AI研发自动化（Wiki知识库+技能包）
阿里哥伦实战：把 AI 研发自动化拆成 LLM-Wiki 知识库（持续生长型）+ 领域专家 SKILL 包（写方案/写代码/评审/测试/答疑/排障），最终用户只给 PRD，剩下全交给 agent。
Key Points
- 两条腿走路：LLM-Wiki 知识库（持续生长型）+ 领域专家 SKILL 包
- 最终目标：全自动研发流程——用户提供 PRD，剩下工作全交给 agent
- 团队视角：成员共享，多 agent 平台可用
LLM-Wiki 知识库
KB 架构（三层）
| 层 | 内容 | 规则 |
|---|---|---|
| L1: Sources | 文档/图片/代码 | LLM 只读不写，真相之源 |
| L2: Wiki | markdown 文件集合（实体/概念/综述/对比页） | LLM 全权拥有，人只读不写 |
| L3: Schema | 目录约定、摄入流程、查询/巡检流程 | 写给 LLM 的"工作规范" |
核心操作
- Ingest（摄入）：丢一份新数据源 → LLM 读 → 与你讨论要点 → 写摘要页 → 逐一更新被影响的实体页/概念页 → 更新 index → 追加 log
- Query（查询）：基于 wiki 答题，好答案要写回 wiki
- Lint（巡检）：定期让 LLM 自检——找矛盾、找过时、找孤页
LLM-Wiki vs RAG
| 维度 | 传统 RAG | LLM-Wiki |
|---|---|---|
| 知识形态 | chunks + 向量索引 | 结构化、互链的人类可读 markdown 页面 |
| 核心动作 | Retrieve → Generate | Ingest → Read |
| 知识增长 | 线性 | 复利式 |
| 答案质量 | 随用增长不变 | 持续变好 |
关键洞察：Wiki 是一个持续编译、持续保鲜的产物（compounding artifact），不是查询时才生成的临时答案。
Skill 包设计
每个 Skill 都是一个 SKILL.md 文件，描述"在什么场景、用什么方法、调什么工具、输出什么产物"。
Related Pages
- concepts/llm-wiki — LLM Wiki 知识库模式
- patterns/ai-knowledge-workflow — AI知识管理工作流
Sources
- 微信公众号《AI研发自动化：Wiki知识库+技能包》(2026-06-04)