Learn
LLM Wiki 與 AI 知識庫指南。
Wenlan 把可信來源、原子知識與維護型頁面分開，建立 agent 和人都能檢查、審查與更新的本地 AI 知識庫。
主題
AI 知識庫
LLM Wiki
有來源頁面
MCP 工作流
從這裡開始
先選一個工作：建立 AI 知識庫、維護 LLM Wiki、連接 MCP 工具，或檢查來源與更新流程。這裡只列出已有完整翻譯的頁面。
中文指南
10 篇文章
概念
Karpathy LLM Wiki：如何搭建有來源的 AI 知識庫
Karpathy LLM Wiki 模式把可信來源、原子知識與維護頁面分開，建立讓 AI 代理按需讀取的知識庫。
信任
有來源的 AI 知識庫：來源、更新與審查方法
用 Wenlan 將來源、原子知識與可維護頁面分開，建立能追溯、能刷新、能審查的本地 AI 知識庫。
比較
Obsidian + Claude Code：檔案、MCP 與可維護的 AI 知識庫
比較直接讀取 Obsidian vault、即時編輯器 context、MCP 與有來源的知識維護，選出 Claude Code 真正需要的最小整合層。
實作
如何用 Markdown、PDF 與 Obsidian 建立本地 AI 知識庫
從一個文件範圍開始，用可重複同步的 Sources、有來源的 Pages 與驗證步驟，建立 AI agent 真正能重用的本地知識庫。
選型指南
如何選 AI 知識庫工具：8 個真正重要的檢查
先分清文件問答、RAG、筆記工具與維護型知識庫，再用來源、更新、審查、資料控制與實測結果選擇工具。
Coding agent 知識
如何讓 Codex 使用有來源的專案知識庫
把 AGENTS.md、原始程式與文件、維護型知識頁分工，讓 Codex 按需取得有來源、可審查的專案知識。
引用除錯
AI 知識庫引用對不上？逐項驗證來源與無依據回答
把 RAG 或 AI 知識庫回答拆成可檢查主張，找出錯頁、錯片段、過期來源與沒有證據支持的結論。
檢索策略
AI Agent 何時該查知識庫？按需讀取文件
用查詢或略過的判斷流程，讓 AI Agent 在需要證據時讀知識庫，也避免反覆把無關文件塞進上下文。
匯入排錯
AI 知識庫匯入 PDF 失敗？先判斷掃描檔、文字層與解析錯誤
從文字層、OCR、檔案大小、解析錯誤與實際引用逐步排查 AI 知識庫的 PDF 匯入問題。
共享知識維護
多個 AI Agent 共用知識衝突？避免覆寫與過期結論
避免多個 AI Agent 覆寫共享知識、採用缺乏證據的主張，或在來源改變後繼續使用過期結論。