你讀完一篇研究論文，三周后有個(gè)問題想查。翻筆記找不到，只好把PDF重新丟給AI助手——同樣的成本，同樣的延遲，答案還可能因?yàn)槿掌诓煌杂胁町悺?/p>

這是樸素RAG（檢索增強(qiáng)生成）的典型陷阱：系統(tǒng)每次查詢都重新檢索原始上下文，再重新合成答案。對(duì)于動(dòng)態(tài)文檔庫，這無可厚非。但知識(shí)本身不會(huì)變——研究論文、架構(gòu)決策、API規(guī)范、會(huì)議紀(jì)要——你卻要為同一份知識(shí)反復(fù)支付合成成本。

Andrej Karpathy提出過一種更優(yōu)模式：在攝入階段就完成知識(shí)編譯。大模型只讀一次文檔，輸出結(jié)構(gòu)化的維基頁面，后續(xù)查詢直接調(diào)用預(yù)構(gòu)建的知識(shí)。無需重新生成，答案穩(wěn)定一致。

問題是，你得自己造這套系統(tǒng)。

Zenii把這個(gè)模式做成了開箱即用的工具：單次攝入，編譯為持久化的維基頁面，之后任何工具都可通過本地HTTP API查詢。左側(cè)是樸素RAG的重復(fù)合成，右側(cè)是Zenii的一次編譯、多次讀取。

這是一款本地優(yōu)先的AI助手平臺(tái)，用Rust編寫。桌面端、命令行、終端界面、移動(dòng)端和守護(hù)進(jìn)程共享同一核心庫，通過127.0.0.1:18981的本地HTTP+WebSocket網(wǎng)關(guān)通信。

核心在于維基層：一個(gè)編譯后的知識(shí)層，所有客戶端和外部工具均可查詢。

攝入文檔時(shí)，大模型執(zhí)行兩輪合成：第一輪提取概念、實(shí)體和主題，構(gòu)建知識(shí)圖譜；第二輪輸出5-15頁結(jié)構(gòu)化頁面，按類型分類存儲(chǔ)——概念（技術(shù)、模式、抽象思想）、實(shí)體（人物、組織、工具、模型、數(shù)據(jù)集）、主題（關(guān)聯(lián)頁面的領(lǐng)域）、對(duì)比（并列分析）、查詢（重要問題的存檔答案）。

每頁遵循嚴(yán)格格式：YAML前置元數(shù)據(jù)，Markdown正文，用[[wiki-links]]實(shí)現(xiàn)交叉引用。元數(shù)據(jù)包含標(biāo)題、類型、標(biāo)簽、關(guān)聯(lián)頁面、置信度、來源和更新日期。正文則以TLDR開頭，簡明概括核心要點(diǎn)。

驅(qū)動(dòng)攝入過程的大模型指令存放在wiki/INGEST_PROMPT.md，一個(gè)可直接編輯的Markdown文件。你可以按自己的領(lǐng)域調(diào)整知識(shí)編譯方式，無需改動(dòng)任何代碼。