8月15日
03:56
03:56官方账号LangChain@LangChainAI
BraceSproul 用 17 分钟视频讲解 OpenWiki——一个开源的自维护维基。视频覆盖其核心设计理念与运行机制。OpenWiki 针对智能体消费文档的场景,与传统面向人类的文档有显著差异。作者还分享了构建过程中的经验教训。
推荐理由:BraceSproul 用 17 分钟把 OpenWiki 讲明白了,开源自维护维基,给智能体用的文档该这么写,跟给人看的不一样。
8月3日
02:40
02:40Rowan Cheung@rowancheung
Jonathan Sharp把与老板的每次一对一会议记录变成了可搜索的知识库。现在他可以直接问AI,老板会对任何问题作何反应。这个工作流来自Ther Rundown社区分享,核心是让会议历史成为AI的参考上下文。

推荐理由:Jonathan Sharp把跟老板的会议记录变成AI知识库,随时能问“老板会怎么回答”,相当于给自己配了个老板模拟器。
7月22日
15:51
15:51AI Will@FinanceYF5
通过2行命令克隆仓库并运行脚本,2分钟内即可在Obsidian中设置vault。打开Claude Code输入/wiki命令,它会自动询问知识库用途并搭建完整结构。整个过程无需手动配置,适合快速建立个人知识管理系统。

推荐理由:只要2行命令和2分钟,就能用Obsidian配合Claude Code自动搭好知识库框架,省去手动配置的麻烦。
07:25
7月9日
10:17
10:17官方账号arXiv cs.LG@Yair Feldman, Linxi Zhao, Nathan Godey, Dongyoung Go, Yilun Hua, Kilian Q. Weinberger, Jennifer J. Sun, Yoav Artzi
CO-LMLM将知识库中的连续键与文本知识值配对,摆脱了传统关系型知识库的查询限制。在Wikipedia和FineWeb-Edu上预训练,360M参数模型困惑度低于使用40倍数据训练的LLM。SimpleQA验证显示其性能与gpt-4o-mini相当,且高于Claude Sonnet 4.5。该架构在多个规模下均优于先前LMLM和普通LLM。
推荐理由:CO-LMLM用360M参数打平gpt-4o-mini,事实准确度比Claude还高,这是用更小模型做更好知识检索的路线。
7月3日
6月29日
13:48
13:48岚叔@lufzzliz
精选
LufzzLiz基于Andrej Karpathy的LLM Wiki gist衍生出两套模板:个人知识库schema(五层目录)和代码仓库wiki schema(三层目录+双层导览)。附带实践案例Hermes-wiki和wiki-web,后者支持关系图和脑图。模板可直接用于构建结构化个人知识库或项目文档。

推荐理由:如果你嫌搭建知识库太麻烦,试试这套基于Karpathy思路的模板,五层目录帮你把笔记理得清清楚楚,还有实际案例参考。
6月2日
10:13
10:13官方账号Microsoft Research@MSFTResearch
微软研究团队发布最新研究焦点,探讨如何大规模评估智能体行为,并论证仓库(repositories)比文档(documents)更适合作为智能体知识库。同时,团队邀请全球研究者共同解决价值对齐问题。该研究为构建可靠、可扩展的AI智能体系统提供了新思路。
推荐理由:做智能体系统开发的团队会关心——仓库 vs 文档的选择直接影响知识检索效率,大规模评估方法则决定智能体行为可控性。建议点开了解具体论证。
5月31日
01:48
01:48elvis@omarsar0
Omar Sar 近期举办了一场关于 LLM Wikis 和 HTML artifacts 的演讲,并计划进行第二场演讲及平台相关发布。演讲内容涵盖如何利用 LLM 构建知识库和生成交互式 HTML 组件,适合对 AI 知识管理和内容创作感兴趣的开发者。该话题展示了 LLM 在文档和工具集成方面的实际应用潜力。
推荐理由:如果你在探索如何用 LLM 构建更智能的知识库或生成动态内容,这场演讲值得一看——Omar 不仅分享了实践,还预告了后续的发布,做文档或工具集成的团队可以提前关注。
5月27日
10:29
10:29官方账号arXiv cs.AI@Tamerlan Aghayev, Maxime Elkael, Michele Polese, Minh Dat Nguyen, Gabriele Gemmi, Andrea Lacava, Ali Saeizadeh, Reshma Prasad, Paolo Testolina, Angelo Feraudo, Soumendra Nanda, Pedram Johari, Salvatore D'Oro, Tommaso Melodia
精选72°
GENESIS是一个AI智能体框架,旨在解决6G无线接入网(RAN)研发中六个结构性瓶颈,包括从标准合成代码、一致性测试、现场异常处理、数据驱动优化、新波形原型设计到安全加固。传统LLM在RAN场景中会幻觉API、误读规范,且依赖仿真导致硬件迁移失败。GENESIS通过三个可组合原语(智能体、技能、钩子)和持久知识层SYNAPSE,将意图(如规范条款、遥测异常)转化为经过空中实验验证的解决方案,并回馈到知识库。该框架使能力随运行次数累积,显著压缩R&D周期。
推荐理由:GENESIS解决了6G RAN研发中手动迭代耗时的核心痛点,做通信系统开发或6G标准研究的团队可以直接用这个框架加速从规范到验证的全流程。
5月21日
07:59
07:59AI产品黄叔@PMbackttfuture
一位社群运营者成功实现了基于Agent-First的微信群自动化运营方案。当群内有用户提问时,系统会自动识别问题,从知识库中匹配答案并附带链接,然后@提问者并回复。该方案已稳定运行三周,且没有封号风险。这套逻辑通过微信早晚报的形式验证了可行性,为社群运营者提供了一种高效、低风险的自动化工具。
推荐理由:社群运营者终于有了靠谱的自动化方案——Agent-First帮你自动回答群内提问,无需手动回复,且无封号风险。做社群运营的团队可以直接参考这套逻辑,省下大量重复劳动。