大模型知识管理 · 从理论到 LLM Wiki

获取 · INGEST读取摄入原始资料只读归档，讨论要点

筛选 · FILTER价值提纯识别有效信号，剥离噪音

提炼 · DISTILL增量编译建立双向链接，压缩为原子知识

应用 · APPLY决策行动随时通过智能体对话检索与指导

传统的笔记软件往往最终沦为信息的墓地。LLM Wiki 的核心革命，是用大模型作为知识库的动态管家：让原始素材只读归档，由模型负责建立交叉索引、清理矛盾，并保持常青的结构化呈现。

“只存不理的知识不叫资产，叫数字废纸。只有建立自动化演进回路，知识才能随着项目一起生长。”

人的精力应当放在输入精选源头与审核关键决策上。将繁重的语义索引、打标签与过时内容巡检交给 AI 自动化，才能打破个人知识库规模扩大必然走向混乱的熵增宿命。

CHAPTER · 01

理论：LLM Wiki 架构

以 Markdown 与双向链接为知识载体，用大模型增量编译资料，而不是每次查询都从零生成答案。

分层存储Raw Sources 只读不可变 · Wiki 衍生内容由模型自动化维护 · Schema 规范数据契约。

增量流水Ingest 智能摄入 · Query 语义交叉检索 · Lint 周期性巡检并消解事实冲突。

透明审计index.md 维护动态知识索引 · log.md 忠实记录每一次智能体的增删改操作。

CHAPTER · 02

只需一个普通文件夹 + OpenCode + llm-wiki-skills 智能体技能，5 步落地个人知识中枢。

很多初学者以为搭建知识库需要配置复杂的数据库、向量引擎或庞大的前端系统。实际上，最优雅、最耐用的 LLM Wiki 恰恰是「零界面、纯文件」的极简模式：以本地文件夹为基座，配合 OpenCode 和专用 Agent Skill，即刻拥有工业级知识助手。

在你的电脑上新建或挑选一个普通文件夹（例如 ~/my-knowledge-vault），作为你全部笔记、素材与沉淀文档的统一物理载体。

让 AI 智能体将专用的知识管理技能库克隆安装到你知识库的项目级目录 <你的知识库目录>/.agents/skills 下：

TERMINAL · 项目级技能安装

# 进入你的知识库根目录并安装技能
cd <你的知识库目录>
mkdir -p .agents/skills
git clone https://github.com/VastFuture/llm-wiki-skills.git .agents/skills/llm-wiki-skills

💡 为什么要装在项目级 .agents/skills？ 这样该知识库无论迁移到哪台电脑，甚至多人协同，AI 都能直接就地识别知识管理技能，无需全局重复配置。

直接在知识库目录下打开终端，运行 opencode 开启交互式智能体会话：

TERMINAL · 启动智能体

opencode

在对话框中直接对 AI 下达指令，如：
“帮我摄入这篇关于 React 架构的文章并提取概念卡片”、“检索知识库中关于 RAG 评测的结论”。智能体将自动读取目录、按 Schema 更新 Wiki 并记录变更日志。

知识随时间推移不断演进。将知识库初始化为 Git 仓库并推送到 GitHub/Gitee 私有仓库，获得全历史可追溯、防丢失、可回滚的时间胶囊能力：

TERMINAL · 资产版本控制

git init
git add .
git commit -m "feat: initial knowledge vault with llm-wiki"

在移动端使用 Paseo 等支持本地/云端同步目录的 AI 客户端，直接挂载/选中你的知识库文件夹。外出时无需电脑，直接在手机上像聊天一样随时随地检索知识库、记录突发灵感并由 AI 自动归档整理。

🛡️ 角色分工铁律

人负责把关信息源头、提出好问题、审核关键洞察与战略决策；大模型与 Skill 负责执行增量提炼、建立双向索引、巡检矛盾与版本同步。工具极简化，才能让认知专注度最大化。