博客/日记

日记：2026/04/14

·4 min read·
#日记#生活记录#日常思考

天气阴，21℃，Monday

  1. LLM Wiki 的实现原理（人话版） 它不是一个模型，是一套工作流程，核心就三步： ① 编译阶段（Compile） 你把一堆原始资料丢进去：书籍、论文、笔记、PDF、网页…… AI 做这些事： 自动分段、理解内容 提取知识点 建立条目（像维基词条） 给词条加链接、分类、层级 生成结构化的 Markdown Wiki 库 这一步只做一次，之后持续增量更新。 ② 结构化知识库（The Wiki） 最终产物是一个AI 自动维护的维基系统： 每个主题一个页面 页面之间互相引用 内容精炼、无废话 结构统一，方便检索 相当于把 “杂乱原文” 编译成 “AI 能高效理解的知识结构”。 ③ 查询阶段（Query） 你提问时： 不去搜原始文档 直接在 AI 整理好的 Wiki 里检索 大模型基于结构化百科回答 因为 Wiki 本身就是 AI 写的，语义对齐、结构清晰，所以回答质量远高于直接搜原文。

极简 LLM Wiki 完整代码（Python）

自动编译脚本：build.py



import ollama
import os

# 配置
RAW_DIR = "raw"       # 原始文档
WIKI_DIR = "wiki"     # 编译后的wiki
MODEL = "qwen2.5:7b" # 你本地ollama的模型

# 创建目录
os.makedirs(WIKI_DIR, exist_ok=True)

# LLM Wiki 核心编译提示词（Karpathy 思路）
PROMPT = """
你是一个知识编译器。
把下面的原文编译成结构化维基百科条目：
1. 使用 Markdown
2. 分章节、分要点
3. 关键概念加粗
4. 交叉引用用 [[主题]] 格式
5. 只保留知识，去掉废话
6. 语言精炼

原文：
"""

def compile_doc(filename):
    with open(f"{RAW_DIR}/{filename}", "r", encoding="utf-8") as f:
        content = f.read()

    # 调用本地LLM编译
    response = ollama.chat(
        model=MODEL,
        messages=[{"role": "user", "content": PROMPT + content}]
    )
    wiki_content = response["message"]["content"]

    # 保存到wiki目录
    with open(f"{WIKI_DIR}/{filename[:-4]}.md", "w", encoding="utf-8") as f:
        f.write(wiki_content)
    
    print(f"✅ 编译完成：{filename} → wiki/{filename[:-4]}.md")

# 批量编译所有raw文件
for f in os.listdir(RAW_DIR):
    if f.endswith(".txt") or f.endswith(".md"):
        compile_doc(f)

问答查询脚本：query.py

import ollama
import os

WIKI_DIR = "wiki"
MODEL = "qwen2.5:7b"

def search_wiki(query):
    """最简单的关键词搜索 Wiki"""
    results = []
    for filename in os.listdir(WIKI_DIR):
        with open(f"{WIKI_DIR}/{filename}", "r", encoding="utf-8") as f:
            content = f.read()
        if any(word in content for word in query.split()):
            results.append(content)
    return "\n\n---\n\n".join(results[:3])

def ask(query):
    context = search_wiki(query)
    prompt = f"根据以下Wiki内容回答问题，不要编造：\n{context}\n问题：{query}"
    
    response = ollama.chat(model=MODEL, messages=[{"role": "user", "content": prompt}])
    return response["message"]["content"]

# 运行
if __name__ == "__main__":
    q = input("请输入问题：")
    print("\n💡 LLM Wiki 回答：\n", ask(q))
Twitter