技术笔记
置顶
LLM 维基模式:让大模型替你维护知识库
我不再用 RAG 临时检索原文,而是让大模型增量编译并长期维护一套互链的 markdown wiki。知识编译一次、长期保鲜 —— 人工维护知识库为什么会崩,以及为什么换成大模型就不会。
2026/10/02 4 min
# 知识管理 # LLM # Agent
AI / Agent / Python 工程实践与踩坑记录
我不再用 RAG 临时检索原文,而是让大模型增量编译并长期维护一套互链的 markdown wiki。知识编译一次、长期保鲜 —— 人工维护知识库为什么会崩,以及为什么换成大模型就不会。
需求从来不是客户嘴里那句话。7 个维度把模糊需求拆开、8 个字段写成一张能评审的画布、4 个信号判断该用哪种模式 —— 这是从「业务直觉」到「专业交付」的一跃。
改完一个 Badcase 就以为修好了,结果又冒出三个新问题。一次一条的调试、几十条的评测、改完必做的回归 —— 以及那条让我少走很多弯路的 RAG 排查顺序铁律。
我做过一个跑得挺顺的 Agent,客户问的第一个问题却是「它删错数据谁能拦住」。可控、可测、可审计、可运维、可复用、可集成 —— 这六条是「个人玩具」和「能进业务系统」的分水岭。
不是模型封装,是编排中间件。为什么强制用状态机而不是链式调用、为什么禁止用纯字典传参、为什么服务不可达要立刻中止启动,以及这个项目还没做完的部分。
家具零售方案从 V1 改到 V2,我加的最重要的一条约束是:我方能掌控的只有自己这一端,AI 必须在「不改变任何人」的前提下先让我方变强。
做了半年多校园电话卡 AI 提效系统,最大的收获不是技术,是想清楚了一件事 —— 判断 AI 项目值不值得做,只需要问三个问题。