[NAS 效率] 个人 AI 知识库深度优化 6 招，技能全体系开源！

Hi，我是执着于持续分享NAS、AI、数码、家电、软件技巧相关知识，坚持创作有深度、高质量作品的博主 设计虱聊科技。期待您的关注。

一个半月前，我参照 Karpathy 知识库 的架构，也搭了一套个人 AI 知识库，作为给 AI 用的知识库，确实高效。

但是知识库跑了一个多月，我在实际使用的过程中，总是这里还没到位、那里还不完善。总之就是差了最后一公里的感觉。

后来看了网上各路大神的优化思路，我也痛下决心做了一轮大优化。

现在我的知识库有 113 个 Wiki 页面了，各页面链接井井有条。我还打通了与 ima 知识库的协调工作流，并通过向量嵌入，使搜索的体验也完全不一样了……等等，下面一条一条说。

有些效果明显得我自己都吓一跳，有些纯粹是过度工程。

坑我都替你踩过了，今天把这一个半月的真实优化经验分享出来，希望给更多的朋友提供不同的思路。

我把这个优化后的个人知识库技能体系也开源在 github 了 ，仓库是：liumeixin/hermes-wiki-skills。

感兴趣的朋友可以让自己的 Hermes 去复刻。要是能顺便打个 star 就更好了。欢迎提 Issues，共同完善。

✿ 1. 置信度标注

这是最有效的优化之一——给内容加置信度标注。

这个改动看起来很小，就是给每条知识打个标签，高、中、低三档。但实际用起来你会发现它解决了一个很大的问题——知识库用久了之后你根本记不住每条内容的来源和可靠性。

置信度的逻辑是：

• 高置信度：这条信息经过实际操作验证，我亲自跑通了有明确结果

• 中置信度：单一来源但可信度较高，有交叉参考

• 低置信度：未经验证，可能是某个论坛上看到的观点存在偏差

为什么我觉得这个很重要？因为来源多了，总有矛盾的内容，AI 需要在我每次调用时，判断哪条来源的内容更准确，这样的效率就很低。

加了置信度之后就不一样了。高置信度的内容会直接调用，中置信度可以参考但要验证，低置信度的内容就进入垃圾池了。这样，AI 就不用每次都判断"这条信息到底靠不靠谱"。

置信度标签就是帮你快速判断"这条信息能不能直接用"的安全网。

✿ 2. 混合检索——向量 + 关键词融合

之前单纯用 Hermes 内置 FTS 5 关键词搜索，有时候关键词写不对，就很难找到相关的内容，被过滤掉了。

后来我加了混合检索（RRF融合）：

• 向量搜索：找语义相关

• 关键词搜索：找字面相关

• 两种结果按排名融合，互补短板

实测效果：搜"车牌"能同时找到曾经说过的“浙A”（仅为举例）和这辆车常去的地点，效率高多了。

这种能力在知识库变大之后价值特别明显。100多篇笔记你不可能记住每一篇的标题和正文中的关键词。向量搜索让你用自然语言就能找到相关内容，不用去一点点猜。

这种"意外发现"让知识库的价值又上了一个台阶。

✿ 3. 建立了"AI犯错档案"

这是我个人的经验总结。

AI会犯同样的错：比如把"context_length"和"max_tokens"搞混、比如配置代理时总忘记端口号。

我的做法是：把每次纠正写进知识库，下次它自动先查。

具体操作：

• 每次用户纠正AI后，提取"错误点 + 正确做法"

• 写进wiki/概念/下的专门页面

• 检索时优先读取这个"避坑指南"

现在AI配置代理时，会自动先查知识库中"代理配置常见错误"的内容，很少再犯。

我觉得这个才是知识库的价值所在，AI 知识库，就是让 AI 看的。

✿ 4. 给知识库加了"自检脚本"

知识库会过时，这是必然的。

我写了个脚本，每月跑一次：

• 外链检查：检查是否失效

• 过期标记：标记超过 3 个月没更新的页面

• 内容质量扫描：空页面、重复内容、孤岛页

• 归档处理：过期内容降权但保留（仍可搜索到，只是排名靠后）

• 每周洞察报告：新增知识、TOP 20 关键词、置信度分析、趋势等

分析过后，还会提出行动建议，我们可以直接让 Hermes 按他的建议完善知识库。

过期的东西不及时清理，AI会引用过时的信息。 自检机制保证知识库是"活的"。

这里有个细节：归档不是删除，过期的内容仍然会被搜索到，只是排名靠后。这样既保留了历史积累，又让 AI 优先用新内容。

✿ 5. 与IMA知识库的联动

IMA 知识库提供了 CLI，可以对接 Hermes 等个人 AI 助手，我们可以利用这个，把 IMA 作为外置知识库，让 Hermes 定期检查 IMA 知识库中的内容，把有价值的内容拉回本地知识库。

这个详细内容和步骤，回头我再详细写一下。

✿ 6. 会话接力 session-handover

这是最容易被忽略但又极其关键的一招。

开了新对话后，AI 经常"失忆"，不知道上次聊到哪了。我用 session-handover 技能来解决这个问题——每次开新对话时，AI 自动读取上次会话的记录，知道"上次做到哪了、接下来要做什么"，直接接上之前的工作。

具体做法：

• 每次会话结束时，session 文件自动保存

• 下次新对话开始时，技能自动读取最近一次 session 文件

• 提取主题、最后对话、待处理事项，作为上下文

这个机制太有用了。以前开新对话要从零描述背景，现在直接就能干正事。

而且这个优化不只对知识库有用，对所有场景都有效。写文章时接上上次的选题和素材、记账时接上上次的记录、修 Bug 时接上上次的调试进展——只要是跨会话的连续工作，都能用会话接力来实现。

这个不是知识库的专属技能，所以我没有打包到 liumeixin/hermes-wiki-skills 中，大家有需要，可以自己让 Hermes 实现。

✿ 三个我踩过的过度工程大坑

说完了有用的，也说说没用的，这些坑我自己都踩过，帮大家省点时间。

○ 不要给每条知识加双向链接

这个想法听起来特别美好，每条知识都标注相关知识形成一个知识网络。

实际操作了一个星期我就放弃了，因为每次新增一条知识都要检查和更新几十个关联页面，很多知识之间根本没有强关联，硬加链接反而让网络变得混乱。

我现在的做法是只在重要的概念页之间加链接。

比如Docker部署和端口映射之间有强关联就加，和Python脚本之间没有直接关系就不加。不追求全覆盖，追求精准。

○ 不要搞复杂的标签体系

刚开始我设计了一套复杂的标签体系，分类、子分类、来源、类型、难度等级十几种标签。结果呢？标签太多搜索的时候不知道用哪个。而且很多标签之间的界限很模糊，同一条知识可以打好几个标签，最后变成什么都标了等于什么都没标。

现在的做法是标签尽量少尽量直觉，就几个大类：技术、经验、灵感、参考。够用了。

简单才是能坚持下去的前提。

✿ 这一个月下来的感受

最大的变化是：知识库从"仓库"变成了"助手"。

之前是，我往里面塞东西，但搜的时候能不能找到全凭运气。现在是，搜到的内容我知道能不能用，相关的内容不会被漏掉，写文章的时候素材自动送到眼前。

现在我才真正明白：知识库的价值不在于存了多少东西，在于搜的时候能不能精准找到你要的。

知识库不是给人用的，而是给 AI 用的。 这是使用这套知识库最需要明确的定位。

✿ 关键提示

本文中提到的整个 AI 知识库管理体系优化，和我开源的 liumeixin/hermes-wiki-skills，很多功能还依赖免费的外部依赖，包括但不限于：

○ 参照 Mem 0 搭建的记忆层

需要本地部署 Ollama，并在 NAS 配置本地向量模型，实现向量化和混合检索。

○ 与 IMA 知识库联动

需要 IMA 的 Client ID 和 API Key，实现本地知识库与IMA知识库的协作。

○ 本地 OCR 服务

需要 NAS 本地部署 OCR 模型，实现图片和 PDF 文件内的文字读取。

以上内容我均已在自己的绿联 DX4600 上实现，完全免费，系统资源可控，可放心抄作业。

NAS 本地部署、调用向量模型和 OCR 服务的教程请查看我的往期文章，本地免费 Mem 0 的方案我会再专门写一篇文章分享。敬请关注，不错过后续更新。

✿ 致谢：

正是因为有 D4Vinci、Alir3z4、Artifex Software、VikParuchuria、mem0ai、Ollama、Andrej Karpathy、Microsoft Agent Skills、Obsidian、Logseq 等作者、组织和产品的优秀思路，才有了这套 hermes-wiki-skills，诚挚感谢！

坚持创作有深度、高质量的作品、致力于分享干货、抵制标题党和网络垃圾，是我的座右铭。

关注我，蹲后续。您的支持对我真的很重要O(∩_∩)O）。让我们共同打造互联网内容创作和知识分享的一股清流！ヾ(◍°∇°◍)ﾉﾞ