知识飞轮

知识飞轮是[[agentic-personal-knowledge-base]]系统追求的终极状态。通过Linting机制，知识库持续自检一致性，形成"飞轮效应"——输入越多，输出越智能。

飞轮循环

1. 输入：新数据进入raw/目录
2. 编译：LLM将原始数据编译为结构化知识
3. Linting：定期检查矛盾、缺失链接和过时信息
4. 修复：应用修复建议，提升知识库准确性
5. 增强：知识库质量提升后，能更好地处理新输入
6. 循环：回到步骤1，形成正向循环

核心机制

• Linting作为知识库的"免疫系统"，定期运行
• 发现新论文后自动更新关联概念
• 长期运行下，知识库准确率持续提升

与AI是放大器的关联

知识飞轮是[[ai-as-amplifier]]的正面应用——它放大了个人知识管理的效率和深度。输入的质量和数量决定了飞轮的速度和效果。