llm-wikilisted

# LLM Wiki - LLM 驱动的 Obsidian 知识库 > 把 Obsidian 当 IDE，LLM 当程序员，知识库当代码库。LLM 不只回答问题 —— 它持续编译、索引和优化你的知识网络。 ## 核心原则 **传统 RAG 的致命缺陷：没有积累。** 每次提问都从头检索原始文档，答案用完即弃。知识从未沉淀。 **本模式的核心差异：知识复利。** LLM 增量编译原始资料为结构化 wiki，知识被编译一次并持续保持更新。每一次探索、每一次提问都在让知识库变得更好。当索引足够优化时，表现超越 RAG。 ## 知识库的四个层次 从底到顶，知识库由四个层次构成： ``` ┌──────────────────────────────────────────────────┐ │ 4. 输出层 (Outputs) │ │ 问答回答、综合报告、幻灯片、图表 → 归档回 wiki │ ├──────────────────────────────────────────────────┤ │ 3. Wiki 层 (LLM 编译/维护) │ │ index.md · concepts/ · entities/ · synthesis/ │ │ 每篇文章建议 ≤ 500 字，超出部分用 [[ref]] 链接延伸 │ ├──────────────────────────────────────────────────┤ │ 2. 原始资料层 (Raw) │ │ raw/ · articles/ · papers/ · images/ · notes/ │ │ 不可变，LLM 只读不写 │ ├──────────────────────────────────────────────────┤ │ 1. 索引地图层 (Index Map) │ │ 全局 index.md + 各目录子索引 │ │ LLM 的导航入口，查询时始终在上下文中 │ └──────────────────────────────────────────────────┘ ``` ### 为什么分四层而不是三层？ 传统三层架构（Raw → Wiki → Outputs）忽略了最关键的一层：**索引地图**。 索引地图不是 wiki 的一个文件 —— 它是独立的基础设施层。它决定了 LLM 能否高效地找到、理解和关联知识。好的索引地图让 LLM 在几百篇文章中精准定位 3-5 篇相关文章，无需加载整个 wiki。**索引的质量决定了整个系统的上限。** ## 第一层：索引地图 ### 为什么索引比 RAG 更好？ | 对比维度 | RAG（向量检索） | 索引优先 | |----------|----------------|----------| | 检索方式 | 语义相似性匹配片段 | 像 human expert 一样查目录 | | 理解结构 | 不理解知识库结构 | 理解概念之间的层级和关联 | | 可解释性 | 黑盒，不知道为什么检索这些片段 | 透明，能看到 LLM 选了哪些