跨来源整理：把原始记忆、资料碎片或对话沉淀，进一步编译成结构稳定、可检查、可追踪的知识层。它不是只“存东西”，而是把知识维护变成一条持续运行的流水线。

和普通 wiki / memory 的区别

形态 更像什么 典型问题
原始 memory 事件流、片段、回忆材料 能记住，但难维护
普通 wiki 可读页面集合 可读但质量难量化
编译式知识库 结构化页面 + digests + checks + dashboards 维护成本更高，但更适合长期协作

典型组成

  • 确定性页面布局：相近主题尽量落到稳定页面结构
  • Claims / Evidence：论断与证据分离，减少“只有结论没有出处”
  • Provenance：页面或段落知道自己来自哪里
  • Confidence / Contradictions / Open Questions：把不确定性显式化
  • Compiled Digests：给 agent 或 runtime 的短摘要，不必每次全读页面
  • Lint / Dashboard：持续暴露证据缺口、冲突、陈旧内容和待解问题

为什么它对 agent 特别重要

普通知识库常见的问题是“能搜到，但 agent 不知道该不该信”。编译式知识库的意义在于：

  • 不只给内容，还给可信度和出处
  • 不只给页面，还给机器可消费的 digest
  • 不只做沉淀，还做体检

这样 agent 在多轮研究、长期维护或跨会话协作里，更容易把知识层当成真正的 system of record。

对当前仓库的借鉴方向

你现在这套 source/_posts → wiki/sources / wiki/concepts / wiki/reports 的结构，已经是编译式知识库的雏形。下一步如果要往这个方向继续走，可以逐步补：

  1. 在 source / concept 页面里更明确地区分 source-backed claim 和 综合判断
  2. 为概念页增加 open questions 或“仍待验证”小节
  3. 做一个轻量 wiki lint，检查孤儿页、缺来源页、过时页、冲突页
  4. 为高频主题生成 overview / digest 页面，降低 agent 每次重读成本

与已有概念的关系

  • LLM 维护的知识库 更强调“让 agent 持续维护 wiki”
  • 本页更强调“wiki 维护到什么程度，才足够稳定地服务 agent”

来源