子页 14

• 实Andrej Karpathy

  LLM Wiki 模式的提出者——本知识库的思想源头

• 源Karpathy 的 LLM Wiki 构想

  Karpathy 提出的个人知识库模式：LLM 把原始资料编译成持久互链的 wiki，而非每次查询重新检索

• 源LLM Wiki 批评：错误放大

  三方框架对比与对 LLM Wiki 的实质批评：错误放大、持续知识工程、'图书馆没有图书管理员'

• 概LLM Wiki 模式

  让 LLM 把原始资料编译成持久互链 wiki 的知识管理模式：三层架构 + 三操作，知识越用越厚

• 比RAG vs 编译式 Wiki

  查询时检索与编译式知识库的对比：双方论据齐备——积累性优势 vs 错误放大与持续维护成本，及三方互补的完整图景

• 源代码库记忆：wiki 还是 RAG

  代码库记忆场景的选型分析：RAG 赢在规模，wiki 赢在清晰可控；混合模式（wiki 管架构、RAG 管搜索）

• 概只收知识不收过程档案

  知识库只装有启发性、可复用的知识/方法/判断；过程档案/审计结果/设计演化编入 agent 参考文件（docs/references）而非作条目；别把页面数当 KPI

• 概投研/情报系统的信号设计

  领先信号（repo/spec/SDK/资金流）先现于底层再传导到结果层，故采集按信号先行度优先；'能写成指标'≠'能免费拿硬数据'，纸面因子隔离降 confidence；数据连续性与 kill-criteria 平级作元验收

• 概按内容核验源文，不认文件名

  处理外来资料先'渲染→读内容'核对每个文件的真实身份（不认文件名）；关键处高倍逐字核字（低倍易误读相近字），未核字的源文不进下游——误读的源文会让产物和红队都建在错前提上

• 概数据清洗与勾稽闭合校验

  宽表清洗：删全空/常量列、一致性校验去重、责任人选随记录变化的源列而非导出常量列；财务/数据核验用闭合勾稽（合计=加总、税基×税率=应算、跨表差异=0），不能闭合的如实标注绝不臆造

• 概标题抓核心命题

  命名知识页 title 用一句话说出核心命题（约≤15 字），原文全题/作者/问句下沉正文与 description；标题出现在卡片/图谱/索引里，长题被截断且无信息密度

• 综知识复利：Wiki 与 Memory 同源

  Karpathy 的编译式 wiki 与 Anthropic 的 structured note-taking 是同一思想在不同尺度的表达：把知识写到上下文之外，越用越厚

• 概知识库靠可推翻的决策层

  '越用越准'靠可检索、可推翻的决策层（ADR 式）而非产物流水线：入库经人审+附红队反例+confidence+revisit；draft→approved 生命周期，被推翻改 deprecated+supersedes 不删；人不得让 agent 自 approve

• 问索引先行浪费上下文吗？

  解释'索引先行'规则与 attention budget 不矛盾反而是其应用：花小 token 买导航，省大 token 的盲目扫描