概念
AI 工作的 LLM wiki:Wenlan 的有来源页面
Wenlan 把重复出现的 AI 工作 context 蒸馏成有来源依据的 wiki 页面,让 agent 和人都能跨工具复用。
文章封包
Concepts
正在评估 AI memory 是否需要 wiki layer 的中文用户
4 分鐘閱讀
01
Wenlan 把 capture 当成 LLM wiki 的原料,而不是最后界面。
02
蒸馏页面会把相关 memories 聚成可读 Markdown wiki entries。
03
source memory IDs、revision state 和 git history 让页面可检查。
01
一句话答案
AI 工作的 LLM wiki 是一层有来源依据的知识层:agent 可以读、更新、引用,人也能检查它为什么这样说。
Wenlan 的工作流是先捕捉 durable facts、decisions、lessons 和 handoffs,再用 /distill 把重复 context 变成 wiki pages;每个页面保留 source memory IDs。
02
为什么 memory 需要 wiki layer
一长串 memories 很快会变成另一个 inbox。agent 可以 search,但人仍要相信 search 能处理 duplicates、stale facts 和 contradictions。
wiki layer 给重复出现的工作一个稳定页面:当前 constraint、已接受 tradeoff、setup fix、handoff pattern,或跨 session 不断出现的概念。
03
Wenlan 如何保持 source-backed
每个蒸馏页面都保留产生它的 source memory IDs。Wenlan daemon 会拒绝没有来源的 page record,而不是让好看的 summary 直接进入可信 context。
当 memory 错了,这条来源链很重要。你可以回到原始 capture、看它何时写下、再用新的 context supersede 旧结论。
04
页面可以变旧,也可以刷新
有用的 LLM wiki 必须承认 knowledge 会变。Wenlan pages 带着 revision state 和 stale reason,让新的 captures 可以刷新旧结论。
今天的 deliberate path 是手动 /distill。当你想让 daemon 在 session 之间做更多工作时,可以选择本地模型或 API keys 做更丰富的后台整理。
把 memory 变成 LLM wiki
Wenlan 把重复 captures 蒸馏成 source-backed wiki pages,让下一个 AI session 真正能用。
FAQ