概念
AI 工作的 LLM wiki:Wenlan 的有來源頁面
Wenlan 把重複出現的 AI 工作 context 蒸餾成有來源依據的 wiki 頁面,讓 agent 和人都能跨工具重用。
文章封包
Concepts
正在評估 AI memory 是否需要 wiki layer 的中文使用者
4 分鐘閱讀
01
Wenlan 把 capture 當成 LLM wiki 的原料,而不是最後介面。
02
蒸餾頁面會把相關 memories 聚成可讀 Markdown wiki entries。
03
source memory IDs、revision state 和 git history 讓頁面可檢查。
01
一句話答案
AI 工作的 LLM wiki 是一層有來源依據的知識層:agent 可以讀、更新、引用,人也能檢查它為什麼這樣說。
Wenlan 的工作流是先捕捉 durable facts、decisions、lessons 和 handoffs,再用 /distill 把重複 context 變成 wiki pages;每個頁面保留 source memory IDs。
02
為什麼 memory 需要 wiki layer
一長串 memories 很快會變成另一個 inbox。agent 可以 search,但人仍要相信 search 能處理 duplicates、stale facts 和 contradictions。
wiki layer 給重複出現的工作一個穩定頁面:目前 constraint、已接受 tradeoff、setup fix、handoff pattern,或跨 session 不斷出現的概念。
03
Wenlan 如何保持 source-backed
每個蒸餾頁面都保留產生它的 source memory IDs。Wenlan daemon 會拒絕沒有來源的 page record,而不是讓好看的 summary 直接進入可信 context。
當 memory 錯了,這條來源鏈很重要。你可以回到原始 capture、看它何時寫下、再用新的 context supersede 舊結論。
04
頁面可以變舊,也可以刷新
有用的 LLM wiki 必須承認 knowledge 會變。Wenlan pages 帶著 revision state 和 stale reason,讓新的 captures 可以刷新舊結論。
今天的 deliberate path 是手動 /distill。當你想讓 daemon 在 session 之間做更多工作時,可以選擇本地模型或 API keys 做更豐富的背景整理。
把 memory 變成 LLM wiki
Wenlan 把重複 captures 蒸餾成 source-backed wiki pages,讓下一個 AI session 真正能用。
FAQ