Wikova
Wikova 是一个基于人工智能的个性化知识库平台，由新加坡公司 Wikova PTE. LTD. 开发，能够根据用户输入的主题自动生成带有引用的维基百科风格报告[^c1][^c3]。平台于 2026 年 5 月上线，目前处于公开测试阶段[^c7]，提供网页版和 iOS 原生应用，并兼容 iPadOS、macOS（Apple Silicon）和 visionOS 平台。
Wikova 的核心架构基于一组协作的 AI 智能体：研究员（Researcher）从网络收集来源，策展人（Curator）阅读来源并撰写结构化的维基条目，检查员（Inspector）审计结果中的漏洞、矛盾和错误链接[^c2]。维基创建后，维护员（Maintainer）按日自动运行以核实事实并刷新内容，确保信息保持时效[^c5]。平台通过控制台仪表盘展示维基成长指标和智能体运行状态，并提供完整的版本历史、混合搜索、知识图谱可视化[^c8]和灵活的共享控制等功能。2026 年 6 月发布的 v0.3.13 版本增加了 iOS 分享菜单直连分享、原生手势导航、应用内 Google 认证和跨语言搜索等功能[^c19]。
Wikova 将自身定位在传统笔记工具、搜索引擎和 AI 对话工具之间的市场空白：前三种工具分别需要用户自行整理、不会持久记忆和关闭即遗忘，而 Wikova 则通过 AI 智能体的全自动化流程，将每一次提问沉淀为可积累、可搜索、可共享的知识资产[^c4]。
设计理念：Karpathy 的知识编译范式
Wikova 的设计理念源于 Andrej Karpathy 于 2026 年 4 月提出的 LLM Wiki 概念，其核心思想是"知识编译"——利用大语言模型将原始资料编译为结构化的知识库，替代传统检索增强生成（RAG）模式下每次查询从零检索的方式[^c10][^c11]。Karpathy 指出 RAG 的根本问题在于"没有积累"（There's no accumulation）——每次查询都在重新发现知识，而知识编译的核心差异在于维基是"持久的、可复利增长的知识资产"[^c22]。
Karpathy 的 LLM Wiki 架构分为三层：不可篡改的原始素材层（raw/）、LLM 全权维护的 Markdown 维基页面层（wiki/）和约束 LLM 行为的规则定义层（schema/）[^c17]。该模式包含三种核心操作：摄入（Ingest）让 LLM 读取新文档并将其信息编织进已有的知识网络，更新实体页面并修正主题摘要[^c20]；查询（Query）通过索引定位相关页面并综合回答；健康检查（Lint）定期扫描维基以检测页面间的矛盾、过时内容、缺失交叉引用和数据空白[^c21]。Karpathy 认为知识管理的根本困境在于"维护成本增长得比知识价值还快"，而 LLM 打破了这一死循环。他还提出了"想法文件"（Idea File）的元概念，认为在 AI 智能体时代，分享代码的意义下降，分享想法本身更为重要[^c23]。
2026 年春季的行业汇聚
2026 年春季，知识编译范式在行业内经历了显著的同频汇聚。Karpathy 于 4 月 4 日发布 LLM Wiki Gist，其在 X 平台的推文获得超过 1600 万次浏览，Gist 在数日内累计超过 5000 个 Star[^c17][^c18]。Anthropic 于 4 月 23 日推出 Memory 公测版——为托管智能体提供持久化的虚拟文件系统，允许智能体以标准读写操作访问和更新结构化知识存储[^c24]，并于 5 月 6 日发布 Dreaming API 研究预览版——一种异步知识策展服务，在不阻塞任务的情况下将会话日志编译为记忆存储[^c25]。Memory 与 Dreaming 分别对应 Karpathy 模式中的持久化存储层和编译层，两者共同构成了该模式作为平台原语的完整实现[^c26]。Rakuten 在使用 Memory 的测试中初始关键错误下降 97%，成本与延迟同时降低超过 30%[^c27]；Harvey 在 Dreaming 内部测试中任务完成率提升约 6 倍[^c28]。
Pinecone 于 5 月 4 日发布基于知识编译理念的知识引擎 Nexus，将推理前移至编译阶段，在三个企业领域的实测中实现 85% 至 97% 的 Token 消耗降幅，准确率提升 14% 至 94%[^c29][^c16]。同期，腾讯开源了 WeKnora 平台，其 Wiki 模式能够自动从原始文档生成结构化的互链 Markdown 知识库[^c15]；新加坡外交部长维文·巴拉克里希南公开了基于 NanoClaw 和 Karpathy 模式的个人 AI 系统，运行在一台树莓派 5 上，能够回答问题、进行研究、提供每日简报[^c14]。
局限性与用户反馈
知识编译模式在企业级应用中仍面临根本性挑战。分析指出，该模式缺乏基于角色的访问控制、ACID 事务支持、合规级审计日志，且规模上限约为数百个页面[^c13]。当知识库超过约 100 至 200 篇文章时，基于 index.md 的导航方案开始失效，需要引入外部检索层。多个智能体同时写同一个 Markdown 维基还会产生竞态条件、写入冲突和数据损坏风险[^c30]。
用户反馈呈现两极分化。在单一领域、小型知识库场景中，有用户将业务相关政策资料导入 LLM Wiki 后评价"非常舒适"，认为资料沉淀解决了此前与大模型对话时"用完即走、反复发资料"的痛点[^c31]。但在大规模、多领域知识库的迁移尝试中，用户的体验截然不同：一位拥有五六年 Obsidian 使用经验的用户将其数千个文件、十几个领域的知识库尝试迁移至 LLM Wiki 架构后，评价该模式"从根基上就没考虑过真实知识库长什么样"，指出导航方案在数百页以上即失效、缺乏领域隔离机制、大文档无法处理等根本性问题[^c32]。
Wikova 作为托管平台，通过云端基础设施和受控共享模式在一定程度上缓解了部分企业级问题，但其核心能力仍主要面向个人知识管理。截至 2026 年 6 月中旬，平台上已拥有超过 130 个维基条目[^c6]。平台目前对所有用户免费开放[^c9]。