LLM Wiki 是轻量知识库思路

视频提出一种称为“LLM Wiki”的个人知识库工作流：资料先进入 raw/，再由 LLM 编译为可链接、可维护的 Markdown Wiki，并通过查询与定期自检持续更新。它将传统 RAG 描述为依赖切片、向量检索和重排序的临时召回方案，而将 Wiki 描述为先沉淀结构化知识、再回答问题的轻量路径。

可借鉴之处在于：把原始材料、结构化知识和提示词/规则分层保存；让知识条目、索引、链接和修订可人工阅读、审查及版本管理；对矛盾、孤立页面和过期信息建立定期检查。这适合资料规模可控、重视可维护性与可追溯性的个人研究场景。

边界与风险是，视频把“LLM Wiki”与 Karpathy 的关联、对 RAG 的缺陷归因及工具栈说法均作为单一来源观点呈现，未给出原始演讲、文章或代码证据。Markdown 结构化同样可能遗漏、误归纳或过时；跨文档回答质量也取决于编译规则、引用链与人工复核。不能据此断言其会取代 RAG，实际系统可按数据规模、更新频率、检索需求和成本混合采用。