凌晨一点，你右键一个文件夹，选中 Compile folder to Wiki。
过了一会儿，AI 把里面的文章拆成一批概念页，互相链上，写回 Wiki。你合上电脑，觉得这个知识库终于活了。
第二天你问它一个问题，它答得很顺，还带 [1][2] 引用。你没注意到，其中两条结论原本是打架的。
这不是某个插件的 bug。它来自 AI 整理知识的方式本身。要看清这一点，得先回到旧问题：知识库为什么总是死。
维护是一道平方题
几乎每个人都建过知识库，也几乎每个知识库都死过。知识管理圈流传一个数字：82% 的个人知识管理系统会在 6 个月内被放弃。知乎专栏
多数人把这归咎于懒。可它更像一道数学题：每新增一条笔记，理论上都要检查它和此前每一条的关联。
维护成本按平方涨，你能感知到的价值却几乎不涨。两条曲线在 500 到 2000 条笔记之间交叉。过了这个点，你不是在用知识库，是在给它打工。知乎专栏
卢曼是少见的反例。43 年，9 万张卡片，70 本书。但他每天写 6 张卡片，翻旧卡、找位置、建引用，几乎占掉一整天。知乎专栏
他没有消灭维护，只是把维护变成了全职工作。这办法普通人学不来。
AI 把矛盾写顺了
今年 4 月，Karpathy 提了另一条路：别每次提问都从原始资料重新检索，而是让 AI 把资料编译成一个持续维护的 Wiki。
原始资料层不动，AI 在上头写互相链接的 Markdown 页面，再加一份 Schema 规定怎么分类、怎么输出。知乎知乎
每进一篇新资料，更新十几张旧页面。知识不是堆积，是编织。知乎
这也是 Markdown 在 AI 知识库里吃香的原因：结构干净，模型不用跟排版较劲。知乎
这份只讲思路的 Gist 拿了 5000 多 star，评论区长出 20 多个衍生项目。知乎
看起来，维护终于可以外包了。但外包出去的不只是劳动。
你给它两条打架的笔记：一条说间隔重复有效，一条说复杂理解上没用。人可能老老实实写“存在争议”，模型更可能写成“这是一种有效的学习策略，尤其适用于简单记忆任务，在复杂概念理解上效果有限”。知乎专栏
争议变成了限定条件，读起来顺多了。
可知识库需要的不是连贯，是准确。一个过度连贯的知识库比一个充满矛盾的知识库更危险。矛盾至少让你停下来，通顺让你直接往下走。下面这张图里的回答就是这样：结构完整，引用齐全，读不出它绕过了什么。知乎专栏
更麻烦的是自我强化。模型周一写进一个错误结论，周三的 Lint 再让同一个模型检查，它倾向于认为自己的输出内部一致，于是放行。知乎专栏
错误就这样拿到了“已检查”的标签。
Obsidian 联合创始人 Steph Ango 的建议很直接：把 AI 生成的内容放进单独的 vault，跟原始笔记隔开。这等于承认，AI 产出的是潜在污染源。知乎专栏
把围栏先立起来
第一条，原文不动。Raw Sources 层不可变，AI 写的东西全在下游。Wiki 说“某方法有效”时，你得能一路退回那句话最初来自哪篇文章、哪次实验。
第二条，分类收紧。一个 Obsidian 插件作者试过把分类完全交给模型，同一个主题被分进“加密货币”“区块链”“数字资产”三个目录。知乎
后来他改成预定义列表，模型只能选，选不到就进兜底类。Schema 不是建议，是围栏。
第三条，Lint 查矛盾，不查文笔。该看的是哪些页面互相打架、哪些三个月没更新、哪些是没人链接的孤儿页。
有插件会把巡检结果写成一份报告，列出矛盾内容、孤立页面和过时信息。不好看，但比漂亮的摘要有用。知乎
还有个土办法：所有 AI 写入都放进 Git，每次自动 commit。模型把两个文件写串了，git reset 就能回去。知乎
发布前也一样，先看 diff：哪些改了一处，哪些五十多条没动，选中了才发。
别数笔记，也别看图谱多漂亮。看它有没有改变你的动作。
有人用它记项目流水账。写周报时让 Agent 读一周记录出初稿，五分钟搞定原来一两个小时的活。知乎
场景不高级，但它是活的：知识被调用，变成一份要交出去的东西。
反过来说，如果一个知识库今年只增加过收藏，没帮你做过一个决定、改过一版方案、写过一段东西，那它再整齐，也只是被妥善保存的遗体。
AI 可以替你整理，不能替你判断什么值得留下。这条线得自己划。
