分類 AI 下的文章

這篇參考了 llmwiki 的做法,自己實作了一套 LLM + Obsidian 的個人 Wiki 系統,記錄一下整體架構與使用心得。

一、規範目錄結構

先定好資料夾分工,讓 AI 知道哪些是原始資料、哪些是它負責維護的知識庫:

my-llm-wiki/
├── raw/ # 原始數據(筆記、文章、資料來源)
├── wiki/ # AI 維護的知識庫文本
├── outputs/ # AI 生成的成品
└── CLAUDE.md # 系統規則文件

三個資料夾職責清楚分開,避免 AI 處理時混淆來源與產出。

- 閱讀剩餘部分 -

之前開啓了一個項目,要做游戲内部知識庫,去年用 rag/ragraph 做游戲知識庫發現出來的結果不怎樣,轉頭去做了其他的應用

後來大概分析出幾個問題

  1. raw data 其實不適合直接進入 vector database
  2. 不同應用場合需要不同配套措施
  3. 本地的 ollma 不堪負荷,使用了 cc subproc 效果就好很多,哪怕用 qwen 都比其他好

- 閱讀剩餘部分 -