一份现代知识系统的全景地图

为什么这些系统容易被混淆

它们在表面行为上有重叠。

它们都可以：

• 存储笔记
• 检索信息
• 回答问题
• 组织参考资料
• 连接想法

但它们的意图不同。

PKM 系统不仅是一个私人 Wiki。Wiki 不仅是 RAG 数据库。RAG 管线不是 AI 记忆。AI 记忆系统不能替代结构化文档。

混淆的根源在于将"知识"视为单一事物。

实际上，知识有多个层次：

1. 捕获（Capture）
2. 结构化（Structure）
3. 检索（Retrieval）
4. 解读（Interpretation）
5. 复用（Reuse）
6. 演化（Evolution）

不同的系统优化不同的阶段。

四大范式

1. PKM（个人知识管理）

PKM 全称 Personal Knowledge Management，即个人知识管理。

它是捕获、组织、连接和使用知识以服务个人工作的实践。

典型的 PKM 系统包括：

• Obsidian
• Logseq
• Notion
• 纯 Markdown 文件夹
• Zettelkasten 卡片笔记系统
• "第二大脑"体系

PKM 是人类驱动的。目标不仅是存储，而是更好地思考。

PKM 擅长什么

• 学习新领域
• 发展原创想法
• 随时间连接笔记
• 写文章或书籍
• 跟踪个人研究
• 构建第二大脑

好的 PKM 系统是以一种"有用的方式"保持混乱。它支持未完成的想法、部分构思、私人上下文和不断演化的概念。

这就是为什么 PKM 不等于文档——文档追求清晰，PKM 容忍模糊。

PKM 的失败模式

PKM 容易变成：

• 垃圾堆积场
• 文件夹分类法项目
• 生产力美学
• 工具优化爱好
• 无人使用的私人存档

主要风险是只收集不综合。

如果你只保存信息却从不加工，你拥有的不是知识系统，而是一个个人垃圾填埋场。

观点

PKM 应该为复用而优化，而非为捕获。

捕获一切感觉很有生产力，但会产生债务。真正的价值在笔记被连接、改写、压缩并用于输出时才会显现。

2. Wiki

Wiki 是为共享参考而设计的结构化知识库。

典型的 Wiki 系统包括：

• DokuWiki
• MediaWiki
• Confluence
• BookStack
• 基于 Git 的文档站点
• 公司内部知识库

Wiki 通常比 PKM 更正式。

它应该回答：我们知道什么？当前版本在哪里？

Wiki 擅长什么

• 团队文档
• 运维手册（Runbook）
• 产品知识
• 政策文档
• 技术参考
• 新人入职资料
• 稳定的领域知识

Wiki 是一种社会契约。它声明：这个页面就是这项知识存在的地方。这使得所有权和维护变得至关重要。

Wiki 的失败模式

Wiki 经常因为过时而失败。

常见问题：

• 页面无人负责
• 截图过期
• 页面重复
• 规范版本不清晰
• 层级过深
• 缺少维护节奏

一个信息过时的 Wiki 比没有 Wiki 更糟糕，因为它制造了虚假的信心。

观点

Wiki 应该是"无聊的"——这是一种褒奖。

好的 Wiki 不是创意诞生的地方，而是稳定知识在对他人有用之后被保存的地方。

3. RAG（检索增强生成）

RAG 全称 Retrieval Augmented Generation，即检索增强生成。

它是一种 AI 架构：系统在让语言模型生成回答之前，先检索相关的外部信息。

基本 RAG 管线通常包含：

1. 文档
2. 分块（Chunking）
3. 嵌入或搜索索引
4. 检索
5. 可选的重排序（Reranking）
6. 提示词组装
7. LLM 生成

RAG 是机器驱动的。目标不是创造知识，而是在查询时为模型提供相关上下文。

RAG 擅长什么

• 基于文档的问答
• 内部搜索助手
• 客服机器人
• 技术文档助手
• 合规查询
• 大型语料库研究
• 将 LLM 连接到最新信息

RAG 在模型不能或不应该记忆信息时特别有用。

RAG 的失败模式

RAG 常在团队将其视为"魔法搜索"时失败。

常见问题：

• 分块质量差
• 检索效果弱
• 上下文噪声大
• 缺少元数据
• 没有可信信息源
• 文档过时
• 缺乏评估体系
• 没有人工反馈回路

RAG 不能修复糟糕的知识管理。如果底层内容碎片化、过时或自相矛盾，RAG 系统只会自信地把这些混乱展示出来。

观点

RAG 不是知识策略，RAG 是访问策略。

它帮助机器访问知识，但不决定哪些知识是有效的、被维护的、权威的或有用的。