个人知识库 · RAG · LLM Wiki
收藏 · 文档 · 笔记
带来源的回答
持续更新的知识页面
制作人：陈卓毅 · 2026-09 · 60 分钟
知识库是经过组织、便于查找和复用的知识仓库。
文档 · 笔记 · 规则
保留来源
便于查找与复用
找到资料
理解并复用
知识库的概念本身不依赖 AI。
提问 → 检索资料 → AI 回答
例：查出定制款的发货时间
提供资料 → AI 整理 → 保存页面
例：持续更新「发货规则」笔记
RAG（检索增强生成）：先查资料，再带着资料回答。
上下文（Context）：模型这一次作答时能参考的内容。
向量化（Embedding）：把文字转成一组数字，便于比较含义。
按意思寻找相关资料
多久到 ≈ 配送时效
按具体词或编号查找
例如：订单编号
LLM Wiki：让 AI 帮你整理和维护知识库。
类比：请一位 AI 图书管理员——把资料归位、更新目录、标出关联。
活动期通知
找出受影响的内容
发货规则 ↔ 常见问题
原件用来查证，笔记用来理解，约定用来保持一致。
保存通知与文档
供后续查证
按主题组织
页面相互链接
给 AI 的整理约定
如：每条规则留来源
想查资料，体验检索问答；想长期积累主题，维护 Wiki。
提问时检索相关原文
带着资料回答并核对来源
例：查某款商品的发货条件
新资料到来时整理知识页
保存总结、链接与修改记录
例：维护客服规则与常见问题
OpenClaw：把聊天入口连接到 AI Agent 的自托管网关。
白话：在自己运行的环境里，把消息交给能执行任务的 AI。
数据与权限留在自己手中
像发消息一样下任务
读写文件等由配置决定
在聊天中提交资料与任务
读取通知并更新 Wiki
人核对日期与来源
两类工具都能调用工具、执行多步任务，但服务的主要场景不同。
Claude Code、Codex 仅作为“编程 Agent”的例子，不单独互相比较。
连接聊天渠道与 AI Agent
处理日常消息和跨工具任务
入口：聊天软件、Web 控制台
运行：自己的电脑或服务器
围绕代码库读写文件、运行命令
完成开发、测试和代码审查
例如：Claude Code、Codex
入口：终端、IDE、桌面或网页
当前进行：Codex × 智谱大模型 × Obsidian，展示一套 AI 知识库管理方案。
当前进行：OpenClaw 基础上手体验与使用案例展示。
让 Agent 用命令行工具读写飞书多维表格，人负责核对与拍板。
把任务发给 Agent
把消息交给 Agent
调用飞书接口
人打开核对结果
先查表结构与字段再批量写入；写入以响应中的 record_id 为准；全程以用户身份（--as user）调用官方接口。
Agent 负责整理与搬运，人核对来源后确认；权限按需申请、一次要齐；敏感数据留在自托管环境。