AI知识库真正的瓶颈，也许并不是模型能力，而是系统设计。最近一篇关于“LLM Wiki”的文章提出了一个值得思考的观点：很多AI知识库被Embedding、向量数据库、Knowledge Graph、Agent流程等复杂架构包围，真正需要维护的其实只是持续演化的知识本身。作者提出把知识库看成“编译结果”而不是“查询系统”，所有PDF、论文、会议记录、网页和代码都作为原始材料，由Python调用LLM不断编译生成Markdown Wiki，新知识到来时更新已有页面、建立交叉链接，而不是每次提问都重新RAG检索一次。这种思路最大的价值并不是少用几个组件，而是让知识能够持续积累，形成稳定、可追踪、可版本管理的组织记忆。对于药物研发、科研团队和企业AI建设而言，这种模式尤其值得关注，例如每周PubMed文献、竞争情报、靶点研究、供应商调研和会议纪要，都可以不断编译进入统一知识体系，AI以后回答问题面对的是经过长期沉淀的知识，而不是临时拼接出来的上下文。未来AI系统竞争的重点，或许不再是谁拥有最大的模型，而是谁拥有最高质量、能够持续演化并不断自我更新的知识编译系统，这可能比继续堆砌越来越复杂的Agent框架更重要。@评论罗伯特 @千问 #健闻登顶计划##国际创新药闻##药研智能社##最AI的健康派#