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。
比較 Wenlan、Obsidian、Notion 等工具 →中文指南
21 篇文章
教學
Karpathy LLM Wiki 是什麼？用 Claude Code 自己做一個
用圖解說明 Andrej Karpathy 的 LLM Wiki、大家實際在用的現成實作，以及可直接複製的 Claude Code 設定。
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。
開發工作流程
Obsidian + Claude Code 教學：連接筆記、查找與核對答案
把 Claude Code 接上 Obsidian，從兩份練習筆記找出最新的專案決定，再核對原文。附安裝指令與答案範例，先不裝外掛也能跟著做。
入門指南
AI 知識庫是什麼？個人怎麼建立（工具比較＋步驟）
AI 知識庫就是讓 AI 根據你自己的文件和筆記回答，並附上出處。本文比較 NotebookLM、Obsidian、AnythingLLM 等做法，再帶你一步步建一個。
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。
檢索回歸測試
AI 知識庫改版後，怎麼做 RAG 檢索回歸測試？
用版本化黃金資料集，比較語料、embedding、切塊、混合檢索或 reranker 改動前後，是否仍找得到預期來源。
研究工作流
如何用論文與 PDF 建立可追溯的研究知識庫
從一組已選定的論文建立研究知識庫，保留文獻矩陣、方法、限制、矛盾、引用與來源更新。
顧問工作流
顧問如何建立客戶專案知識庫：從研究到交接
把單一顧問案的來源、研究、決策、交付物與交接脈絡整理成可追溯、可更新的客戶專案知識庫。
投資研究工作流
如何建立投資研究知識庫：從財報、法說會到投資論點
把財報、法說會資料與研究問題整理成可追溯的公司研究檔案，並在新證據出現時更新論點。
產品研究工作流
建立產品研究知識庫，再開始寫 PRD
把核准的研究筆記、客服與業務訊號、過往決策整理成有來源的證據庫，支援可辯護的 PRD 審查。
SRE 知識工作流
建立 SRE 事故知識庫：整理 runbook 與事故復盤
把 runbook、事故復盤與核准的事件筆記整理成有來源、可審查且不會默默過期的值班知識。
競品研究工作流
如何建立有來源依據的競品研究知識庫
用有界的來源登錄表、日期與修訂，整理可審查的競品研究，讓過期主張與矛盾保持可見。
供應商審查工作流
如何建立 ICT 供應商資安盡職調查證據包
把核准的軟體供應商文件整理成可追溯的證據包，清楚標示來源、適用範圍、缺口、負責人與複審日期。
客服回答工作流
如何建立客服答案知識庫：讓支援回答可追溯
產品或政策變更後，用核准來源、適用範圍、不可承諾、轉人工條件、負責人與複審日期維護可檢查的客服答案。
課程 Wiki 工作流
把課堂講義與 PDF 整理成課程 Wiki
把一門課的可讀講義、課件與 PDF 整理成有來源的課程 Wiki，保留概念、先備知識、來源修訂與複核狀態。
指標定義工作流
建立商業指標定義知識庫
把核准的 KPI 規格整理成有來源的資料字典，保留公式文字、粒度、維度、排除條件、負責人、來源修訂與複核狀態。