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。
文章封包
Concepts
想让 AI agent 使用本地知识，但仍能检查来源、更新与审核状态的简体中文用户
7 分钟阅读
01
可信来源不和模型产生的结论混在一起。
02
原子知识保留细粒度证据，再组成可复用页面。
03
页面保存引用、修订、过期原因与审核状态。
01
一句话答案
有来源的 AI 知识库会把可信来源、原子知识与维护型 LLM Wiki 页面分开。Agent 取得的是可复用答案，人仍能沿着引用回到来源、检查修订，并在证据变化时刷新页面。
Wenlan 在本地连接这三层，让知识不只是搜索片段或脱离来源的摘要。
02
AI 知识库为什么必须保留来源
直接放入大量文档会让 agent 每次都重新搜索；只留下摘要，又会失去支持结论的证据。来源一旦更新，没有人知道哪些答案也必须重算。
可维护的知识库必须回答三件事：这个结论来自哪里、现在是否仍然有效、发生冲突时由谁审核。
03
三层最小架构：Sources、Atomic Knowledge、Pages
Sources 是可检查的原始资料；Atomic Knowledge 是带着来源和理由的单一事实；Pages 则把重复、高价值的知识整理成 agent 可以按需读取的答案。
不要跳过中间层。原子知识让页面保持可追溯，也让新证据只修正受影响的事实，而不是重写整个知识库。
04
Wenlan 的实际工作流程
先用一个会重复查询的主题验证闭环，不要一开始就导入整个笔记库。记录一个带来源与理由的事实，积累到值得复用时再蒸馏成页面。
- 用 /capture 保存单一事实、来源和它为什么重要。
- 用 /distill 把重复主题整理成维护型页面。
- 用 /pages 打开页面并核对支持它的来源。
- 用 /lint 找出薄弱、冲突或过期的知识。
- 用 /curate 审核修订，再决定是否刷新页面。
Wenlan 知识库维护循环
/brief <主题>
/capture <事实 + 来源 + 为什么重要>
/distill <主题>
/pages <主题>
/lint
/curate05
如何处理过期与冲突
来源或工作条件改变时，不要让新旧答案并排。把旧结论标成过期、记录替代关系，再按最新证据刷新页面。
对高影响结论保留人工审核。自动蒸馏能加快整理，但不应把没有支持来源的文字升级成可信知识。
06
如何验收 AI 知识库
先用一个主题做小型验收。Agent 应该能找到当前答案，人应该能回到来源，证据变更后则能看到过期状态并完成刷新。
- 页面中的重要结论能追到来源 ID 或维护中的文档。
- 重新打开 AI client 后，仍能按需取得相同主题。
- 加入冲突证据时，lint 或 review 流程能把问题暴露出来。
- 刷新后保留修订记录，而不是静默覆盖旧答案。
07
Wenlan 如何对应这套架构
Wenlan 的 Sources、Memories 与 Pages 对应来源、原子知识与维护型页面。页面记录保留 source IDs、版本、changelog、stale reason 与来源数量。
这套设计让 Claude Code、Codex、Cursor 等 MCP client 共用同一个本地知识层，同时保留人可以检查和修正的路径。
先建立一个可验证的 AI 知识库主题
用 Wenlan 把来源、原子知识与维护型页面连成小型闭环，再逐步扩大到其他 AI 工具和项目。
FAQ