知识库三条路先分清用途再动手：查原文用 RAG、找关联再上图、攒经验才值得 Wiki

方法： 选型第一问不是”用什么技术”，是”我要查原文、找关联，还是持续积累知识”。Naive RAG＝切块建索引找片段，链路直接，适合先验证资料能否支撑问答；答案散落多份文档会漏关键条件——但先检查切分/命中/排序，检索没做好不必换架构。GraphRAG＝把关联显式组织成图＋分组摘要，支撑”涉及哪些团队/共同风险”这类全局归纳，但不会自动保证结论正确；额外投入在实体认错、关系抽错、更新后重做，只查一条规定时未必值得。LLM Wiki＝模型预读资料汇总成带链接带出处的主题页，新料进来补内容标冲突，整理成果持续积累；但”页面写出来≠知识可靠”，结论核对来源、旧规则查失效、关键更新有人审。三条路可组合；验收一律回到同一批真实业务问题：关键条件漏没漏、引用撑不撑得住结论、更新后答案跟不跟、权限分不分得开。

提醒： 同一作者 10-16 的 104 分钟施工课是这条路的完整版（拒答合同、评估题库、完成信号分层都在那边）；本条转写后半段混入多门无关课件的 OCR 串扰行（RAG 讲义、DB-GPT 等），正文段有重叠乱行——引用具体措辞回源核对；结尾与开头各有一次【知识库】评论领课件钩子，课件未验；数字极少是优点也是缺口：三路线的维护成本没有量化对比，判断”值不值”仍要自家算账。

---

📺 赋范AI说《Naive RAG、GraphRAG、LLM Wiki到底什么关系？三类知识库的工作原理、适用场景与验收方法，一期讲清企业怎么选》，抖音，2026-10-18 · 原视频 · 库内 2026-10-18-NaiveRAG、GraphRAG、LLMWiki到底什 · 速览 速览/2026-10-18-知识库三条路怎么选 · 碰撞 卡片/方法/10-16-编译式知识库四道合同-完成信号分层（同作者：本条选路，那条施工）