LLM Wiki
传统 RAG 通常先对原始资料进行切块并建立索引。索引不一定是向量索引，也可以采用关键词、BM25 或混合检索。用户提问时，检索器通过索引找出相关片段，再把这些片段交给 LLM 理解和生成答案。
因此，RAG 不是每次加载整个资料库，而是在每次查询时重新检索相关内容。模型对知识的理解只存在于当前上下文中，下次查询通常还要重新检索和整理。
LLM Wiki 采用不同的处理方式：智能体提前读取原始资料，将其中的知识整理成结构化、可持续维护的 Wiki 页面。它类似于一套由 LLM 整理的学习笔记，下次查询时可以优先使用已经归纳好的知识。
LLM Wiki 不依赖 RAG 才能建立，但二者可以结合使用。
一、LLM Wiki 的三层结构
1. raw/：原始资料层
raw/ 保存只读的原始资料，是整个知识库的证据来源。智能体可以读取这些资料，但不应随意修改。
原始资料不一定是 Markdown，也可以是网页、论文、PDF、邮件或代码。
2. wiki/：整理后的知识层
wiki/ 是主要查询对象，通常由一组 Markdown 页面组成，可以包含：
- 入口索引和知识概述；
- 概念与名词解释；
- 人物、组织等实体页面；
- 对比、总结和综合分析；
- 由
LLM建立的交叉链接。
其中常见的导航文件有：
index.md：面向内容的入口索引，用于定位相关页面；log.md：面向时间的操作记录，按顺序记录Ingest、Query和Lint，用于追踪知识库的演化。
3. 规则层
规则层规定原始资料如何处理、页面如何组织，以及智能体应当怎样工作。
AGENTS.md 可以看作写给智能体的操作手册，主要包括：
- 项目和目录说明；
- 允许与禁止的操作；
Ingest、Query、Lint的基本流程；- 其他规则文件的入口。
CLAUDE.md 是 Claude Code 自动读取的项目规则文件。Claude Code 不会直接读取 AGENTS.md，但可以在 CLAUDE.md 中导入：
markdown
@AGENTS.md规则较多时，可以继续拆分：
wiki-agent.md：定义智能体怎样读取资料、执行操作、写回知识，以及哪些修改需要人类确认；wiki-schema.md：定义目录结构、页面类型、命名方式、引用格式和输入输出规则。
这两个文件不是必需的，名称也不是统一标准。规则较少时，可以全部写在 AGENTS.md 中；拆分后，只需在入口规则中写清楚文件路径。
二、三个核心操作
1. Ingest：增加知识
Ingest 从 raw/ 读取新增资料，提取重点，生成或更新相关的 Wiki 页面、索引与交叉链接。
2. Query：查询知识
查询时通常优先读取 Wiki。如果现有知识足够，就直接回答，不必更新知识库。
如果 Wiki 信息不足、缺少证据或存在矛盾，再回到 raw/ 检索和核验。
只有发现具有长期复用价值的新知识时，才通过 Ingest 更新 Wiki；一次性问题可以只回答，不写回。
重大矛盾或大范围修改应交给人确认。
3. Lint：维护知识
Lint 用于检查重复内容、过时结论、相互矛盾的页面、孤立页面、缺失链接和知识空白。
Lint 默认负责检测和报告问题。只有规则明确允许时，才能自动修复安全且确定的问题；涉及重大矛盾或语义变化时，应由人决定。
三、传统 RAG 与 LLM Wiki 的分工
Wiki 适合归纳、比较和建立知识之间的联系。由于摘要和交叉关系已经提前整理，查询时不必每次都从零拼接原始片段。
RAG 适合从大量资料中定位逐字证据、精确数值、实时状态或责任记录。遇到这些场景时，可以通过 RAG 检索 raw/，但最终仍应回到原始资料或实时系统核验。
小型知识库可以直接通过 index.md 导航和查询 Wiki，不一定需要 RAG：
text
raw/ → Ingest → Wiki → index.md 导航 → Agent当原始资料特别多、难以逐份处理时，可以先为 raw/ 建立RAG检索索引，帮助 Ingest 定位相关资料。不过，如果目标是建立完整的 Wiki，仍要记录并处理全部原始资料，不能只处理检索到的部分。
同样，当 Wiki 页面越来越多时，可以为 Wiki 建立检索索引。业务智能体先通过 RAG 找到相关页面，再读取这些页面并生成回答。
因此，RAG 与 LLM Wiki 不是互斥的，它们可以相互协作：
text
大量 raw/
↓ 第一层 RAG：定位相关原始资料
Ingest 整理
↓
Wiki
↓ 第二层 RAG：检索 Wiki
业务 Agent 查询和回答简单来说就是:
raw/太多：为原始资料建立索引，用第一层RAG辅助Ingest；wiki/太多：为知识页面建立索引，用第二层RAG查询Wiki；- 回答证据不足：通过
RAG检索raw/，再核验原始资料。
这种方式可以称为分层检索。如果两层都包含检索、补充上下文和生成，也可以称为双层 RAG。
此外，Wiki 是 LLM 根据原始资料二次加工得到的知识，不能保证内容始终真实、准确和及时。因此，建议在页面中记录资料来源、更新时间和人工审核状态，重要结论仍要回到原始资料核验。
LLM Wiki 的初始规则可以参考优秀的开源模板，但需要根据实际业务调整目录、页面类型、引用方式、权限边界和人工确认规则，不能原样照搬。