LLM Wiki 与 RAG 的分工

RAG=“问的时候再找”（快但不沉淀），LLM Wiki=“资料进来时先整理”（页面互链、新资料推翻旧说法要改旧页标冲突）。成熟答案是混合：RAG 捞候选，Wiki 做沉淀。真正值钱的是闭环：收集、整理、调用之后还要回写——AI 的产出人工核对后写回库，下次导入新资料时智能体接着更新旧页面，知识才滚起来。三警告：AI 写错会随库积累（所以要对质）；先拿十几份资料跑顺再扩大；本地 md≠全程本地（交给云端模型就出了本机）。另有一笔账要算：整理前置意味着 token 成本随资料量线性增长，库铺大之前先评估经济性。