一种新的 LLM Wiki 方法论:让 AI 帮你建一个能活下去的知识库
你有没有遇到过这种情况:同一个问题,上周问过 AI,这周又要重新问一遍,因为上次的回答根本没留下任何痕迹。
这是 RAG 模式的天花板——它擅长"回答",但不擅长"积累"。每一次对话都是一次性的,AI 从文档堆里捞出片段、拼出答案,然后什么都没留下。下次再问,重头再来。
换一种玩法:把 AI 变成你的 Wiki 编辑,而不是临时顾问。
RAG 到底差在哪里?
用 RAG 处理知识的流程大家都熟悉:把文件上传进去,提问,AI 检索片段,组合成一个答案。单次使用没问题,但它有一个结构性缺陷——每次查询都是无状态的。
跨文档的综合性问题尤其吃亏。假设你想问一个涉及五篇论文的问题,AI 需要在运行时把散落各处的线索实时拼凑起来,既慢又容易丢失细节。
LLM Wiki 的思路反过来:不是等你提问再去找,而是提前让 AI 把知识整理好,写成一组互相链接的 Markdown 页面,持续维护,持续更新。知识在文件里沉淀,而不是在对话里蒸发。
用 Obsidian Web Clipper 做素材采集
第一步,在浏览器安装 Obsidian Web Clipper 扩展。
第二步,打开任意网页文章,点击扩展图标,选择 Add to Obsidian。
第三步,保存后文章自动转为 Markdown 出现在 Obsidian 里。
图片不本地化,迟早是定时炸弹
Web Clipper 剪下来的文章,图片默认还是远程链接。这有两个隐患:一是图床随时可能失效,文章图片变成一堆叉;二是 AI 无法访问失效的外链,这些图片对它来说等于不存在。
解决办法只需要配置一次。
第一步:统一附件存储路径
打开设置 → 文件与链接 → 找到附件存储路径 → 设为当前文件夹下指定的子文件夹,子文件夹名称设为 attachments。
第二步:绑定下载快捷键
设置 → 快捷键 → 搜索"下载" → 绑定快捷键 Ctrl+Shift+D。
之后每剪一篇文章,顺手按一次 Ctrl+Shift+D,图片就落到本地了。这个习惯一旦养成,知识库里的内容就真正属于你,AI 也能完整读取每一张图。
图谱视图:让知识库的健康状况一目了然
Obsidian 的 Graph View 是一张实时生成的关系地图。每个 Wiki 页面是一个节点,页面之间凡是有双向链接的地方,就会自动连上一条线。打开方式:点击左侧边栏的图谱图标,或直接按 Ctrl+G。
这张图结合 AI 有两个具体用途:
1. 检查孤岛页面:没有任何入链的节点悬在图谱边缘,说明这个页面还没有被其他内容引用,让 AI 去补上交叉链接。 2. 找到应该但还没有…