Wiki + Graph + RAG 知识库建设笔记
wiki部分
一、wike介绍：
Wiki = 结构化的知识笔记系统
wiki和普通文档的区别：wiki里面会有页面之间可以相互引用这样就形成知识网络，Wiki 之间通过 reference link 关联，可以形成类似 Graph 的知识图谱（在md文档里面表明关联关系）
二、文档怎么转化成md
1、AI应该帮你做第二次加工
请将以下WeShare内容整理成Wiki Markdown格式： 要求： 1. 提取核心知识 2. 删除讨论过程 3. 保留结论 4. 建立Concept部分 5. 建立Reference部分2、前面文档少可以手动创建关联关系，然后让ai读取规则形成提示词，后续自动建立关联关系
三、建立wiki时候注意点
1、一个 Wiki 只讲一个主题
2、不要保存原文，要保存知识
3、保留来源，以后 AI 回答错了可以追溯
4、建立统一模板
5、Reference 要有意义，AI才知道是什么关系
四、关于审核
1、AI 负责 90%，人负责关键 10%。
- AI审核，并打上标签
confidence: 95%
source: official_doc
规则审核
Requirement，必须关联Feature。Feature，必须关联TC
专家审核，
新增知识，有冲突知识，低置信度知识
五、难点亮点
1、Wiki 要区分“事实”和“观点”，需要进行区分
2、一定保留 Source，保留了可以回溯，否者后续都不知道知识是从哪里来的
3、知识要有生命周期，很多知识会过期。比如一些配置，加上元数据
created: 2026-07-07 updated: 2026-07-07 owner: Percival status: active4、不要只存结论，时间长了不知道为什么是这个结论
## Symptom 现象 ## Root Cause 根因 ## Solution 解决方案 ## Prevention 如何避免5、给 Wiki 打标签（Tag），后续agent就可以先靠Tag缩小范围，再做Rag
tags: - automation - pytest - jenkins - sts-204796、知识粒度过大
例如Jenkins使用指南，里面包含Jenkins，Allure，Pytest，Git，Docker，后面 AI 检索时很痛苦。更好的方式Jenkins_Build.md，Jenkins_Parameter.md，Allure_Report.md，Pytest_Marker.md，
一个wiki尽量只解决一个问题
7、知识重复
三篇文档都写了什么是project_lock，形成了三个project_lock文档
解决方案：project_lock.md作为唯一定义，其他页面引用即可。
8、命名不统一
非常容易把Graph做废，需要统一命名，统一规则
9、Reference 爆炸
很多人会让 AI 自动关联所有东西，1000篇wiki，50000条link，Graph变成蜘蛛网，实际应该控制
10、知识 Owner
这个很多知识库最后死掉的原因，三年之后没人维护，建议每个 Wiki 都有：owaer，team
六、面试最核心的三个问题
1. 什么是 Wiki？
结构化知识库，不是文档库
2、如何构建 Wiki？
采集 ↓ 提取 ↓ 结构化 ↓ 校验 ↓ 存储3、最大挑战是什么？
不是生成Wiki 而是保证知识质量 包括： 过期 冲突 重复 可追溯