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。
文章封包
Concepts
想讓 AI agent 使用本地知識，但仍能檢查來源、更新與審查狀態的繁體中文使用者
7 分鐘閱讀
01
可信來源不和模型產生的結論混在一起。
02
原子知識保留細粒度證據，再組成可重用頁面。
03
頁面保存引用、修訂、過期原因與審查狀態。
01
一句話答案
有來源的 AI 知識庫會把可信來源、原子知識與維護型 LLM Wiki 頁面分開。Agent 取得的是可重用答案，人仍能沿著引用回到來源、檢查修訂，並在證據變化時刷新頁面。
Wenlan 在本機連接這三層，讓知識不只是搜尋片段或脫離來源的摘要。
02
AI 知識庫為什麼必須保留來源
直接丟入大量文件會讓 agent 每次都重新搜尋；只留下摘要，又會失去支持結論的證據。來源一旦更新，沒有人知道哪些答案也必須重算。
可維護的知識庫必須回答三件事：這個結論來自哪裡、現在是否仍有效、發生衝突時誰來審查。
03
三層最小架構：Sources、Atomic Knowledge、Pages
Sources 是可檢查的原始資料；Atomic Knowledge 是帶著來源與理由的單一事實；Pages 則把重複、高價值的知識整理成 agent 可以按需讀取的答案。
不要跳過中間層。原子知識讓頁面保持可追溯，也讓新證據只修正受影響的事實，而不是重寫整個知識庫。
04
Wenlan 的實際工作流程
先用一個會重複查詢的主題驗證閉環，不要一開始就匯入整個筆記庫。記錄一個帶來源與理由的事實，累積到值得重用時再蒸餾成頁面。
- 用 /capture 保存單一事實、來源與它為何重要。
- 用 /distill 把重複主題整理成維護型頁面。
- 用 /pages 開啟頁面並核對支持它的來源。
- 用 /lint 找出薄弱、衝突或過期的知識。
- 用 /curate 審查修訂，再決定是否刷新頁面。
Wenlan 知識庫維護迴圈
/brief <主題>
/capture <事實 + 來源 + 為何重要>
/distill <主題>
/pages <主題>
/lint
/curate05
如何處理過期與衝突
來源或工作條件改變時，不要讓新舊答案並排。把舊結論標成過期、記錄替代關係，再依最新證據刷新頁面。
對高影響結論保留人工審查。自動蒸餾能加快整理，但不應把沒有支持來源的文字升級成可信知識。
06
如何驗收 AI 知識庫
先用一個主題做小型驗收。Agent 應該能找到目前答案，人應該能回到來源，證據變更後則能看見過期狀態並完成刷新。
- 頁面中的重要結論能追到來源 ID 或維護中的文件。
- 重新開啟 AI client 後，仍能按需取得相同主題。
- 加入衝突證據時，lint 或 review 流程能把問題暴露出來。
- 刷新後保留修訂紀錄，而不是靜默覆寫舊答案。
07
Wenlan 如何對應這套架構
Wenlan 的 Sources、Memories 與 Pages 對應來源、原子知識與維護型頁面。頁面記錄保留 source IDs、版本、changelog、stale reason 與來源數量。
這套設計讓 Claude Code、Codex、Cursor 等 MCP client 共用同一個本地知識層，同時保留人可以檢查與修正的路徑。
先建立一個可驗證的 AI 知識庫主題
用 Wenlan 把來源、原子知識與維護型頁面連成小型閉環，再逐步擴大到其他 AI 工具與專案。
FAQ