Agent Wiki 现状：AI 智能体的知识编译革命

📝

Karpathy 提出 LLM Wiki 后四个月，Cognition/Factory/LangChain/Garry Tan 四个团队各自构建了相同架构。核心理念：摄入时编译而非查询时检索。三层架构（源文档→Wiki→Schema），三个操作（Ingest/Query/Lint）。关键区分：Wiki ≠ 用户记忆，Mem0 解决后者。

原文链接：Agent Wiki 现状：AI 智能体的知识编译革命
作者：天天

2026 年 4 月 Karpathy 写下 LLM Wiki Gist，四个月内四个团队各自构建了相同架构：

团队	产品	应用场景
Cognition	DeepWiki	GitHub 公开仓库 Wiki（50,000+ 仓库）
Factory	AutoWiki	CI 集成，文档即构建产物
LangChain	OpenWiki	开源 CLI + Personal Brain
Garry Tan	GBrain	个人知识库开源版

四个团队用四种不同应用场景解决四个不同问题，却得出相同架构——这是架构正确性的有力证据。

核心理念：摄入时编译，而非查询时检索

传统 RAG：每次查询都从原始片段重新构建答案，第十次回答并不比第一次更好。

Agent Wiki：模型读取源文档时一次性完成工作，写入持久化页面。成本前置，结果积累。

三层架构

层级	内容	说明
Layer 1	源文档	文章、论文、代码仓库，只读
Layer 2	Wiki 维基	Markdown，模型编写全部内容
Layer 3	Schema 文件	告诉模型 Wiki 的结构和任务

三个操作

Ingest——读取新源，写入相关页面
Query——向 Wiki 提问，优质答案写回成为新页面
Lint——审查 Wiki，发现矛盾/过期/孤立页面

为什么能工作

人类 Wiki 死于维护——修正链接、保持摘要准确、对比新文档。这项工作永无止境，没有回报。

模型做这项工作毫无问题。 不厌倦、不忘记链接、可以一次性修改十五个文件。

Vannevar Bush 1945 年就描述了 Memex，但无法解决维护问题。今天，模型就是答案。

关键区分：Wiki ≠ 用户记忆

含义	Wiki 能做	Wiki 不能做
文档集的知识	✅ 编译文档、仓库、Gmail 中的数据	—
用户的记忆	❌	偏好、决策、交互结果——与个人相关而非文档集

你的 Gmail Wiki 能告诉 Agent 你的 Gmail 中有什么，但无法告诉 Agent 你在星期二的对话中改变了一个决定。

Mem0 解决后者——user_id 保存记忆，跨会话/应用/Agent 移动，事实变化时更新已有记录。

两个系统不是替代关系——两个都用。

局限

规模——约 100 个源以内不需要检索基础设施，更多时需加搜索引擎
准确性——摄入时编译，早期摘要的错误会传播
过时信息——错误的 Wiki 比没有 Wiki 更糟糕
成本——创建和检查页面都要 Token