1.✨ 聊聊你对“知识库未来体”的构想【每周话题 4.7-4.10】
1.哈哈哈，紧跟时事一下；昨天晚上看到这个kapathy 的相关推文
2.今天傍晚发现，诶，这里面搜集信息不就可以用自家的iflow skills 嘛
3.LLM解析就靠CLI 就行了，Agent解析配上指导文件memory 或者叫做Agent.md文件就够了
很扁平，但是可以很好的自定义功能；因为官方md中都提到了网络搜索功能；
哈哈哈，想到iflow skills 一咯噔，哦!这题我会啊! 
实际项目的排布：
第一个项目就是所需要的.qwen 需要的iflow 的 skill
提示词的过程和实际工作流:
提示词：
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f 提取其中内核的文件夹组成；
其中的原始资源——您精心收集的源文档。包括文章、论文、图像和数据文件。这些资源是不可更改的——LLM 系统会读取它们，但绝不会对其进行修改。这就是您的真实来源。
维基——一个由LLM生成的Markdown文件目录。内容包括摘要、实体页面、概念页面、对比、概述和综合。LLM完全掌控这一层。它创建页面，在新资源到来时更新页面，维护交叉
引用，并确保所有内容的一致性。您阅读它，LLM编写它。
模式文件（例如 Claude Code 的 CLAUDE.md 或 Codex 的 AGENTS.md）告诉 LLM wiki 的结构、约定俗成的规则以及在导入资源、回答问题或维护 wiki
时应遵循的工作流程。这是关键的配置文件——它使 LLM 成为一个规范的 wiki 维护者，而不是一个普通的聊天机器人。随着时间的推移，您和 LLM
会共同完善这个模式文件，并不断探索适合您领域的有效方法。
分别生成三个文件夹；
1,原始资源是利用 本项目的skills 进行搜集和存入知识库，并由用户进行选择是否要存入原始资源文件夹中
2.wiki文件夹可以是利用Qwen Code 又或者利用skills 自行输出wiki;
3.模式文件：告知LLM wiki结构
网址+原网址中的wiki设计思路；三个文件夹；
三层架构：
三层架构
1️⃣ 原始资源层 (raw-sources/)
- 用户通过 skill 搜索/手动收集的源文档
- 包含文章、论文、图像、数据等
- 不可变 - LLM 只读不写
- 用户审核后决定是否存入
2️⃣ Wiki 层 (wiki/)
- LLM 自动生成的 Markdown 文件目录
- 包含摘要、实体页、概念页、对比、综合
- LLM 完全拥有和维护
- 包含 index.md（目录索引）和 log.md（操作日志）
3️⃣ 模式文件 (AGENTS.md)
- 定义 Wiki 结构、约定、工作流
- 指导 LLM 如何执行摄入、查询、维护
- 使用 Qwen Code 的 .qwen/AGENTS.md 或项目根目录的 AGENTS.md
工作流集成 │
│ - 使用 iflow-nb skill 搜集资源 → 用户审核 → 存入 raw-sources/ │
│ - Qwen Code 读取资源 → LLM 生成/更新 wiki/ 页面 │
│ - AGENTS.md 指导 LLM 执行 Ingest/Query/Lint 操作
这个工作流就挺有意思的
由于其中的关键点是需要我们自定义审核；
那么最适合的就是默认模式来自定义审核。
其中的知识库文件夹结构：
文件夹结构
1 knowledge-base/
2 ├── raw-sources/ # 1️⃣ 原始资源库（用户管理，LLM只读）
3 │ ├── articles/ # 文章、博客
4 │ ├── papers/ # 学术论文
5 │ ├── books/ # 电子书
6 │ ├── data/ # 数据集
7 │ ├── images/ # 图像
8 │ ├── videos/ # 视频
9 │ ├── code/ # 代码
10 │ ├── misc/ # 其他
11 │ └── README.md # 使用说明
12 │
13 ├── wiki/ # 2️⃣ Wiki知识库（LLM自动维护）
14 │ ├── summaries/ # 资源摘要
15 │ ├── entities/ # 实体页面
16 │ ├── concepts/ # 概念页面
17 │ ├── comparisons/ # 对比分析
18 │ ├── overviews/ # 综合概述
19 │ ├── index.md # 内容索引
20 │ ├── log.md # 操作日志
21 │ └── README.md # 使用指南
22 │
23 ├── AGENTS.md # 3️⃣ 模式文件（LLM工作流配置）
24 ├── README.md # 整体系统说明
25 └── examples.md # 使用示例
🎯 三个核心组件
┌──────────────┬────────────────────────────────────┬───────────────────────────┐
│ 组件 │ 用途 │ 管理者 │
├──────────────┼────────────────────────────────────┼───────────────────────────┤
│ raw-sources/ │ 存放原始资源（文章、论文、数据等） │ 用户（通过 skill 或手动） │
│ wiki/ │ LLM 自动生成的知识库 │ LLM（自动维护） │
│ AGENTS.md │ 定义 Wiki 结构和工作流 │ 用户 + LLM 共同迭代 │
那么开始尝试吧：
1.利用iflow-nb skill 搜索关于Agentic 方向的资料；2.审核后决定是否纳入 raw-sources/ 对应文件夹;3.触发skill生成思维导图以及LLM按照 AGENTS.md 执行摄入流程
这就是一个工作流了；但是缺失了一部：新建知识库，哈哈哈，昨天还是我自己发了推文，自己都忘了，噗呲
✦ 知识库已创建成功，现在需要使用刚创建的 kb-id 重新执行搜索命令来获取 Agentic AI 相关资料。
✦ 好的，知识库已创建。现在搜索 Agentic AI 相关资料：
下一步就是基于已经创建和搜索的文件：
✦ 太好了！已搜索到 9 篇关于 Agentic AI 的高质量论文和文章。现在让我展示结果并请你审核：
📊 步骤 1 完成：搜索结果
已找到 9 篇 Agentic AI 方向的资料：
✅ 已解析完成（5 篇）
1. Towards Responsible and Explainable AI Agents with Consensus-Driven Reasoning
2. Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents
3. Exploring Plan Space through Conversation: An Agentic Framework for LLM-Mediated Explanations in Planning
4. Agentic AI in Healthcare & Medicine: A Seven-Dimensional Taxonomy
5. PreFlect: From Retrospective to Prospective Reflection in Large Language Model Agents
⏳ 正在解析（4 篇）
6. ALRM: Agentic LLM for Robotic Manipulation
7. Training-Free Agentic AI: Probabilistic Control and Coordination in Multi-Agent LLM Systems
8. Agentic AI-RAN: Enabling Intent-Driven, Explainable and Self-Evolving Open RAN Intelligence
9. 从 ChatGPT 到 Agent：2025 年 AI Agent 架构设计的 5 个关键演进
---
🎯 步骤 2: 审核并决定是否纳入 raw-sources/
现在我需要将这些资源也保存到本地 raw-sources/ 文件夹中。让我先创建对应的文件记录：
因为有默认模式那么就可以自定义审计：
嘿嘿，大家可以尝试一下
回答一下话题的思考：
其实这个wiki的模式，与其说是第二大脑，不如说是去探索自己，如果真的去好好做的话，增加许多文件来看一些自己所没想到的内容；别忘了iflow 的 skill 可以自定义灵心思考，那么就可以更加符合自身的思考，当然要去不断的进行更新和维护，我在想这些特点的目的性似乎都在向着人的独特性发展
