跳转到内容
Wiki 编译层已发布

Karpathy 式 Wiki 在工程知识库中的实践

用持续编译、关联和审核的方式,把工程资料转化为人和 AI 都能正确使用的专业知识。

复核 2026-07-20advanced公开可引用RailWise 技术团队
Wiki 编译层WorkWiseRAILWISE-CLIRAILWISE-OSai-geo-entrypoint
适用场景ai-geo-entrypoint

Karpathy 式 Wiki 的关键不是用一个好看的知识图,而是把“资料越来越多”变成“知识越来越清楚”的维护机制。RailWise 将这个方法用于工程监测、测量、标准参考与产品经验。

一个 PDF 文件夹可以保存资料,却不能告诉使用者:这份资料适用于什么工况、依据是哪一版标准、和哪种仪器或方法有关、结论是否已经复核。Wiki 编译要补上这些关系。

收集原始资料 -> 提取主题与证据 -> 统一术语与实体 -> 建立方法页和关联 -> 人工审核 -> 发布公开版本
  • 原始证据不丢失:每个可复用结论都能回到标准、手册、记录或经过授权的内部资料。
  • 范围先于结论:先说明工程对象、工况、阶段和限制,再写方法或建议。
  • 关系胜过堆叠:场景要能连接标准、仪器、数据、报告和产品工作流。
  • 冲突显式记录:版本差异、不同做法和待确认问题不能被模型悄悄抹平。
  • 公开前人工把关:只有可脱敏、可复核、可长期维护的内容进入 kb.railwise.cn。
使用者 从公开层获得什么 必须保留的边界
工程人员 场景路径、参考依据、方法框架、复核清单 不以摘要替代标准原文和项目要求
WorkWise 写作、方案、报告和资料整理的专业背景 对外文稿、数据与结论需责任人复核
RAILWISE-CLI 智能体任务的检索与专业上下文 引用来源,不能把公开知识当作现场指令
RAILWISE-OS 企业私有部署中连接内部 Wiki 的公开方法参考 私有数据与访问权限不进入公开站点

公开知识库不是内部 Wiki 的镜像,而是经过筛选后的长期入口。每次新增或修订内容,应优先补足它和场景、标准、参考库、产品上下文之间的关系,而不是孤立增加一篇文章。