前言
你用过 RAG 吗？
把一堆文档扔给 AI，它帮你检索、回答问题。
听起来很美，但用久了你会发现一个问题：每次提问，AI 都在从头翻你的文档。
上周它帮你总结过的东西，这周再问，它又重新读一遍原始材料，可能还得出不同的结论。
知识不会积累，问一次用一次，用完就丢。
2026 年 4 月，Karpathy 发了一个 GitHub Gist，提出了一个叫 LLM Wiki 的模式。
核心思路很简单：别让 AI 每次都重新翻文档，让它把知识编译成结构化的 wiki，持续维护。
Hermes Agent 内置了一个 llm-wiki skill，把这个模式落地了。
今天来看看怎么用。
RAG 和 Wiki 的区别
传统 RAG 的工作方式是”即时检索”：你问一个问题，系统从原始文档里找最相关的片段，拼进上下文，让 LLM 生成回答。
LLM Wiki 的思路完全不同：知识先编译，再查询。
Wiki 里的页面已经做好了交叉引用，矛盾已经被标记，综合分析已经反映了所有已收录的来源。
你问问题的时候，直接读 wiki 页面就行，不需要重新解析原始文档。
Karpathy 是这么说的：
Obsidian 是 IDE，LLM 是程序员，wiki 是代码库。
三层架构
LLM Wiki 的目录结构分三层，Hermes 的 llm-wiki skill 按这个思路设计了具体的组织方式：
**第一层 raw/**：存放原始材料，网页文章、PDF 论文、会议记录等。
这些文件一旦存入就不再修改，是知识的”源代码”。
第二层 wiki 页面：由 Agent 创建和维护的 markdown 文件。
分成四种类型：
- **entities/**：实体页面，比如某个工具、某个人物、某个产品
- **concepts/**：概念页面，比如”RAG 是什么””向量数据库原理”
- **comparisons/**：对比页面，比如”Docker vs Podman”
- **queries/**：有价值的查询结果归档
第三层 SCHEMA.md：Hermes 把这个配置文件命名为 SCHEMA.md（Karpathy 原始模式中叫 CLAUDE.md 或 AGENTS.md）。
它定义了 wiki 的领域范围、命名规范、标签分类、页面创建门槛等。
这是让 Agent 成为”纪律严明的 wiki 维护者”而不是”随便聊天的 AI”的关键。
三大核心操作
收录（Ingest）
把一篇新文章喂给 wiki，Agent 会：
- 保存原始文件到
raw/articles/，计算 sha256 用于后续检测内容变化 - 识别文章中提到的实体和概念
- 检查 wiki 里是否已有相关页面，避免重复创建
- 创建或更新 wiki 页面，添加交叉引用
- 更新
index.md索引和log.md日志
一篇来源文章可能触发 5-15 个 wiki 页面的更新。
这就是”知识复利”的效果。
查询（Query）
对 wiki 提问，Agent 会：
- 先读
index.md找到相关页面 - 大型 wiki（100+ 页面）还会全文搜索
- 读取相关页面后综合回答，引用来源页面
- 如果这个回答有长期价值，归档到
queries/目录
查询结果被归档后，下次遇到类似问题就不用重新推理了。
健康检查（Lint）
定期让 Agent 检查 wiki 的健康状况：
- 孤儿页面（没有被其他页面引用的页面）
- 断链（wikilink 指向不存在的页面）
- 过时内容（有新来源提及但页面超过 90 天没更新）
- 矛盾标记（
contested: true的页面需要人工审查） - 标签一致性（所有标签必须在 SCHEMA.md 的分类表里）
用 Hermes 实战
Hermes Agent 内置了 llm-wiki skill，直接用斜杠命令 /llm-wiki 就能激活完整的工作流。
初始化 Wiki
对 Hermes 发送：
1 | /llm-wiki 帮我创建一个 wiki，领域是 AI 工具和开发技术。 |
Hermes 会创建目录结构，生成定制化的 SCHEMA.md、index.md 和 log.md。
你也可以自定义 wiki 路径，在 ~/.hermes/.env 中设置：
1 | WIKI_PATH=~/my-wiki |
不设置的话默认在 ~/wiki。
收录一篇文章
1 | /llm-wiki 帮我把这篇文章收录到 wiki：https://example.com/some-article |
Hermes 会用 web_extract 抓取内容，保存到 raw/articles/，然后自动创建或更新相关 wiki 页面。
你也可以一次性收录多篇文章，Hermes 会批量处理，减少重复更新。
提问
1 | /llm-wiki 我的 wiki 里关于 Docker 的内容有哪些？ |
Hermes 会搜索 wiki，找到所有 Docker 相关页面，给你一个结构化的回答。
健康检查
1 | /llm-wiki 帮我检查一下 wiki 的健康状况。 |
Hermes 会运行完整的 lint 流程，报告问题并给出修复建议。
和 Obsidian 配合
Wiki 目录就是一个普通的 markdown 文件夹，可以直接用 Obsidian 打开。
[[wikilinks]] 在 Obsidian 里会渲染成可点击的链接，Graph View 能直观看到知识网络的连接关系。
如果你装了 Dataview 插件，还能用 YAML frontmatter 做高级查询，比如”列出所有标签包含 llm 的页面”。
使用建议
不要追求完美分类：知识的边界是模糊的，先把内容收录进去，交叉引用会帮你建立连接。
收录比查询更重要：wiki 的价值在于积累。
读到好文章就告诉 Hermes “收录一下”，比等到要用再翻文档高效得多。
定期做健康检查：每月跑一次 lint，清理断链和过时内容。
善用 confidence 标记：对于只有一个来源支撑的观点，标记 confidence: medium，避免弱证据被当成定论。
知识管理的本质不是收集信息，而是让信息在需要的时候出现，并且是已经整理好的状态。
LLM Wiki 让这件事第一次变得真正可行。