会自我维护的 Wiki：Karpathy 的 LLM-wiki 模式

每个公司 Wiki 都始于良好的初衷，终于一座坟场。页面渐渐过时，链接失效，写了一半的草稿越堆越多，最后没人再信任它、没人再去翻看。知识从技术上说确实在那里，只是在悄悄腐烂。

LLM-wiki 模式由 Andrej Karpathy 发扬光大，它给出了一条出路：别再把 Wiki 当成静态档案库，而要把它当成一个语言模型可以持续阅读、据此作答、并不断修复的东西。lodos 的活体 Wiki 正是直接建立在这个理念之上。

给答案，而不是搜索

传统 Wiki 丢给你一个搜索框，然后祝你好运。LLM-wiki 给你的是一个答案。

问一句「我们怎么处理 Stripe webhooks？」，代理不会把十个页面一股脑甩给你。它先用全文搜索缩小到相关页面，再从你自己已验证的页面里综合出回复，并把每个来源标注为 [[wikilink]]，这样你就能把每一句论断都追溯回它的出处。

猜测和答案之间的区别，就在于一个引用。这个 Wiki 永远只从你写过并验证过的页面里作答，绝不会从模型的想象里编造。

它会自己保持新鲜

Wiki 会腐烂，是因为维护从来不是任何人的职责。LLM-wiki 模式把它变成了系统的职责。

每日扫描，只用廉价的 SQL 和正则，没有任何 AI 成本，在腐烂蔓延之前就把它标记出来：

• 孤立页面：没有任何东西链接到的页面。
• 死链：[[wikilinks]] 指向了已经不存在的页面。
• 过时论断：周围的事物都变了，自己却一直没被改动过的页面。
• 空缺：有人在问，却没有对应页面来回答的问题。
• 未归档页面：从未被纳入结构里的笔记。

你醒来时看到的是一份简短、诚实的健康报告，而不是几个月后才发现已经腐烂。

它随着你的工作而生长

最妙的地方在于，Wiki 变得越来越丰富，却没有任何人坐下来专门去写它。AI 记录的每一个决策、处理的每一笔退款、完成的每一项任务，都会回写进你的知识库。Wiki 是你运营公司时顺带产生的复利。

一张 AI 可以穿行的图谱

页面之下是一张知识图谱。每一个 [[link]] 都由同一个共享引擎来解析，这个引擎同时用于渲染、用于 lint、也用于代理自身的推理。

最后这一点很重要。当 AI 回答一个多跳的问题，比如「我们上个季度决定的合同变更会影响哪些客户？」，它会像你一样穿行这张图谱，顺着从客户到合同再到决策的脉络一路追下去。关键在于，它只遍历结构：slug、标题，以及页面之间的连边。它从不需要页面正文或任何 Secret，就能理解你的业务是如何拼接在一起的。

而且因为这张图谱达到 Obsidian 级别且内建其中，你可以导入一个真正的 Obsidian vault，继续在 lodos 里编辑，随时再导出回纯 markdown。没有任何锁定。

永不断裂的链接

有一个不起眼的架构决策让这一切变得经久耐用：slug 是稳定的，标题则可以自由改动。 你想怎么重命名页面就怎么命名，想改多少次就改多少次，指向它的每一个链接、图谱里的每一条连边都安然无恙。一个改个名字就断链的 Wiki，正是人们会停止维护的 Wiki。

它为什么活在本地

这一切都跑在你自己的机器上。页面、图谱、每日 lint、读取它们的代理，没有一样会把你的知识送到服务器。这与 lodos 其余部分背后的原则一致：AI 拿到它所需的上下文，而你的数据留在它该待的地方。我们在我们为什么要做一个 Zero-Knowledge Company OS里写过更多。

Wiki 不该是一件你最终弃之不顾的苦差事。它应该是一张你公司的地图，你工作得越多，它就越清晰。这正是 LLM-wiki 模式所成就的，也是 lodos 开箱即带的东西。

探索产品，或下载 lodos，开始打造你自己的 Wiki。