大家早上好，今天我们来学习AGI的进展。

雨農

#每日学习打卡#

大家早上好，今天我们来学习AGI的进展。

LLM Wiki的完整架构

卡帕西在GitHub Gist上公开了他的完整构想。

虽然他刻意写得比较「抽象」——因为他认为在AI Agent时代，分享的应该是想法而非具体代码，让每个人的Agent去根据想法定制实现——但整套系统的骨架其实非常清晰。

第一层：原始数据（Raw Sources）

就是你的素材库。论文、文章、代码、图片、数据集……统统扔进一个raw/文件夹。

不需要你整理，不需要你分类，扔进去就行。

这一层是「不可变」的——大模型只读取，绝不修改。这是你的信息源头、真相之本。

卡帕西推荐用Obsidian Web Clipper浏览器插件，看到好文章一键转成Markdown，再用快捷键把图片全部下载到本地，确保以后网站挂了图也不会丢。

第二层：Wiki（The Wiki）

这是整个系统的核心。

大模型读完raw/里的素材后，不是简单地「索引」它们，而是主动地「编译」出一整套结构化的Wiki。

什么叫「编译」？

就像编译器把你的源代码变成可执行程序一样，大模型把你的「原始资料」变成了一部可导航、可查询、互相引用的知识体系。

具体来说，大模型会做这些事：给每篇素材写摘要，抽取关键概念，为重要主题撰写独立文章，在不同页面之间建立反向链接，维护一个总索引文件（index.md），记录操作日志（log.md）。

你几乎不用手动编辑Wiki里的任何内容。

写文章的是大模型，打标签的是大模型，建链接的是大模型。

用卡帕西自己的话说——Obsidian是IDE，大模型是程序员，Wiki是代码库。

第三层：规则文件（The Schema）

这是一份「说明书」，告诉大模型这个Wiki怎么组织、有什么规矩、遇到不同情况该怎么操作。

比如在Claude Code里是CLAUDE.md，在OpenAI Codex里是AGENTS.md。

这份文件由你和大模型「共同进化」——你用着用着发现什么规则好用就加上去，什么不好用就改掉。

我们一起学习的。2026.4.6dm