%SCRIPT_DIR:~0,-1%"

REM Navigate to the package directory and execute the CLI
IF EXIST "%SCRIPT_DIR%\node_modules\@tobilu\qmd\dist\cli\qmd.js" (
  node "%SCRIPT_DIR%\node_modules\@tobilu\qmd\dist\cli\qmd.js" %*
) ELSE (
  ECHO Error: qmd.js not found. Please reinstall the package.
  EXIT /B 1
)`

qmd.ps1（PowerShell 脚本）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
`#!/usr/bin/env pwsh

$basedir=Split-Path $MyInvocation.MyCommand.Definition -Parent

$exe=""
if ($PSVersionTable.PSVersion -lt "6.0" -or $IsWindows) {
  $exe=".exe"
}

# Execute the Node.js CLI directly
if (Test-Path "$basedir/node_modules/@tobilu/qmd/dist/cli/qmd.js") {
  & node "$basedir/node_modules/@tobilu/qmd/dist/cli/qmd.js" @args
  $ret=$LASTEXITCODE
} else {
  Write-Error "Error: qmd.js not found. Please reinstall the package."
  $ret=1
}

exit $ret`

结语
LLM-WIKI 的本质不是 “让 AI 写文档”，而是构建一个人机协作的知识生态——AI 负责机械的整理、关联、维护工作，人类专注于内容筛选、深度思考与价值判断。它既可以是个人的 “第二大脑”，也能成为团队的 “知识中台”，通过 git 自动化、IM 集成等扩展，打破知识流转的壁垒。

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。

  • 标题: LLM-WIKI：让AI替你管知识库，实现知识「一次整理，终身复利」
  • 作者: lxiol
  • 创建于 : 2026-05-08 21:51:59
  • 更新于 : 2026-05-12 16:07:03
  • 链接: https://blog.lxiol.cn/2026/05/08/LLM-WIKI让AI替你管知识库实现知识一次整理终身复利/
  • 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
目录
LLM-WIKI：让AI替你管知识库，实现知识「一次整理，终身复利」
  1. 本文要点
  2. LLM-WIKI目录结构示例
    1. 1. 三层核心架构（源自Karpathy原典）
    2. 2. 实战目录结构
    3. 3. 官方资源
  3. 三大命令打通知识流转
    1. 1. 数据摄入：ingest - 让AI读懂你的文档
    2. 2. 知识查询：query - 精准调用结构化知识
    3. 3. 健康检查：lint - 保持知识库整洁
  4. 扩展能力：满足个性化需求
    1. 1. Git云管理知识库（可写在AGENTS.md里）
    2. 2. Obsidian管理知识库（需改为CLAUDE.md）
    3. 3. 接入龙虾，打通IM端窗口式
  5. 注意事项
    1. 1. 指令偶尔失效
    2. 2. lint时检查结果信息缺失
    3. 3. ingest的产出，没有完全准确地把原始知识库的内容做索引，依赖执行ingest时的脚本
    4. 4. query的产出，比较零碎，如果是修正内容，能直接生成一份新的内容吗，生成后是否还需要人工更新？
    5. 5. qmd工具安装不了，导致自动生成的脚步
    6. 6. qmd安装方式：