知识编译器

知识编译器是对LLM在[[agentic-personal-knowledge-base]]系统中角色的比喻。LLM不再仅仅是问答工具，而是像编译器一样，将原始数据（raw）编译成结构化的知识（wiki）。

核心功能

• 输入处理：接收原始非结构化数据（文章、论文、代码等）
• 编译转换：将原始数据转换为结构化的Markdown文件，包含概念文章、摘要、索引和反向链接
• 增量更新：仅处理新加入的原始数据，结合现有wiki上下文进行针对性更新
• 一致性检查：通过Linting机制检测矛盾、缺失链接和过时信息

与传统编译器的类比

传统编译器	知识编译器
源代码 → 机器码	原始数据 → 结构化知识
语法检查	一致性检查（Linting）
增量编译	增量知识更新
错误报告	矛盾标注与修复建议

意义

这一比喻标志着LLM从"代码生成"向"知识操纵"的范式转变。Token消耗主要用于知识处理而非简单问答，使个人知识管理从被动存储变为主动构建。