Obsidian 很好。Notion 很好。Logseq 也很好。但用它们做 Wiki，你面对的不是"哪个工具更好"------是"谁在维护"的问题。
传统笔记的三个天花板
你打开 Obsidian 写标题、写正文、加标签、加双链。10 个页面时每周花 30 分钟更新就够了。50 个页面时每周需要 3 小时------你没有。100 个页面时旧页面开始腐烂，你在写新页面而不是维护旧的。
天花板一：维护成本随页面数指数增长。不是你没有能力维护 100 页------是你没有时间。每个 ingest 操作要同步更新 3-8 个已有页面，光搜索哪些页面受影响就要 10 分钟。人类不适合做重复性的交叉引用维护。Agent 适合------它不会累、不会忘、不会因为查了 3 页还没找到相关就放弃。
天花板二：知识发现靠运气。你今天写电源管理页面，其中有一段供电电压的讨论。3 个月前写的 DDR4 初始化里也有一段供电电压说明------两个应该链在一起。但你忘了 DDR4 初始化里写过这个，直到偶然翻到------或者永远发现不了。传统笔记的交叉引用靠作者记忆，而不是系统搜索。
天花板三：没有质量信号。翻开半年前的页面写着"推荐 gcc 9.3"。你不知道这来自官方文档还是某次踩坑妥协，不知道现在还对不对。传统笔记只有两种状态：存在或不存在。没有"存在但可能过期"，没有"存在但跟另一页矛盾"，没有"存在但只有单一来源"。
LLM Wiki 的三个本质区别
区别一：被动存储 vs 主动编译。传统笔记是你写什么存什么。复制博客到 Obsidian 加标签------完成了，但博客里的信息没变成你的知识。LLM Wiki 是你给材料、Agent 编译。丢 89 份 PDF 进去，Agent 自己读、自己提取、自己判断、自己加交叉引用。你不再写 Wiki------你喂 Wiki。
区别二：单页质量 vs 网络质量。你在 Obsidian 写一页时精力全在"这一页"。Agent 写一页时精力在"这一页怎么融入 27 页网络"------搜索关联、双向链接、更新索引、补充 backlinks。一个孤立的满分页面在 Wiki 里的价值还不如被 15 个页面引用的及格页面------因为后者能被找到，前者不能。
区别三：写一次 vs 持续保鲜。你花 3 小时写满分 Wiki。6 个月后打几分？没人知道。Agent 能在 5 秒内告诉你哪页过期、哪页标签没对齐、哪页 wikilinks 断了。
增量更新的对比实验
同一个新知识点：SVB 动态调压的轻载模式量产时需要关闭。
传统笔记：打开 Obsidian → 搜索 SVB → 找到电源管理页 → 判断放哪 → 手动加段落更新日期检查矛盾 → 如果没找到还得先建页 → 手动加交叉引用 → 完成了只更新 1 页。可能还有 3 个相关页面提到 SVB 你不知道。耗时 3-5 分钟覆盖 1 页。
LLM Wiki：飞书告诉 Agent → Agent 搜索全 Wiki → 找到电源管理页 → 更新段落 → 搜索 SVB 相关 → 发现 DDR4 接口也提到 SVB → 自动更新 → 记录 log。耗时 30 秒覆盖 2 页以上。不是效率差异------是"人类会不会漏掉关联页面"的差异。人漏掉的概率随 Wiki 规模增长，Agent 不会漏。
真实案例：Wiki 帮我找回丢失的知识
2026 年 6 月 19 日排查 Hi3519DV500 开发板启动失败。现象是上电后串口无输出------典型的板子挂了。
传统做法：翻笔记、搜聊天记录。不确定 3 个月前那次 SPI NAND 启动失败的排查记录在哪。
LLM Wiki 做法：Agent 读硬件排除页 → 看到启动失败到串口无输出到排查方向电源时钟DDR → 跟踪 wikilinks 到启动配置页 → 看到踩坑记录"传感器时钟寄存器 0x11018440 掉电丢失，表现为串口无输出" → 确认正是这个原因。从板子挂到找到了------3 次点击 30 秒。
如果我用传统笔记------可能找到如果我记得关键字，也可能找不到如果我忘了。Wiki 不需要我记得------它已经把每条排坑记录嵌入了排查框架。
从工具到系统的思维转变
使用 LLM Wiki 三个月后最大的变化不是多了一个工具------是不再把知识管理当作写作行为。
以前：遇到问题 → 解决 → 写笔记 → 放 Obsidian → 加标签 → 完成。知识管理的终点是写完一篇笔记。
现在：遇到问题 → 解决 → 飞书告诉 Agent → Agent 更新 Wiki → 自动交叉引用 → 完成。知识管理的终点是知识被正确嵌入网络。
这个转变的后果：我不再写笔记。我喂材料。Agent 负责编译。材料可以是 PDF、网页、聊天记录、调试日志。Agent 统一处理成结构化 Wiki 页面。
就像 C 语言和 Python 的区别。C 语言你管理内存------手动分配释放。Python 你写逻辑------垃圾回收器管理。传统笔记你管理知识结构------手动分类链接更新。LLM Wiki 你定义 SCHEMA------Agent 管理知识结构。解放出的精力去解决更多问题而不是花时间组织材料。
不是替代是分工
传统笔记无可替代的场景：灵感捕捉、日记反思、Canvas 白板、临时任务列表。LLM Wiki 最擅长：技术知识库、需要交叉引用的主题、批量摄入、持续保鲜的场景。
最佳实践共存。Obsidian 做前端浏览搜索 Graph View 可视化。Agent 做后端摄入更新 lint 检测漂移。你每天在飞书里把调试经验告诉 Agent，Agent 后台更新 Wiki，你在 Obsidian 里看到一个永远最新的知识库。
从写作工具到知识操作系统------这才是本质区别。