构建 HoneyDrunk.Lore：我的 LLM 维基与每日新闻简报

我读得太多了。我关注模型更新、智能体（agent）新闻、架构文章以及安全研究。目前大部分信息并不重要，但以后会变得很重要。

普通的书签无法满足我的需求。它们只保存了链接，却丢失了含义。聊天记录保存了对话，却丢失了结构。RAG 给了我知识碎片，却让我每次都要重新构建思路。

我构建了 HoneyDrunk.Lore 来解决这个问题。它是为我的工作室打造的 LLM 维基。它将原始信息转化为一套经过整理的知识体系。

该系统使用一个简单的流水线：

  • 原始资源进入“证据库”（evidence locker）。
  • 智能体读取它们并提取观点（claims）。
  • 维基更新主题页面并关联概念。
  • 通过维护循环对数据进行校验（lint），以发现矛盾或空白。

这不仅仅是一堆摘要，而是一个持续维护的产物。

该系统还会为 Discord 生成每日新闻简报。它会挑选出 10 条最重要的网页新闻和 10 条热门社交媒体帖子。每条内容包括：

  • 简短摘要。
  • 原始 URL。
  • 关于其对我的工作为何重要的特定视角。

我仅将社交媒体视为早期信号。一条推文可能会率先报道某个发布。但在维基将其视为持久事实之前，它会等待官方博客文章或文档的发布。这区分了“我看到了一件事”和“维基知道了一件事”。

Lore 不是智能体记忆，也不是治理工具。它是基于来源的决策支持。如果维基提出了某个观点，它必须指向来源并展示其置信度。

搜索是在问你是否能找到某样东西。Lore 则是在问，这件事是否已被消化并融入你已有的知识中。前者是检索，后者是复利。

我正在长期构建这个系统。我想要一个在不同会话之间保持“热度”，并随着我的学习而不断成长的系统。

来源：https://dev.to/tatted_dev/building-honeydrunklore-my-llm-wiki-and-daily-news-blast-2pfl

可选学习社区：https://t.me/GyaanSetuAi