一篇讲清楚,如何构建AI知识库的目录结构和配套的Skills工作流

上一篇讲了:小白如何从0到1搭建自己的AI知识库。有好多朋友私信问知识库的结构和skills到底是怎样的。今天我就来分享一下我的目录构建和skills的搭配思路。

很多人开始搭 AI 知识库,第一步是建文件夹,第二步是写几个技能,第三步把资料往里面塞。

看起来东西都有了,实际用起来还是会卡住。

一篇新材料进来,到底放哪里?要不要拆成更小的观点?什么时候可以形成概念?人物和公司要不要单独建页面?不同技能之间又该怎么分工?

如果这些问题没有答案,文件夹再多,也只是把混乱分开放。技能再多,也容易各做各的,无法串联起来。

随着我的 AI 知识库越用越稳定、越用越丰富,我的经验是:一套 AI 知识库要想长期运作,需要先定好知识管理规则,再让不同技能按照同一套规则配合。

这套架构源自 LLM Wiki 与 GBrain

我现在使用的这套结构,参考了 OpenAI 创始成员 Andrej Karpathy 提出的 LLM Wiki,以及 Y Combinator 总裁兼 CEO Garry Tan 开源的 GBrain。

我主要借鉴了其中几条很重要的思路:

原始材料要保护好,后续生成的判断要能回到来源。知识库要有统一的结构规则,AI 也需要通过明确的技能完成采集、查询、整理和使用。

到了自己的知识库里,目录还是要根据真实材料和使用场景重新设计。别人用得好的知识库,不代表复制过来就适合自己。

如何定义知识库目录结构

我目前重点使用的目录大概是下面这些:

●●●
原始来源/
笔记/
原子/
概念/
分析/

实体/
├── 人物/
└── 公司/

写作/

这里为了方便解释,我把它们分成了三类内容:知识内容、实体和输出。

原始来源 保存外部文章、逐字稿和其他直接证据。它最重要的作用是保留原件,不能让后续摘要把原文覆盖掉。

笔记 保存个人表达、阶段性判断,以及暂时不需要继续加工的内容。一条笔记写得已经很完整,也可以停在这里。

原子 保存从复合内容中提炼出的单一判断。它不是把长文切成小段,而是让一个观点离开原文以后,仍然能够单独理解和使用。

概念 用来综合多个不同来源持续支持的认识。单篇笔记里拆出三条相似观点,依然只算一个来源,不能靠数量把它包装成成熟概念。

分析 承载基于已有材料形成的判断、比较和综合。它可以更新,但不能反过来改写原始证据。

人物 和 公司 是给重要对象一个稳定身份。同一个人、同一家公司只维护一份主页面,会议、事件、笔记和写作都可以继续指向它。

只有会被反复引用的人物或公司,才值得维护独立的主页面。

最后是 写作。知识重新进入文章、课程、复盘或其他真实任务以后,才真正被用起来。

目录在这里表达的不是主题,而是一份内容现在处于什么状态,或者它主要在描述什么对象。

怎样把笔记类型、目录和笔记关系串连起来

只有目录还不够。

知识库还需要回答几个问题:这是什么页面,它应该放到哪里,它和已有页面是什么关系,这种关系应该记录在哪一边。

先判断页面主要在讲什么,再由…

— 以上为试看内容(约 40%),开通会员后阅读全文 —