读过的资料散落一地：llm-wiki把AI阅读攒成互联知识库

用 AI 助手读资料有个隐性问题：今天让它总结一篇论文，明天让它读一份技术文档，每次都是现读现答，答案用完就散。下个月再问相关问题，它又从零开始。karpathy-llm-wiki 这个开源技能换了个思路——让 AI 把每次阅读的成果沉淀进一座自己维护的维基库，越用越厚。

不是检索，是编纂

技能的自我定位区分得很清楚：这不是 RAG（检索增强）。RAG 每次回答都要从原始文档里重新推导，而这个技能的玩法是编纂——知识只整理一次，之后就持续维护。交叉引用提前建好，前后矛盾主动标记，综合结论反映你已经读过的全部材料。用官方的话说：用户负责找资料、提问，AI 负责其余一切——总结、互链、归档、簿记。

三层结构，原始件只读

它的知识库默认建在用户目录的 wiki 文件夹下，分三层：底层是原始来源，文章、论文、笔记、转录稿原样存放，只读不改，是唯一的真相源；在其上，AI 按主题组织成互相链接的条目网络；再加上索引与维护记录。也可以在配置文件里自定义库的根路径。原始件不可改这条设计很关键——AI 的整理错了可以重来，你的源头资料永远不会被它动过。

四个日常动作

用起来就四类指令：喂给它一份新资料让它入库存档；直接向维基提问，它基于已积累的内容作答；定期让它做健康检查，清理过时条目和矛盾点；或者从零开一座新库专注某个领域。对做行业研究、技术调研、竞品追踪的人来说，这就是一座会自己长的工作笔记。

与笔记软件的关系

它不替代笔记软件，而是补上「AI 参与的持续编纂」这一环：笔记软件存你想存的东西，这座维基则在你每次让 AI 读资料时自动生长。两者可以指向同一套 Markdown 文件，随手可迁移。文件都在本地，隐私和版权的顾虑也小。对研究型岗位来说，这套模式的价值在复利：读过的每一份资料都在给后面的提问垫底，一年下来差距会拉开得相当明显。

把 AI 阅读沉淀成团队可复用的知识资产，贵州诚鑫致达科技可以帮你搭好这套工作流，欢迎留言或私信咨询。

企业存储选型参考｜贵州诚鑫致达

做分支办公与入门升级，群晖机型参考：DS725+ · DS423+ · DS220+。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。