Agentic个人知识库

Agentic个人知识库是一种由LLM驱动的、能够自动编译、查询、优化和自我进化的个人知识管理系统。它超越了传统的笔记工具和RAG方案，将LLM从问答工具转变为"知识编译器"，主动维护索引和反向链接。

核心架构

系统采用"Raw数据层 → 编译Wiki层 → Agent操作层 → 可视化前端"的分层架构：

1. Raw数据层（raw/）：存储原始非结构化输入，包括文章、论文、代码仓库、数据集和图像
2. 编译Wiki层（wiki/）：LLM自动编译的核心知识库，包含概念文章、结构化摘要、索引和可视化图表
3. Agent操作层（agents/）：LLM驱动的CLI工具集，包括编译器、查询Agent、Linting Agent和增强Agent
4. 可视化前端（vault/）：通过Obsidian等工具提供人类友好的浏览界面

核心优势

• 自动化规模化：轻松容纳100+篇文章、40万+字，无需手动编辑
• 智能增强：LLM不仅存储，还能生成新洞见、修复缺失、输出幻灯片或代码
• 自我进化：通过Linting机制，知识库持续自检一致性，形成"飞轮效应"
• 纯文本优先：所有文件均为标准Markdown，LLM可直接解析，无需额外数据库

与RAG的区别

Agentic知识库比RAG更进一步——RAG依赖外部检索，而LLM在这里成为"知识编译器"，主动维护索引和反向链接，实现更深层次的知识整合。

与现有维基的关联

本文提出的Agent概念与[[you-are-not-using-agent-you-are-leading-ai-junior-engineers]]中的"AI初级工程师"高度一致，用户需要像Tech Lead一样管理这些Agent。同时，以raw/为金标准的做法与[[大模型不是真理机器-而是论证机器]]中强调的对LLM输出的批判性审视形成呼应。