RAG vs 编译式 Wiki

依据三份独立来源：Karpathy 原文（wiki 一方）、Vishal Mysore 三方对比（批判视角）、MindStudio 选型分析（RAG 辩护 + 混合模式）。正反论据均已入库，交叉印证后 confidence 升为 high（2026-07-03，此前单一来源标 medium）。

本质区别：“重推理发生在哪里”

这是一个架构决策而非工具选型（Mysore 框架）：RAG 的重推理在查询时——每次调用现场检索、现场综合，没有做过的记忆；编译式 wiki 的重推理在摄入时——预先编译综合，查询时读已结构化的页面。这个决策同时决定维护负担、失败模式、扩展上限。

维度	RAG（查询时检索）	编译式 Wiki
积累性	默认无状态——“每次从零重新发现知识”（可以工程化补状态，但每一步都是额外工作）	持久复利——交叉引用、矛盾标记、综合分析一次构建持续复用
错误传播	错误孤立：每次重读原文，上次答错不影响下次	错误放大：ingest 读错一次，烘焙进库，之后每个答案都带着它
扩展上限	数百万文档	约数百份资料（有界、精选的语料）
结构保留	chunking 破坏文档结构（实体关系、跨源矛盾在 512-token 切片中消失）	结构即产品
可解释性	检索黑盒，难调试	人可读可改，错了改页面即可
维护成本	更新需重嵌入/失效管理	持续知识工程：一致性、schema 漂移、静默退化、错误传播验证
基础设施	向量库 + 嵌入管线	markdown + 索引（近零设施）

反方论据（wiki 的真实弱点，两份独立来源）

1. 错误放大是编译式的结构性风险：复利优势只在 ingest 质量高时成立，质量差时反转为“复利劣势”，且用户无从察觉（Mysore）。
2. 持续知识工程才是真限制，不是上下文窗口：不主动维护就过时，“然后 agent 输出错误指导”（Mysore + MindStudio 一致）。
3. “团队不维护 wiki”是真实约束：做不到持续策展时，自动 re-indexing 的 RAG 更稳健（MindStudio）。
4. 图书馆没有图书管理员：wiki 知道领域但不知道谁在读、为什么读——这个缺口由 agent memory 补位，不是 wiki 自己能解决的（Mysore）。

收敛结论：互补而非替代

三份来源在此点上罕见地一致：LLM Wiki 不是检索的替代品，是可叠加的组织层。Karpathy 本人建议大规模时加 BM25/向量混合搜索；实践中的混合模式（MindStudio）：wiki 管架构/约定类知识 + RAG 管大规模搜索，或 wiki 索引作 RAG 的路由层。选型依据：语料是否有界、是否有人长期维护、问题是搜索型还是综合型。

对本知识库的意义

• 本库场景（个人长期积累、有界语料、agent 持续维护）落在 wiki 的甜区；
• 反方批评已转化为防御设计：lint 双层化 + 红队审计 + 生成纪律（对“错误放大”）、每次操作后自检 + 关系图谱（对“持续知识工程”）——批评成立，防御在建，长期有效性待实践检验（本库推断）；
• 规模逼近数百份资料时，按 Karpathy 与 Mysore 的共同建议评估引入本地混合搜索。