84f7950589
- 完整的知识库框架（P0-P5 路线图） - 12篇治理文档 - 工具脚本（kb-init.sh, kb-lint-fm.py, feishu-sync.py, kb-bot） - 7个 Claude 命令 - 示例项目和测试项目（wanniu-l1） - 契约文件（meta/kb-contract.yaml） Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
1.2 KiB
Executable File
1.2 KiB
Executable File
type, title, description, status, created, ingested, source, source_link, tags, related
| type | title | description | status | created | ingested | source | source_link | tags | related | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| doc | 卡帕西 LLM Wiki 方法论（编译>检索） | LLM 当编译器把原始资料编译成互链 wiki，查询时对已编译知识推理，而非每次重新检索。 | developing | 2026-04-01 | 2026-07-06 | AI编译 | docs/03-知识库框架选型调研.md |
|
|
卡帕西 LLM Wiki 方法论
学习库示例页：展示非项目信息如何用「编译链接」模式沉淀。精华进库、指针回原文。
核心要点
- 编译 > 检索：LLM 读完所有源 → 抽概念、压缩、建交叉引用 → 产出结构化互链 wiki。查询时对已编译知识推理。
- 对比传统 RAG：RAG 每次查询从零检索、不沉淀（「健忘症」）；LLM Wiki 知识累积复利。
- 规模红线：纯 wiki 模式在 ~100 源/几百页后失效（index 不可导航），届时用向量库做导航层（混合）。
我们的应用
本知识库整体就是这套方法论的落地——单一 Git 真相源 + OKF frontmatter + 先不上向量库。详见 知识库框架选型调研。
溯源
完整调研见 source_link（docs/03），及其中列出的一手来源。