推荐文章7
LLM Wiki 工程实践与 RAG 融合应用
AI大模型应用实践
AI 摘要
文章称 LLM Wiki 是借助 LLM 维护知识的方法。它可用于 AI Coding,构建知识地图;能在 Obsidian 构建知识体系;与 RAG 可融合互补,结合使用能兼顾理解与检索效率,勿过度迷信单一技术。
阅读原文 · AI大模型应用实践
深度解读|LLM Wiki 的工程实践,从 AI Coding、Obsidian 到 RAG 协同。
文章介绍 LLM Wiki 工程实践。包括为 AI Coding 创建知识地图,指导 Agent 加载上下文;在 Obsidian 构建知识体系,有插件和自定义 Agent 两种方法;还分析其与 RAG 关系,指出可融合互补,不要过度神话 LLM Wiki。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章8
AI Coding催生柔性软件新形态
本文为王博在《AI原生软件研发成熟度模型AISMM 2026》白皮书发布之际撰写,探讨AI Agent介入后软件形态、研发流程的变革,提出柔性软件概念与传统软件柔性化路径,为企业AI原生研发提供参考。
AI科技大本营
推荐文章9
Booking.com亿级向量数据库选型实践
本文分享Booking.com在1亿条embedding数据规模下,原有OpenSearch向量方案遇到性能、成本、运维瓶颈后,自行设计贴合生产的压测对比不同方案,最终完成选型迁移的全过程,总结了实用经验。
AI工程化
新闻资讯8
AI写4.4万行代码未合并,瓶颈来了
本文分享腾讯AI原生研发的真实案例,指出AI Coding产能提升后,最大瓶颈已非模型能力,而是现有研发治理体系与人的注意力适配问题,同时预告2026奇点智能技术大会的行业实践分享。
AI科技大本营
推荐文章9
AI搜索选型:MongoDB还是向量库?
本文解答产品添加AI搜索时,选用专用向量数据库还是MongoDB的选型疑问,理清两类检索的能力边界,讲解MongoDB检索的架构、用法与踩坑点,给出可复用的选型判断框架。
AI Reading Hub