AI知識庫不是存完就結束：查、用、檢查、下一步都得接住
整理版優先睇
AI知識庫要接住查、用、檢查、下一步，唔係存完就算
呢篇文章係Max King分享佢開源嘅AIWiki工具嘅發展反思。佢發現好多用戶嘅知識庫只係高級收藏夾，資料入咗庫但查唔到、用唔上、唔知點檢查，仲有唔知下一步做咩。佢提出四個核心能力：query（查資料）、context（整理上下文）、lint（檢查結構問題）、next（提示下一步）。整體結論：AI知識庫唔單止要存得好，仲要接住後續動作，先至真係用得着。
作者背景係全棧開發者同AI重度用戶，佢嘅工具AIWiki原本主打自動整理資料卡同知識條目，但實戰後發現真正難嘅係查得到同用得上。佢以自身踩坑經驗，解釋點解要加入呢四個功能，目的係令用戶只需要講需求，由AI Agent決定點執行，而唔係記住一堆命令。
文章強調知識庫要成為穩定嘅後端，唔係另一個要記住嘅工具。佢建議用戶可以簡單講「幫我查」、「幫我用」、「幫我檢查」、「我唔知下一步」，背後由AIWiki處理。咁樣先可以令知識庫進入真實寫作、研究同項目工作流，而唔係淪為一個高級收藏夾。
- 知識庫最大問題係資料入咗庫但查唔到，需要query能力連接資料，避免變成黑箱。
- 揾到資料唔代表AI識用，context要整理成可用上下文，分清原文判斷同推斷，確保AI帶住正確資訊工作。
- 庫越大越需要體檢，lint可以自動偵測重複、斷鏈、缺來源等結構問題，保持知識庫乾淨。
- next功能解決用戶唔知下一步做咩嘅痛點，工具要主動按優先級建議動作，降低使用門檻。
- 最終目標係由用戶講需求，Agent自動決定調用邊個命令，令知識庫成為穩定嘅寫作、研究同項目後端。
存完之後嘅麻煩：查唔到、用唔上、冇檢查、唔知下一步
作者Max King原本以為AI知識庫最難係「存得入」，所以AIWiki一開始主力做資料入庫同整理。但佢自己用咗一段時間之後，發現真正麻煩嘅係存咗之後嘅後續動作：資料明明存咗，但揾唔返；揾到幾篇，但AI用唔好；知識庫越大，越容易有重複、斷鏈、冇來源嘅內容；打開工具，唔知下一步做咩。呢啲問題唔接住，知識庫好易變成高級收藏夾。
查得到：query係最基本嘅能力
好多知識庫唔係冇資料，而係資料變成黑箱。用戶唔記得標題、關鍵詞，或者只記得意思但文章用咗另一種講法，最後只能靠翻文件夾或者撞運氣搜尋。資料入庫咗，唔代表佢真係可查。query要接住嘅就係呢個最基礎嘅問題：先問知識庫有冇相關主題嘅內容，按相關度列出來，而唔係直接寫答案。
用得上：context令AI帶住正確上下文工作
揾到資料之後，成日發現AI似係睇過但冇真正用上：關鍵判斷冇抓住、推斷寫成結論、資料唔夠都照作。我哋要嘅係AI帶住正確嘅上下文繼續幹活。query係查目錄，context係整理可用嘅資料包。context要話畀AI：邊啲判斷可靠、邊啲係推斷、邊度缺資料，而唔係淨係畀文件。
- query：先找出相關資料，似查目錄。
- context：將資料整理成AI可用嘅上下文，包括判斷強度同缺口。
檢查同下一步：lint體檢，next提示優先動作
知識庫用耐咗，會出現重複入庫、冇知識條目、冇原文、內部連結斷咗、長文只提取咗泛泛觀點等問題。知識庫越大，越唔可以靠感覺維護。lint功能就係自動檢查呢啲結構問題，列出優先修復嘅項目。
- 1 檢查資料卡同知識條目是否對應。
- 2 檢查知識條目係咪有來源。
- 3 檢查有冇重複資料。
- 4 檢查引用係咪對得上。
- 5 檢查長文提取係咪太少。
而next係解決用戶打開工具後唔知下一步做咩嘅問題。佢會根據知識庫狀態（有冇資料、有冇問題）畀出3個優先建議，令用戶同Agent都唔使估。工具要主動提示下一步，而唔係等用戶猜。
哈囉，大家好，我係 Max King。
呢排我一直喺度改 AIWiki。唔好再將資料掉入收藏夾喇，我開源咗知識庫工具AIWiki，一鍵擁有Karpathy嘅LLM Wiki同Dan Koe嘅內容積木思路嘅AI知識庫。
一開始我想得比較簡單：先將資料入庫做好。
你俾一篇文章、一個網頁、一段正文，AIWiki 會將佢整理成資料卡、知識條目、觀點、選題、大綱。
聽落已經夠用。
但係我自己連續用咗一段時間之後，發現真正麻煩嘅地方，唔係「存唔存得入」。
而係存咗入去之後。
AI知識庫唔係存完就完事。真正難嘅係：查到、用到、可以檢查，仲知道下一步點行。
資料入咗知識庫，後面仲有一堆小麻煩。
我明明存過，點解而家揾唔到？
揾到幾篇資料，點解 AI 都係用唔好？
知識庫用耐咗，裏面有冇重複、斷鏈、冇來源嘅內容？
今日打開 AIWiki，我下一步到底應該做啲咩？
呢啲問題唔接住，AI知識庫好容易變成一個高級收藏夾。
睇落資料好多。
但係真係要寫文章、做分析、出方案嘅時候，仲係要重新翻。
所以今次我俾 AIWiki 加咗 query、context、lint、next，唔係為咗令大家多記幾個命令。
啱啱相反。
我希望用戶淨係講清楚需求，具體應該用邊個能力，交俾 AI Agent 去處理。。
01
-MaxKing.cc-
資料存咗入去，但係都係揾唔到
好多人嘅知識庫，唔係冇資料。
而係資料入咗嚟之後，慢慢變咗做黑箱。
你大概記得，之前存過一篇關於某個主題嘅文章。
但係真係要揾嘅時候，就開始痛苦喇。
標題唔一定記得。
原文關鍵詞都唔一定記得。
有時你記得嘅係一個意思，但文章入面用嘅係另一個講法。
最後只能一層層翻文件夾，或者喺 Obsidian 入面搜幾個關鍵詞碰碰運氣。
運氣好，揾到。
運氣唔好，就好似冇存過咁。
資料入咗庫，唔代表佢真係查到。查唔到，後面嘅寫作、分析、複用都講唔上。
query 要接住嘅，就係呢個最基礎嘅問題。
佢唔係叫 AI 直接幫你寫答案，而係先問知識庫一句：我呢度有冇同呢個主題相關嘅嘢？
呢一步睇落簡單，但好關鍵。
因為資料都揾唔到，後面講咩上下文，其實都係空嘅。
02
-MaxKing.cc-
揾到資料，唔等於 AI 識用
揾到資料之後，問題都未完。
呢個都係我之前踩過嘅坑。
我將幾篇資料掉俾 AI，叫佢幫我寫文章。
佢確實識寫。
但係寫出嚟成日有一種感覺：資料好似睇咗，又好似冇真正用上。
有啲關鍵判斷冇捉住。
有啲資料之間嘅關係冇串起。
有啲明明只係推斷，佢寫到好似原文結論。
仲有啲地方，資料其實唔夠，佢都硬住頭皮寫。
我哋要嘅唔係「AI 睇過資料」。
我哋要嘅係：AI 可以帶住正確嘅上下文繼續做嘢。
所以 context 要做嘅，唔係再列一次文件。
佢更應該話俾 AI 聽：邊啲判斷用得，邊啲要謹慎，邊啲只係推斷，邊度仲缺資料。
呢個要求比「幫我寫一篇文章」穩陣好多。
因為佢先叫 AI 唔好急住輸出。
先將手頭嘅資料整理清楚。
context 嘅價值，唔係多一個中間步驟，而係令 AI 從「臨時總結資料」，變成「帶住知識庫上下文工作」。
03
-MaxKing.cc-
庫越大，越需要體檢
知識庫啱開始嘅時候，通常都好乾淨。
得幾篇文章，幾個主題，幾個資料卡。
但係只要你真係開始持續使用，問題好快就會走曬出嚟。
同一篇文章可能重複入庫。
有資料卡，但冇對應嘅知識條目。
有知識條目，但揾唔到原文。
有啲內部連結斷咗。
有啲觀點睇落好順，但冇證據。
仲有啲長文，淨係提取咗幾個泛泛嘅觀點，真正有價值嘅案例、限制條件、反常識判斷，反而冇留低。
呢啲問題單獨睇，好似都唔大。
但知識庫唔係普通文件夾。
裏面嘅內容後面會被 AI Agent 反覆調用。
你寫文章會用佢。
你做分析會用佢。
你叫 AI 出方案，都可能將佢當成前提。
如果前提唔乾淨，後面生成嘅嘢就會跟住偏。
所以 AI知識庫唔可以淨係管入庫。
仲要定期檢查。
lint 就係知識庫體檢。
佢唔係要你一篇篇人手審核，而係先將明顯嘅問題揀出嚟。
呢個能力對長期使用好重要。
知識庫越大，越唔可以靠感覺維護。
更好嘅方式係，系統先話俾你知邊度唔妥。
然後你再決定要唔要整。
04
-MaxKing.cc-
工具裝好咗，唔好令用戶估下一步
仲有一個好常見嘅問題，我以前都冇咁重視。
好多工具唔係安裝失敗。
而係安裝成功之後，用戶呆咗。
命令裝好咗。
目錄生成了。
屏幕上都有提示成功。
然後呢？
下一步係入庫一篇文章？
定係先配置 Agent？
定係檢查知識庫？
定係直接查資料？
用戶唔知道。
更加麻煩嘅係，有時 AI Agent 都唔知道。
佢知道工具存在，但唔知道而家最適合做啲咩。
next 要解決嘅，就係呢句：我而家下一步應該做啲咩？
呢一步睇落唔高級，但好實用。
因為好多人唔係唔識用工具。
而係卡咗喺第一個動作。
AIWiki 至少要話到俾你知：而家有冇資料，有冇知識條目，有冇需要檢查嘅問題，下一步最值得做啲咩。
用戶唔使估，Agent 都唔使估。工具先更容易真係用得著。
05
-MaxKing.cc-
等用戶講需求，等 Agent 記命令
講到呢度，你可能會覺得：呢個唔係仲多咗幾個命令咩？
query、context、lint、next，聽落仲係要記。
但我真正想做嘅，唔係要普通用戶每日打開終端敲命令。
AIWiki 更加適合擺喺 AI Agent 後面。
用戶淨係講清楚需求就得。
你可以直接咁樣講
查資料：請用 AIWiki 查一下「關鍵詞」相關內容。
帶上下文寫文章：請先用 AIWiki 獲取「關鍵詞」上下文，再幫我整理思路。
檢查知識庫：請用 AIWiki 睇下而家知識庫有啲咩問題。
唔知道下一步：請用 AIWiki 睇下我而家應該做啲咩。
背後到底調用邊個命令，可以交俾 Agent。
人唔應該俾工具命令縛住。
人淨係講清楚目標。
AIWiki 唔係俾人增加一套操作負擔，而係俾 AI Agent 一個穩定嘅知識後端。
06
-MaxKing.cc-
唔係存資料，而係接住後續動作
以前我都容易將「入庫」睇得太重。
成日覺得資料入到嚟，可以生成結構化文件，就已經完成咗一大半。
而家我覺得唔夠。
AI知識庫真正要用起嚟，至少要接住四件事。
呢四件事，缺一塊都會卡住
1. 查得到：資料唔可以入庫之後就消失。
2. 用得上：唔可以淨係揾到文件，仲要整理成 AI 可用嘅上下文。
3. 能檢查：來源缺失、連結斷裂、內容重複，要有人發現。
4. 知道下一步：用戶打開工具之後，唔可以淨係見到一堆文件同命令。
所以今次加 query、context、lint、next，唔係為咗將 AIWiki 寫成一個更複雜嘅 CLI。
而係為咗令佢更接近真實使用。
你唔需要先變成命令行高手。
都唔需要記住每個參數。
你只要話俾 Agent 聽：我要查、我要用、我要檢查、我唔知道下一步。
其餘嘅，等 AIWiki 喺後面接住。
呢個入口最簡單。
如果知識庫未有嘢，佢會話俾你先入庫。
如果已經有資料，佢會話俾你可以查啲咩、整理啲咩、檢查啲咩。
咁樣 AI知識庫先唔會停喺「我好似存咗好多資料」。
而係開始真係進入你嘅寫作、研究同項目工作流入面。
繼續閲讀
後面我會繼續將 AIWiki 嘅使用方式整理到公眾號合集《AIWiki · AI知識庫實戰》。
每篇盡量淨係拆一個真實問題：點入庫、點查、點樣令 Agent 帶上下文寫作、點檢查知識庫。
07
-MaxKing.cc-
AIWiki全面開源，歡迎入Group
受公眾號限制冇辦法直接將碼放上嚟，需要大家關注之後，私信發送【AIWIKI】先收到Group QR code。歡迎入Group溝通交流。
- END -
關於 MaxKing寶藏
我係 MaxKing，全棧開發者、量化交易實踐者，亦係 AI 重度用戶。呢度分享嘅唔係遙遠概念，而係我喺真實使用、搭建同踩坑之後留下嘅判斷。
後面我會繼續記錄 AI 點樣進入真實開發、產品交付、知識管理同自動化工作流。
哈嘍，大家好，我是 Max King。
這段時間我一直在改 AIWiki。別再把資料丟進收藏夾了，我開源了知識庫工具AIWiki，一鍵擁有Karpathy的LLM Wiki和Dan Koe的內容積木思路的AI知識庫
一開始我想得比較簡單：先把資料入庫做好。
你給一篇文章、一個網頁、一段正文，AIWiki 把它整理成資料卡、知識條目、觀點、選題、大綱。
聽起來已經夠用了。
但我自己連續用了一段時間以後，發現真正麻煩的地方，不在“能不能存進去”。
而是在存進去以後。
AI知識庫不是存完就結束。真正難的是：查得到、用得上、能檢查，還知道下一步怎麼走。
資料進了知識庫，後面還有一堆小麻煩。
我明明存過，為什麼現在找不到？
找到了幾篇資料，為什麼 AI 還是用不好？
知識庫用久了，裏面有沒有重複、斷鏈、沒來源的內容？
今天打開 AIWiki，我下一步到底該幹什麼？
這些問題不接住，AI知識庫很容易變成一個高級收藏夾。
看起來資料很多。
但真要寫文章、做分析、出方案的時候，還是要重新翻。
所以這次我給 AIWiki 加的 query、context、lint、next，不是為了讓大家多記幾個命令。
剛好相反。
我希望用戶只說清楚需求，具體該用哪個能力，讓 AI Agent 去處理。
01
-MaxKing.cc-
資料存進去了，卻還是找不到
很多人的知識庫，不是沒有資料。
而是資料進來以後，慢慢變成了黑箱。
你大概記得，之前存過一篇關於某個主題的文章。
但真要找的時候，就開始痛苦了。
標題不一定記得。
原文關鍵詞也不一定記得。
有時候你記得的是一個意思，但文章裏用的是另一個說法。
最後只能一層層翻文件夾，或者在 Obsidian 裏搜幾個關鍵詞碰碰運氣。
運氣好，找到了。
運氣不好，就像沒存過一樣。
資料入庫了，不代表它真的可查。查不到，後面的寫作、分析、複用都談不上。
query 要接住的，就是這個最基礎的問題。
它不是讓 AI 直接替你寫答案，而是先問知識庫一句：我這裏有沒有和這個主題相關的東西？
這一步看起來簡單，但很關鍵。
因為資料都找不到，後面談什麼上下文，其實都是空的。
02
-MaxKing.cc-
找到資料，不等於 AI 會用
找到資料以後，問題也沒有結束。
這也是我之前踩過的坑。
我把幾篇資料丟給 AI，讓它幫我寫文章。
它確實能寫。
但寫出來經常有一種感覺：資料好像看了，又好像沒真正用上。
有些關鍵判斷沒抓住。
有些資料之間的關係沒串起來。
有些明明只是推斷，它寫得像原文結論。
還有些地方，資料其實不夠，它也硬往下寫。
我們要的不是“AI 看過資料”。
我們要的是：AI 能帶着正確的上下文繼續幹活。
所以 context 要做的，不是再列一遍文件。
它更應該告訴 AI：哪些判斷能用，哪些要謹慎，哪些只是推斷，哪裏還缺資料。
這個要求比“幫我寫一篇文章”穩很多。
因為它先讓 AI 別急着輸出。
先把手裏的資料整理清楚。
context 的價值，不是多一箇中間步驟，而是讓 AI 從“臨時總結資料”，變成“帶着知識庫上下文工作”。
03
-MaxKing.cc-
庫越大，越需要體檢
知識庫剛開始的時候，通常都很乾淨。
就幾篇文章，幾個主題，幾個資料卡。
但只要你真的開始持續使用，問題很快就會冒出來。
同一篇文章可能重複入庫。
有資料卡，但沒有對應的知識條目。
有知識條目，但找不到原文。
有些內部連結斷了。
有些觀點看起來很順，但沒有證據。
還有些長文，只提取了幾個泛泛的觀點，真正有價值的案例、限制條件、反常識判斷，反而沒留下來。
這些問題單個看，好像都不大。
但知識庫不是普通文件夾。
裏面的內容後面會被 AI Agent 反覆調用。
你寫文章會用它。
你做分析會用它。
你讓 AI 出方案，也可能把它當成前提。
如果前提不乾淨，後面生成的東西就會跟着偏。
所以 AI知識庫不能只管入庫。
還要定期檢查。
lint 就是知識庫體檢。
它不是讓你一篇篇人工審核，而是先把明顯的問題挑出來。
這個能力對長期使用很重要。
知識庫越大，越不能靠感覺維護。
更好的方式是，系統先告訴你哪裏不對。
然後你再決定要不要修。
04
-MaxKing.cc-
工具裝好了，別讓用戶猜下一步
還有一個很常見的問題，我以前也沒太重視。
很多工具不是安裝失敗。
而是安裝成功以後，用戶懵了。
命令裝好了。
目錄生成了。
屏幕上也提示成功了。
然後呢？
下一步是入庫一篇文章？
還是先配置 Agent？
還是檢查知識庫？
還是直接查資料？
用戶不知道。
更麻煩的是，有時候 AI Agent 也不知道。
它知道工具存在，但不知道現在最適合做什麼。
next 要解決的，就是這句話：我現在下一步該幹什麼？
這一步看起來不高級，但很實用。
因為很多人不是不會用工具。
而是卡在第一個動作。
AIWiki 至少要能告訴你：現在有沒有資料，有沒有知識條目，有沒有需要檢查的問題，下一步最值得做什麼。
用戶不用猜，Agent 也不用猜。工具才更容易真的跑起來。
05
-MaxKing.cc-
讓用戶說需求，讓 Agent 記命令
講到這裏，你可能會覺得：這不還是多了幾個命令嗎？
query、context、lint、next，聽起來還是要記。
但我真正想做的，不是讓普通用戶每天打開終端敲命令。
AIWiki 更適合放在 AI Agent 後面。
用戶只要把需求說清楚就行。
你可以直接這樣說
查資料：請用 AIWiki 查一下「關鍵詞」相關內容。
帶上下文寫文章：請先用 AIWiki 獲取「關鍵詞」上下文，再幫我整理思路。
檢查知識庫：請用 AIWiki 看看當前知識庫有哪些問題。
不知道下一步：請用 AIWiki 看看我現在該做什麼。
背後到底調用哪個命令，可以交給 Agent。
人不應該被工具命令綁住。
人只要說清楚目標。
AIWiki 不是給人增加一套操作負擔，而是給 AI Agent 一個穩定的知識後端。
06
-MaxKing.cc-
不是存資料，而是接住後續動作
以前我也容易把“入庫”看得太重。
總覺得資料能進來，能生成結構化文件，就已經完成了一大半。
現在我覺得不夠。
AI知識庫真正要用起來，至少要接住四件事。
這四件事，缺一塊都會卡住
1. 查得到：資料不能進庫以後就消失。
2. 用得上：不能只找到文件，還要整理成 AI 可用的上下文。
3. 能檢查：來源缺失、連結斷裂、內容重複，要有人發現。
4. 知道下一步：用戶打開工具後，不能只看到一堆文件和命令。
所以這次加 query、context、lint、next，不是為了把 AIWiki 寫成一個更復雜的 CLI。
而是為了讓它更接近真實使用。
你不需要先變成命令行高手。
也不需要記住每個參數。
你只要告訴 Agent：我要查、我要用、我要檢查、我不知道下一步。
剩下的，讓 AIWiki 在後面接住。
這個入口最簡單。
如果知識庫還沒東西，它會告訴你先入庫。
如果已經有資料，它會告訴你可以查什麼、整理什麼、檢查什麼。
這樣 AI知識庫才不會停在“我好像存了很多資料”。
而是開始真的進入你的寫作、研究和項目工作流裏。
繼續閲讀
後面我會繼續把 AIWiki 的使用方式整理到公眾號合集《AIWiki · AI知識庫實戰》。
每篇儘量只拆一個真實問題：怎麼入庫、怎麼查、怎麼讓 Agent 帶上下文寫作、怎麼檢查知識庫。
07
-MaxKing.cc-
AIWiki全面開源，歡迎進羣
受公眾號限制無法直接把碼放上來，需要大家關注後，私信發送【AIWIKI】才能收到羣二維碼。歡迎進羣溝通交流。
- END -
關於 MaxKing寶藏
我是 MaxKing，全棧開發者、量化交易實踐者，也是 AI 重度用戶。這裏分享的不是遙遠概念，而是我在真實使用、搭建和踩坑後留下的判斷。
後面我會繼續記錄 AI 如何進入真實開發、產品交付、知識管理和自動化工作流。