构建 LLM Wiki 指南

本指南将带你从零开始构建一个由 LLM Agent 驱动的个人知识库。

前置条件

• LLM Agent：Claude Code、OpenAI Codex 或其他支持文件操作和工具调用的 LLM Agent
• Obsidian：本地 Markdown 编辑器，用于浏览和维护知识库
• Git（可选）：用于版本控制和协作

核心思路是：让 LLM Agent 作为你的知识助手，在 Obsidian 知识库中持续编写和维护结构化页面。

步骤一：创建三层目录结构

LLM Wiki 采用三层架构组织知识：

wiki/
├── concepts/     # 概念层：技术概念的深度解析
├── entities/     # 实体层：人物、产品、组织的介绍
├── guides/       # 指南层：操作指南和教程
├── comparisons/  # 对比层：技术方案和工具的对比分析
├── topics/       # 主题层：综合性主题页面
├── synthesis/    # 综合层：跨领域综合分析
└── templates/    # 模板层：页面模板

每一层有不同的粒度和目的：实体是知识的最小单元，主题是多个实体的聚合，综合分析是跨领域的深度思考。

CLAUDE.md Schema

在项目根目录创建 CLAUDE.md 文件，定义 LLM Agent 的工作规范：

• 目录结构和命名约定
• 页面格式要求（YAML frontmatter + Markdown 正文）
• 双向链接的使用规范（[xxx/yyy](/posts/wiki/xxx/yyy.html) 格式）
• 页面间引用的约定
• 内容质量标准（准确性、结构化、适当深度）

这个文件是 LLM Agent 的"宪法"，确保它在多轮交互中保持一致的输出质量。

步骤三：创建页面模板

在 wiki/templates/ 中为每类页面创建模板，包含预设的 frontmatter 字段和内容结构。模板确保所有页面风格一致，也降低了 Agent 的生成复杂度。

步骤四：摄取第一批资料

选择 3-5 个你熟悉的核心主题，收集相关的原始资料（博客文章、论文、技术文档），然后让 LLM Agent 将这些资料编译为结构化的 Wiki 页面。

关键原则：不要让 Agent 简单复制粘贴原文，而是要求它理解、综合、用自己的语言重新表达。编译过程本身就是知识消化。

步骤五：建立交叉引用

页面创建后，检查并添加双向链接。每个页面至少应该引用 2-3 个相关页面。交叉引用是知识图谱的边，它使孤立的知识点连接成网络。

Obsidian 的关系图（Graph View）是验证交叉引用质量的好工具——健康的知识图谱应该是互联的，而非多个孤岛。

维护工作流：Ingest → Query → Lint

LLM Wiki 的日常维护遵循三个核心流程：

• Ingest（摄取）：将新的原始资料编译为 Wiki 页面，或更新现有页面。这是知识增长的主要方式。
• Query（查询）：向 LLM Agent 提问，Agent 基于已有 Wiki 内容回答。查询过程也可能触发知识更新。
• Lint（校验）：定期检查页面质量——过期信息、断链、格式不一致等。类似代码库的 Lint，保持知识库的健康度。

最佳实践

• 原子化原则：每个页面聚焦一个主题，避免信息过载
• 定期回顾：每周花 15 分钟浏览关系图，发现知识缺口
• 渐进式建设：不要试图一次性构建完整知识库，从核心主题开始自然生长
• 人机协作：LLM Agent 编写初稿，人类审核和补充，形成良性循环
• 版本控制：用 Git 追踪知识库的变化，方便回溯和协作

常见问题

Q：需要多少原始资料才能开始？
A：5-10 篇高质量文章就足以启动第一个主题的知识编译。

Q：知识库多大才算有用？
A：50-100 个页面的知识库已经能提供显著的查询价值。质量比数量更重要。

Q：如何处理过时信息？
A：在 frontmatter 中设置 status 字段标记页面状态，定期 Lint 时更新过时内容。

相关页面

• Andrej Karpathy：LLM Wiki 理念的提出者
• 知识管理：知识管理的理论与实践背景