知识库迭代机制方案v1

知识库迭代机制方案 v1.0

一句话概括
把知识库当成一个由 AI 持续”编译”、自我维护的活体 wiki：你负责投喂原料和提出问题，AI 负责一切琐碎的整理——摘要、归档、链接、体检。知识不再散落在聊天记录里，而是随每一次摄入和提问不断复利。

一、思想来源：Karpathy 的核心思路

2026 年 4 月，Andrej Karpathy 发布《LLM Knowledge Bases》，随后把完善版整理成 llm-wiki idea file。他自述”最近花在操纵知识上的 token 已经超过操纵代码”。核心观点：

  1. 传统 RAG 没有积累：每次提问都是”检索→拼凑→回答”，问答结束什么都没留下，库永远是死的。
  2. 把 LLM 当编译器：LLM 不只回答问题，而是把原始资料增量编译成一个持久、互相链接的 Markdown wiki。每次新增资料，是真的读进去——更新概念页、修订综述、标注新旧说法的矛盾。
  3. Wiki 是复利资产：交叉引用已经建好、矛盾已经标注、综述反映全部已读内容。他的一个主题库已长到 100 篇文章 / 约 40 万词，能回答很深的问题。
  4. 问答要回流：问答产出（Markdown 分析、Marp 幻灯片、图表）存回库里，让”每次探索都加和”（every exploration adds up）。
  5. 定期体检（Lint）：让 LLM 做健康检查——找出数据矛盾、联网补全缺失、发现可以写成新文章的概念连接、提出值得追问的问题。
  6. 分工：人几乎从不手写或修改 wiki——那是 LLM 的领地；人做策展人：找料、提问、判断。

二、本库现状盘点（2026-09-02）

项目 现状
仓库根 F:\ObisidianStorage（已装社区插件 Copilot，可库内 AI 对话）
内容区（约定唯一写入处） F:\ObisidianStorage\ObisidianContent
存量笔记 1 篇：2026-09-01 Obsidian是什么，如何与AI助手连接
其他 根目录 My Base.base（空的 Bases 表格视图）
Agent 环境 .agents / .claude / .opencode / copilot 四套 agent skills（GitHub Copilot 的 Obsidian 技能包）
遗留问题 ⚠️ ObisidianContent 内嵌套了一个 .obsidian，见”七、待确认事项”

启示：库还是白纸，正是引入机制的最佳时机；多套 AI 代理工具并存，意味着机制必须写成对任何 AI 都可执行的章程，而不是依赖某一家工具。

三、目录结构：三层模型落地

Karpathy 的模型分三层，全部放在 ObisidianContent 内：

层 位置 规则
Raw 原料层 raw/ 不可变。网页剪藏、文章、PDF、推文存档、对话原文。AI 只读不改
Wiki 编译层 wiki/ AI 全权维护。概念页、主题综述、对比页、问答沉淀
Schema 章程层 SCHEMA.md 告诉任何 AI”这个库怎么运作”。人机共同修订

建议目录树：

1
2
3
4
5
6
7
8
9
10
11
ObisidianContent/
├── SCHEMA.md          ← 机制章程（AI 代理的工作手册）
├── index.md           ← 内容索引：每页一行"链接 + 一句话摘要"
├── log.md             ← 迭代日志：append-only，只增不删
├── raw/               ← 原始素材（只读）
│   └── assets/        ← 图片等附件
├── wiki/              ← AI 编译的知识页
│   ├── 概念/          ← 一个概念/实体一页
│   └── 主题/          ← 主题综述与对比
├── qa/                ← 值得沉淀的问答产出
└── ops/               ← 体检报告、机制修订记录

index.md 与 log.md 是这套系统的两大枢纽（Karpathy 的关键设计）

  • index.md 面向内容：AI 回答任何问题前先读它定位，几百页规模内不需要向量库/RAG；
  • log.md 面向时间：条目格式统一，如 ## [2026-09-02] ingest | Karpathy推文，方便人和 AI 都能追溯”这个库经历了什么”。

四、知识迭代循环：五个动作

1
2
3
摄入 ──→ 编译 ──→ （日常提问）──→ 回流 ──→ 体检 ──┐
 ↑                                              │
 └──────────────── 新素材/新问题 ←───────────────┘
动作 口令（对我说） 做什么
1. 摄入 Ingest “存个笔记” / “存素材：…” 对话要点、网页文章、资料存入 raw/（或对话记录直接归档）
2. 编译 Compile “编译” AI 增量处理 raw/：写摘要页 → 更新相关概念页 → 补双链 → 更新 index.md 和 log.md
3. 问答 Query “查：…” AI 先读 index.md 定位 → 精读相关页 → 带来源回答
4. 回流 File-back “归档” 有价值的问答/分析/图表从聊天沉淀进 qa/ 或直接编译进 wiki/
5. 体检 Lint “体检” 全库健康检查并修复，报告存 ops/，顺带建议”下一个值得研究的问题”

体检的具体检查项（Karpathy 强调的一环）：页面间数据矛盾、被新资料推翻的旧结论、没有入链的孤儿页、被多次提到却还没有独立页面的概念、缺失的交叉引用、可以联网补全的信息缺口。

五、写作与协作规范

  1. Frontmatter 模板（wiki 页统一）：
1
2
3
4
5
6
7
---
tags: [知识库, 概念]      # 或 主题 / 问答
topic: 所属主题
date: 2026-09-02
source: "raw/xxx"     # 每个结论可溯源到 raw
version: "1"
---
  1. raw 只读原则：发现原始资料有误，不改原文，在 wiki 里标注矛盾。
  2. 重大改动先说明：AI 对 wiki 做结构性改动（删并页、大规模重组）前，先说明再动手；日常增量维护（补链接、更新索引）可直接做。
  3. 人的手写是最高优先级：你在 wiki 页里手写的内容，AI 编译时一律保留并优先采用。
  4. 双链优先：每页至少一条 链接；图谱的形状就是知识的形状。

六、迭代节奏

周期 动作
随时 摄入素材、提问（摄入即编译，不等）
每周 说一次”体检”，AI 出报告并当场修复
每月 说一次”回顾机制”，修订 SCHEMA.md，产出 v1.1 —— 机制本身也要迭代
可选 让 AI 设置定时自动化，到点提醒体检/回顾

七、冷启动计划与待确认事项

冷启动三步：

  1. 初始化骨架：创建第三节目录树 + SCHEMA.md / index.md / log.md 三件套（SCHEMA.md 以本方案为蓝本）；
  2. 试运行：把这篇 Karpathy 推文全文存为 raw/ 第一份素材，完整走一遍”摄入→编译”流程；
  3. 正常运转：使用两周后做第一次”体检 + 回顾”，按实际体验修订机制。

动手前需要你拍板：

  • 嵌套仓库问题：ObisidianContent 里还有个 .obsidian。A. 以后就用根目录 F:\ObisidianStorage 当仓库（需删掉内层 .obsidian）；B. 直接用 ObisidianContent 当仓库。选哪个？
  • 是否现在就执行冷启动第 1 步（建骨架）？
  • 第一份 raw 素材用这篇推文试运行，可以吗？

八、参考

AI
#Obsidian #AI工具 #知识库 #机制
知识库迭代机制方案v1
https://ldioif.cn/2026/09/02/2026-09-知识库迭代机制方案v1/
作者
博主（改成你的名字）
发布于
2026年9月2日
许可协议