Learn
LLM Wiki 与 AI 知识库指南。
Wenlan 把可信来源、原子知识与维护型页面分开，建立 agent 和人都能检查、审核与更新的本地 AI 知识库。
主题
AI 知识库
LLM Wiki
有来源页面
MCP 工作流
从这里开始
先选一个工作：建立 AI 知识库、维护 LLM Wiki、连接 MCP 工具，或检查来源与更新流程。这里只列出已有完整翻译的页面。
中文指南
10 篇文章
概念
Karpathy LLM Wiki：如何搭建有来源的 AI 知识库
Karpathy LLM Wiki 模式把可信来源、原子知识与维护页面分开，建立让 AI 代理按需读取的知识库。
信任
有来源的 AI 知识库：来源、更新与审核方法
用 Wenlan 把来源、原子知识与可维护页面分开，建立能追溯、能刷新、能审核的本地 AI 知识库。
比较
Obsidian + Claude Code：文件、MCP 与可维护的 AI 知识库
比较直接读取 Obsidian vault、实时编辑器 context、MCP 与有来源的知识维护，选择 Claude Code 真正需要的最小集成层。
实作
如何用 Markdown、PDF 与 Obsidian 建立本地 AI 知识库
从一个文档范围开始，用可重复同步的 Sources、有来源的 Pages 与验证步骤，建立 AI agent 真正能复用的本地知识库。
选型指南
如何选 AI 知识库工具：8 个真正重要的检查
先分清文档问答、RAG、笔记工具与维护型知识库，再用来源、更新、审核、数据控制与实测结果选择工具。
Coding agent 知识
如何让 Codex 使用有来源的项目知识库
让 AGENTS.md、源代码与文档、维护型知识页面分工，使 Codex 按需获取有来源、可审核的项目知识。
引用排错
AI 知识库引用对不上？逐项验证来源与无依据回答
把 RAG 或 AI 知识库回答拆成可检查的主张，找出错页、错片段、过期来源与没有证据支持的结论。
检索策略
AI Agent 何时该查知识库？按需读取文档
用查询或跳过的判断流程，让 AI Agent 在需要证据时查知识库，也避免反复把无关文档塞进上下文。
导入排错
AI 知识库导入 PDF 失败？先判断扫描件、文本层与解析错误
从文本层、OCR、文件大小、解析错误和实际引用逐步排查 AI 知识库的 PDF 导入问题。
共享知识维护
多智能体共享知识冲突？避免覆盖与过期结论
避免多个 AI Agent 覆盖共享知识、采用缺乏证据的主张，或在来源变化后继续使用过期结论。