Q&A 問答集

Q：LLM Wiki 和直接問 ChatGPT 有什麼不同？

A：直接問 ChatGPT 時，每次對話都是獨立的——沒有記憶，沒有累積。LLM Wiki 的維基是持久存在的，你今天加入的知識會保留到明天的對話中，並且會與既有知識交互作用。

Q：一定要用 Obsidian 嗎？

A：不一定。Obsidian 只是因為其 Markdown 原生支援、圖譜檢視、豐富的外掛生態而被推薦。你可以使用任何支援 Markdown 的工具——VS Code、Logseq、甚至是純文字編輯器。

Q：維基規模大了以後怎麼辦？

A：Karpathy 建議兩個層級的解方：(1) index.md 作為目錄，LLM 先讀 index 再決定要讀哪些頁面；(2) 引入 qmd 等本地搜尋引擎，提供 BM25 + 向量混合搜尋。

Q：LLM 產生的內容有幻覺怎麼辦？

A：有幾層防護：(1) 人類在 loop 中 review 每次攝入的結果；(2) lint 操作會檢查矛盾；(3) 維基是 Git 倉庫，可以回溯任何變更；(4) 透過 Schema 明確約束 LLM 的行為。

Q：攝入資料的頻率應該多高？

A：作者偏好每次處理一份資料，與 LLM 討論後再進行下一步。這樣可以確保品質，但批次處理也是可行的。關鍵是找到適合你節奏的工作流程。

Q：Schema 文件應該怎麼寫？

A：從簡單開始——先定義目錄結構和基本的頁面格式。隨著使用經驗增加，逐步加入更多工作流程指引。Schema 是「共同演化」的，不需要一開始就完美。

Q：這和 Notion AI 有什麼不同？

A：Notion AI 偏向輔助寫作——幫你生成摘要、改寫內容。LLM Wiki 是讓 LLM 完全自主維護整個知識庫，人類只負責策展和決策。層級不同。

Q：可以用在團隊嗎？

A：可以。維基是 Git 倉庫，團隊成員可以 review LLM 的修改（類似 code review），也可以自己新增資料來源。適合內部知識管理場景。

Q：需要多少技術能力？

A：基本需求：會用命令列、懂 Markdown、能設定 Obsidian。進階需求：寫 Schema 需要理解 LLM 的行為模式，但可以從簡單開始逐步學習。