一句话定位：用 LLM 增量构建并维护持久化个人知识库的方法论，区别于 RAG 的”每次重新发现”。
核心思想
RAG 每次查询都从原始文档重新检索，没有知识积累。LLM Wiki 的不同之处：
- LLM 增量构建并维护一个持久化 wiki（结构化的 markdown 文件集合）
- 新增来源时，LLM 读取、提取关键信息，并整合进现有 wiki（更新实体页、修订主题摘要、标记矛盾）
- 知识编译一次，持续更新，而非每次查询重新推导
人负责：筛选来源、引导分析、提问。LLM 负责：摘要、交叉引用、归档、维护一致性。
三层架构
| 层 | 内容 | 谁维护 |
|---|---|---|
| Raw sources | 原始文档（文章、论文、图片），不可变 | 人 |
| Wiki | LLM 生成的 markdown 文件（实体页、概念页、对比页） | LLM |
| Schema | CLAUDE.md / AGENTS.md，定义结构和约定 | 人 + LLM 共同演化 |
三种操作
Ingest（摄入）
- LLM 读取来源 → 讨论要点 → 写摘要页 → 更新相关实体/概念页 → 追加日志
- 一个来源可能触及 10-15 个 wiki 页面
Query（查询）
- LLM 先读 index.md 定位相关页 → 读取页面 → 综合回答并引用
- 有价值的回答可以归档回 wiki（queries/ 或 comparisons/）
Lint（健康检查）
- 检查：矛盾内容、过时声明、孤立页面、缺失交叉引用、数据空白
导航文件
- index.md — 内容目录，按类别列出所有页面及一行摘要。查询时 LLM 先读此文件。
- log.md — 追加式时间线记录。格式：
## [YYYY-MM-DD] action | subject，可用 grep 解析。
可选工具
- qmd — 本地 markdown 搜索引擎，BM25/向量混合 + LLM 重排，支持 CLI 和 MCP server
- Obsidian Web Clipper — 浏览器扩展，将网页文章转为 markdown
- Marp — markdown 幻灯片格式
- Dataview — Obsidian 插件，基于 frontmatter 的动态查询
为什么有效
维护知识库的繁琐之处在于”书务”（bookkeeping）：更新交叉引用、保持摘要最新、标记矛盾。人类放弃 wiki 是因为维护成本增长快于价值。LLM 不会厌倦，不会忘记更新交叉引用，一次可以修改 15 个文件。
精神上类似 Vannevar Bush 的 Memex（1945）——私人、主动策划、文档间的连接与文档本身同等重要。Bush 没解决的问题是”谁来维护”，LLM 解决了这个问题。
相关
- darwin-skill — 另一个 LLM 驱动的自动化系统（skill 进化）