深蒸馏 · 亚马逊运营 × Codex

LLM Wiki 和 RAG 知识库的区别 · 深蒸馏(432)

图文原件 | 2026-07-24 | 已深蒸馏 9 / 9 | 3 组 · 2 表 · 一次读完
来源:原文 | Jax丰哥 | 2026-07-24 | 原文正文页只剩标题,本篇按站点首页摘要与概念本身提炼
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.woyaofei.cn/432.html
阅读路径:这是全站最短的一篇,也是唯一一篇讲「知识怎么存」的。原文正文页目前渲染不出内容(只有标题与栏目),可读的只有站方在首页给出的摘要。所以这篇深蒸馏的重点不是复述他的案例,而是把「检索时整理」与「入库时整理」这条分界线讲清楚,再对照你自己的 kb 看差在哪。五分钟。
一句话结论:普通 RAG 是「提问时临时把资料捞出来拼答案」,LLM Wiki 是「入库时就整理成一套持续维护的体系」;前者胜在覆盖,后者胜在结构稳定、口径一致、可对账,企业级做法是两套并用——百科负责理解,搜索引擎负责取证。

第一组 · 一个类比讲清差别

搜索引擎 + 临时研究员 vs 持续维护的百科

1.1 两种形态
形态什么时候整理产物强项
普通 RAG提问时一段临时拼出来的答案覆盖广、随时能问、不用预加工
LLM Wiki入库时主题页、实体页、摘要、交叉链接、矛盾记录结构稳、口径一致、能对比、能追溯

他的类比很直白:普通 RAG 像搜索引擎加一个临时研究员,每次现查现写;LLM Wiki 像一本由 AI 持续维护的百科全书,答案是从既有条目里长出来的。

1.2 代价与收益

RAG 的代价藏在每次提问里:同一个问题问三次,可能得到三种结构;跨文档比较几乎做不了,因为每次都从头读。LLM Wiki 的代价前置:入库时要花力气整理,但整理一次,后面所有提问都受益。

原文在说什么

这一组的分界线不是技术栈,而是整理发生的时刻。选 RAG 还是选 Wiki,等价于问「你的问题是一次性的,还是要反复对比的」。

关键概念
对你的实际应用

你的 kb 已经选了「入库时整理」这条路(主题页 + 逐日追加 + 徽标),方向是对的。但要承认一个副作用:入库整理的成本全压在我这边,所以你会看到「一天只能深蒸馏两篇」这种节奏——这不是效率问题,是这条路本身的定价。

第二组 · LLM Wiki 的五个部件

Karpathy 那版的关键设计

2.1 原始层不可变

保留不可修改的原始资料,LLM 在其上生成维护结构化页面。这条是整套设计的地基:原始资料一旦被改写,后面所有结论都失去参照。

2.2 五类页面
部件作用你现在的对应物
主题页一个主题一份,长期追加kb/md/<主题>.md
实体页人、公司、产品等实体单独成页无(散在主题页里)
摘要每篇来源的压缩版每条目的「原文在说什么」
交叉链接条目之间显式关联无(只有分组,没有边)
矛盾记录不同来源说法冲突时留痕无
2.3 为什么「矛盾记录」重要

多个来源对同一件事给出不同数字时,普通做法是选一个信得过的写进正文,另一个丢掉——于是下次再遇到,又要重新判断一次。留一条矛盾记录,等于把这个判断固化下来:谁说的、差多少、你采信哪个、为什么。

原文在说什么

摘要只提到这五类产物,没有展开实现细节。但光这五个词就能当体检表用:缺哪一类,知识库就会在对应的地方退化成「一堆笔记」。

关键概念
对你的实际应用

你的 kb 有五类里的三类(主题页、摘要、原始层),缺两类。补齐很便宜:① 每条末尾加「相关:→ §2.x.y / 另一主题」,先做 20 条;② 建 kb/矛盾表.md,现在就能填三条——howie 说「context 占 80% 价值」vs VA7 说「skill 管下限」,两套说法并不冲突但边界没写清;再比如「视频要不要转写」在不同文章里给了不同答案。

第三组 · 企业级:混合,而不是二选一

百科负责理解,检索负责取证

3.1 分工
层职责回答什么问题
Wiki 层结构化理解、跨文档对比、口径统一「这类问题我们怎么理解」
检索层回原文取证、找具体句子与数字「这句话原文在哪」
3.2 什么时候必须回原文

凡是引用数字、日期、条款、原话的地方,都要回原文——Wiki 层是压缩过的,压缩就会有偏差。这也是为什么你的每份主题文档里都保留「原文」链接,而不是只写结论。

原文在说什么

摘要只给了一句「企业级混合方案:百科全书负责理解,搜索引擎负责原文取证」,没有展开。但这句话足够定架构:Wiki 是主,检索是辅;不要指望 Wiki 覆盖所有细节,也不要指望检索给出结构。

关键概念
对你的实际应用

你现在的飞书文档是 Wiki 层,raw/ 与原文链接是取证层,但缺一个「按需检索」的入口——想找「哪篇提过 taxonomy」只能靠翻。等主题超过 10 个,这件事会变成瓶颈;那时的解法不是再写一份索引,而是给 kb/ 建一个本地全文索引(rg 就够),让我按需查而不是通读。


与在用工作的关联

这篇里的什么对应你手上的什么具体怎么用
入库时整理kb 已在做保持,但明确「这是成本前置」的选择
原始层不可变raw/ 与 _archive/已成规矩,写进 STANDARD 一句话
交叉链接只有分组没有边每条末尾加「相关:」,先做 20 条
矛盾记录无建 kb/矛盾表.md,先填 3 条
理解 vs 取证链接都在,检索靠翻rg 建本地全文检索,主题过 10 个就上

原文:Jax丰哥《LLM Wiki 和 RAG 知识库的区别》,2026-07-24。

本篇依据:原文正文页当前只渲染出标题(多次抓取均无正文),可读内容为站方首页摘要:两种形态的类比、Karpathy 版 LLM Wiki 的五类页面、企业级混合方案。五类页面与「你现在的对应物」对照表里的判断是我做的。

更正与边界:这篇的信息量明显低于其他八篇,属于概念笔记而非实战文章;引用时请以摘要为准,不要当作他对 RAG 的完整论述。也正因为如此,本条的精读价值主要在「对照表」,不在原文。

定位:中文深蒸馏,不是译稿也不是逐字摘要。标「对你的实际应用」的部分是我的分析,与原文分开;引用原文处标「原文在说什么」。