如何实现OpenClaw里的可运行的LLM Wiki？

Karpathy 讲的 LLM Wiki，本质不是一个“文档夹”，而是一种 让知识持续沉淀、持续演化的 pattern。

但 pattern 只是思想，真正落地到 OpenClaw，还需要把它变成一套可运行机制：

📥 1. raw 不可变
原始资料进入 raw/，不直接改动，保证来源可追溯。

🧠 2. ingest 时编译知识
通过 wiki-ingest Skill，把资料解析、清洗、切分，沉淀到 pages/，形成可检索、可维护的 Wiki。

✍️ 3. 回答不是终点，而是写回起点
好的回答会进入 analysis/process page，再通过规则沉淀回 Wiki，让知识越用越厚。

✅ 4. 必须有质检机制
不能相信 LLM 自评，所以要引入 QA 独立子代理、三级自检和 wiki-lint Skill，避免错误被写进知识库。

⏰ 5. 系统要自动健康检查
每天定时 lint，生成 Health Report，让知识库不是“越用越乱”，而是“越用越稳”。

🔒 6. 用 AGENTS.md 和 Skill 控制成本
固定 prompt 有基础 token 成本，Wiki 数据层则按需读取，避免每条消息无限膨胀。

一句话：
Karpathy 给出了模式，OpenClaw 补齐了治理、质检、调度、演化和约束机制，才让 LLM Wiki 从想法变成真正 running system。

#OpenClaw #LLMWiki #Karpathy #AI知识库 #Agent #RAG #AI产品设计