深度解读|从 LLM Wiki 到 Google OKF,如何重建企业 Agent 的可靠知识底座


从 RAG 到 LLM Wiki,面向 Agent 的知识组织与消费方式正在变得多样化。

上个月,Google 发布了 Open Knowledge Format,简称 OKF,目前版本 0.2。它没有再造一个数据库,也没有发明新的检索算法,只是在 LLM Wiki 基础上提出了一种朴素的知识格式:

一组带元数据、互相链接、可以被 Git 管理的 Markdown 文件。

本篇我们来深入了解 LLM Wiki、OKF、Obsidian 等知识新概念及其工程关系。试图探索:Agent 时代,企业需要构建怎样的知识底座?

全文分两篇,一篇侧重概念与方法,一篇侧重应用与案例。

一、检索很容易,但知识没有变得更可靠

先说一个常见的软件开发中的场景。

公司里有几百份架构与设计文档、几十类软件接口说明、多年的会议纪要,还有很多只有资深员工才说得清的业务规则。为了让 AI 使用这些知识,我们解析文档、精心切块(Chunks)、Embedding、入向量库,构建了一条典型的 RAG Pipeline。

当问题是“系统有哪些模块”或者“这个 API 规格是怎样的”时,它通常能用 — 因为这类问题的目标很明确,语义检索也很擅长从大量文档中快速找到相关片段。

但是当问题变成:

“如何准确设计一个查询,来计算我们上个季度的客户流失率?”

情况就不同了 — 

AI 必须先弄清楚:本公司的流失率是怎么定义的?最新的计算口径是什么?退款客户是否包含在内?数据来自哪里?哪些字段已经废弃?

这不再是一个简单的事实问题,而需要一次“知识探索”。

如果依赖经典的 RAG 管道,它的工作过程大致如此:

  • 向量数据库把你的查询转换为向量嵌入

  • 召回一批语义相似的需求、设计、会议记录;这些知识中可能有并不真正相关的内容、一份两年前的方案、过时的接口与数据说明、冲突的口径等

  • LLM 再揉合成一个非常自信的、但很可能是错误的答案

借助一些 RAG 优化(如查询重写、融合检索等)或 Agentic RAG,或许能够提高精确度,但基于相似度的概率检索机制以及知识本身并没有质的变化。


这里的根本问题是:

  • 无法提供面向开放任务的探索能力。Agent 像刚接手任务的工程师 — 它需要的不是一堆相似片段,而是一张可以不断展开的知识地图。

  • RAG 把一堆“可能相关的原始知识” 搬到 AI 面前,但没有替它整理出一套可理解、可导航、可持续维护以确保有效的知识体系。

而这正是 Wiki 式知识体系的价值 — 

  • RAG 解决的是如何从大量材料中召回候选的“相似”材料。

  • Wiki 式知识体系解决的是在问题之前,把有用知识整理成一层带有元数据、相互链接、能够持续维护、能够被 Git 管理的确定性资产。

两者解决的重点并不相同。

这也是后续理解 LLM Wiki / OKF 的第一把钥匙:

RAG 给知识增加了一个“搜索框”,解决“怎样找到”
Wiki 把知识整理成带有“地图”的体系,解决“能找到什么”

当然,Wiki 并非一定取代 RAG,它们完全可以有效协作,我们将在后续介绍。

二、从“搜索框”到持续治理的 LLM Wiki 

Wiki 式知识体系的代表,是大神 Andrej Karpathy 在 4 月提出的 LLM Wiki 构想。

Karpathy 注意到,普通 RAG 在每次查询时,基于相似度做检索和组装知识块,再合成答案;但是,下一周再问相似问题,它从头再来一遍。研究过程中发现的矛盾、建立的联系、形成的结论,随着聊天窗口关闭而消失。

而 LLM Wiki 的思路则不同:

它在原始资料与知识消费者之间,构建一层持续生长的知识体系与制品(Wiki)。

新资料进入时,不是给它做向量索引,而是阅读、整理、并融入到现有知识体系 — 

更新相关知识单元、补上交叉引用链接、发现冲突并解决、更新导航索引与日志,把知识“编译成”一组结构化、相互链接的 Wiki 页。 这一切都是由 LLM 来完成。

其整体构思如下:

在这个架构中,有几个关键区域(通常映射为目录):

  • RAW/:人类整理的原始文档集,供 LLM 读取,但不可修改

  • Wiki/:LLM “编译”后的 Wiki 知识库

  • Schema(AGENTS.md):约定 Wiki 维护的工作流程与规则

这样,当 Agent 需要探索知识时,它可以优先读取这层整理过、结构清晰的 Wiki,而不是到原始资料里去“考古”。

继续上一节的例子:

现在,“客户流失率”不再只是某份需求文档中的一个片段,而可能形成了一张独立的 Wiki 页面。其中明确记录:客户流失的计算口径、统计周期、需要使用哪些数据表和字段、当前生效的是哪个版本,这些规则分别来自哪些原始材料。

与它相关的“客户信息”、“数据表”等知识,则通过 Wiki 链接进行引用。

在这个知识体系中,上述问题的探索过程变成:

  • 从知识库的根目录读取 index.md(根索引)

  • 了解到在 crm/metrics/ 下有计算指标的方法

  • 读取 crm/metrics/index.md(二级索引),发现 crm/metrics/客户流失率.md

  • 读取其中经过审核的 SQL 或 查询脚本

  • 文档中有链接到的表结构文档,如 crm/tables/customers 等,继续读取

  • 基…

— 以上为试看内容(约 40%),开通会员后阅读全文 —