组织知识库建设标准与工具集

问题从哪来

很多组织的知识仍散落在微信、邮件和个人电脑里：文件名各写各的、格式混用 Word 与 PDF，检索只能靠记忆或全文搜索。文档量上来之后，没有索引的 Wiki 会变成垃圾堆；即便上了 Notion/飞书，封闭格式也让 LLM 难以稳定消费。若还要在敏感场景里做问答，把整库上传到云端往往不可接受。

这套技能在做什么

核心是可传承的标准加辅助脚本，分三块：

• LLM Wiki 标准（必选）：纯 .md、结构化标题、元信息前置、一文件一主题、相对路径互链；配套 references/llm_wiki_standard.md 与文件头模板。
• 四层索引体系（必选）：在单一 knowledge_index.md 里用章节区分——目录索引（按位置）、主题索引（按实体）、提问场景索引（问题→路径），覆盖「文件在哪 / 主题有什么 / 我想知道 X 去哪查」三种检索路径。
• Agentic RAG（可选）：基于 Ollama 的本地检索增强生成；嵌入可用 nomic-embed-text，生成可用 qwen2.5:7b 等，向量可落在轻量 JSON，强调数据不出本机。

典型流程：配置向导生成 config.yaml → 按标准把文档放进 wiki/ 并维护索引 → 需要时再按 references/rag_setup_guide.md 启用 RAG。维护节奏上强调写入即索引、过时内容进 archive/、命名带日期、指定管理员。

适用边界

文档少于约 20 篇时，RAG 非必需，但 Wiki 标准与索引仍值得从第一天做起。LLM Wiki 与索引部分只需会写 Markdown；RAG 需能跑 Python 与 Ollama，适合技术志愿者一次性配置。RAG 组件可替换为其他嵌入/生成 API 或向量库，但文档强调 Ollama 是为零 API 成本与本地隐私。与协作平台的关系：核心资产用 Markdown 自持，协作编辑仍可用飞书/Notion，二者可并存而非二选一。