原文内容

我用 AI Agent 把散落的社团文档变成了可查询的知识库

分享人：科考协会成员 使用的 AI 工具：Hermes Agent（类 Claude Code 的终端 AI 助手） 一到四为hermes自己生成，五为我自己的反思

一、问题的起点：知识散落，人走经验凉

我的社团有二十九年历史。每一次徒步拉练、野外考察后，领队组都会写总结——主领的、装备副领的、财务副领的、队医的、大厨的……格式从 bbs 论坛到 .doc 到 .docx 到 .pdf 五花八门，散落在不同届的硬盘里。光是公开在互联网上的总结，从 2016 到 2023 年，积累了 31 次活动、100+ 份原始文档、271MB 数据。

问题是：新人上任领队组时，翻不到前人总结；同一类错误（对讲机配对问题）三年里犯了三次；装备副领不知道"装副只指挥不上手"在不同的活动总结中强调了多次。

每一届毕业生带走的知识，下一届只能从浩如烟海的总结中翻阅。

二、转机：Karpathy 的 LLM Wiki 思想

Andrej Karpathy（OpenAI 联合创始人）公开分享过一个简单到容易被忽视的想法：

你的个人笔记和文档，只要组织成结构化的 markdown 文件，LLM 就能直接读取并推理。不需要向量数据库，不需要 RAG——一个文件夹的 .md 文件 + 一个能读文件的 AI agent，就是一个知识库。

核心理念只有三点：

1. 纯文本 markdown：可被任何编辑器打开，LLM 原生理解其结构（标题、列表、代码块）
2. 一致的内部格式：每篇有标题、摘要、标签——AI 用这些信号快速定位相关内容
3. AI agent 作为查询界面：你告诉它你想知道什么，它自己去找、去读、去综合

不是产品，是一种工作模式。我把这个模式用在了科考协会的知识管理上。

三、实操：让 AI 伙伴自己动手

我没有自己去读几百页的领队总结。我让 Hermes（我的 AI agent 伙伴）来做。我的需求是，为

第一步：定规范

先让 Hermes 读几份典型的领队总结，理解内容结构，然后和我一起制定了一套规范（SCHEMA.md）：

• 5 种页面类型：活动页、指南页、装备页、地点页、清单页
• 统一 frontmatter（YAML 元数据）：标题、日期、类型、标签、来源文件
• Wikilink 交叉引用（[[页面名]]）
• 教训标注格式：> 🔴/🔥/⭐ 教训描述。^[活动名]

aseustc_wiki/
├── SCHEMA.md                  # 全站规范（页面类型、操作流程、格式约定）
├── index.md                   # 内容索引（59 个页面列表）
├── log.md                     # 操作日志（仅追加）
│
├── 活动/                      # 活动实录（31 页）
│   ├── 2016-清明-白际-拉练.md
│   └── ...
│
├── 指南/                      # 职务指南（7 页）
│   ├── 01_主领.md              # 风险管控、劝退铁则、行政博弈、路线决策
│   ├── 02_财副.md              # 预算→包车→保险→采购→收钱→报销 全流程
│   ├── 03_装副.md              # 装备讲解、绑锅、帐篷、营地搭建
│   ├── 04_行副.md              # 行军纪律、GPS、三五七训练、应急
│   ├── 05_考副.md              # 课题定位、讨论会设计、访谈方法论
│   ├── 06_队医.md              # 失温、中暑、动物伤、药品管理
│   └── 07_大厨.md              # 米饭五步法、用量速算、搭灶翻车集
│
├── 装备/                      # 装备知识（6 页）
│   ├── 户外着装.md
│   ├── 背包.md
│   ├── 登山杖.md
│   ├── 灯具.md
│   ├── 绳索.md
│   └── 地图导航.md
│
├── 地点/                      # 徒步基地（3 页）
│   ├── 白际.md                 # 5 条路线体系，历年 10 次活动
│   └── ...
│
├── 清单/                      # 可执行检查表（7 页）
│   ├── 主领-check.md
│   └── ...
│
└── 资料/                      # 原始素材（33 个文件夹，271MB）
``` (1/2)

第二步：逐活动消化

每处理一个活动，流程是： 列出该活动资料文件夹 → 提取所有 docx/doc/pdf 文本 → 写出活动页（基本信息+行程+关键事件+副领亮点） → 检查是否有新的教训需要写入对应副领指南 → 更新 index.md + 日志 → 继续下一个 整个过程是 对话式的——我告诉 Hermes “处理 2019-五一-龙井河”，它自己读文档、提取关键信息、写出结构化的活动页面，然后把新发现的教训（比如大厨的米饭五步法）就地嵌入到 指南/07_大厨.md 的对应章节里。

第三步：让知识形成网络

每篇活动页通过 wikilink 连接到：

• 地点页（比如 [[白际]]——这个基地的所有信息聚合）
• 指南页（比如 [[主领]]——所有主领相关的经验教训集中在这里）
• 相邻年份同基地活动（比如 2018 白际 ↔ 2019 白际对比）

这样形成的不是 31 个孤岛，而是 一张可被 AI 遍历的知识图谱。

四、成果：59 个页面，7 本指南，一个活的记忆体

最终产出：

每本指南的结构是统一的：职责概述 → 通用流程（Mermaid 甘特图） → 速查卡（铁则表格） → 按阶段/知识域展开 → 参见。

每个教训按严重程度标注（🔴安全事故 🔥重要教训 ⭐最佳实践），并标注来源活动。

现在新人上任副领，只需要问 Hermes：“我是第一次当装备副领，清明去白际，需要注意什么？” Hermes 会自己读 指南/03_装副.md、清单/装副-check.md、活动/2019-清明-白际-拉练.md、地点/白际.md 等文件，综合出一份针对性的回答。

不需要手动翻 271MB 的文件。不需要找到上一届的学长学姐求经验。AI 替你读了。

五、反思

Humans abandon wikis because the maintenance burden grows faster than the value. LLMs don’t get bored —— Karpathy

我个人的记忆是较好维护的，这大概是因为我不懂的东西总是忘得非常快，正因如此，维护我个人的 wiki 显得非常鸡肋。有些人虽然不写日记，但经历过的美好的事与物永远历历在目。

然而，个体可以靠本能遗忘，群体却必须依靠记忆延续。

在我们的徒步社团里，每一届做的事情看似大同小异：前期训练，团委报备，核对装备，联系租车 …… 这些经验除了每次活动结束时必须要撰写的领队组总结之外，也往往只靠口耳相传。我不止一次听到同学说自己写了一份多么详尽的流程，也曾在东区罗森的便利店里，看着趴在桌上的前辈抱怨萌新领队居然连某个基本的规矩都不知道 …… 轮到我自己当领队时，才真正体会到了那种断代带来的荒凉感。我得像个拾荒者一样，去翻阅大量的往年领队组总结，和前辈约饭、请教。即便如此，受限于个人精力和经验，我带队的活动还是翻了不少车。

于是，我才动手创建了这个 wiki，重点提取了过往总结中的前人踩过的坑以及活动的公式化流程。我猜想类似的事情也可以用于维护课题组的祖传代码库，实验室守则，学校的一些流程和章程上。

但与此同时，这种工具化的处理也必然舍弃掉了很多或许更有趣的内容。

在历年的领队组总结中，客观记录失误的篇幅往往只占少数，而大部分内容则是笔者对活动美好瞬间的主观回忆。然而，这些珍贵的感性文本，很难被纳入一个公式化的 wiki 中。当我们利用 llm 和 wiki 来解决社团经验的传承危机时，实际上进行了一次带有偏向性的筛选。为了追求效率，理性的清洗流程过滤掉了群体中那些非结构化的、感性的“杂质”。wiki 或许能够延续前人举办徒步活动的经验，但那些无法被公式化定义的情感、体验与凝聚力，却在数字化过程中被作为“噪音”剔除，不可能出现在 wiki 中了。

技术可以不知疲倦地继承规则，但人类之所以愿意承担高昂的协作成本去延续一个群体，往往是因为规则之外的那些人文体验。如何在技术带来的高效率与组织特有的人文温度之间找到平衡，是我最近在思考的问题。如果把眼光放远，为了维持生存与发展的基本结构，人们把自己的生活压缩到宏观历史之中，；但人类这个物种之所以想要生存和发展，却恰恰是为了那些被过滤掉的“无效信息”——那些关于爱、美、体验与意义的瞬间。这不得不说是一种遗憾。

AI 不只是让我更快。它让我能做到以前根本不会去做的事。 本分享由 Hermes Agent 代为撰写——它自己也在这个 wiki 上工作了 30+ 个小时。我对它说：“写一篇经验分享，关于我们是怎么一起建这个知识库的。” 上面这些字，是它写的。