📌 خلاصه در یک نگاه

الگوی LLM Wiki یعنی مدل زبانی منابع را فقط برای پاسخ همان لحظه بازیابی نکند؛ آن‌ها را به یک ویکی ماندگار و پیوندخورده تبدیل کند و با منابع تازه به‌روزش کند. در Hermes Agent این قابلیت از طریق یک مهارت اختیاری کار می‌کند و خروجی آن مجموعه‌ای از فایل‌های Markdown است. این روش برای پژوهش و پروژه‌های بلندمدت مفید است، اما جایگزین جستجوی دقیق در کد، پایگاه‌داده یا بررسی انسانی منابع نیست.

الگوی LLM Wiki چیست؟

الگوی LLM Wiki روشی برای ساخت پایگاه دانشی زنده با کمک مدل زبانی است. به‌جای اینکه هر بار پاسخ از نو میان چند فایل و سند جست‌وجو و ترکیب شود، مدل اطلاعات مهم را در صفحه‌های Markdown سازمان‌دهی می‌کند، صفحه‌های مرتبط را به هم پیوند می‌دهد و هنگام ورود منبع تازه، دانسته‌های قبلی را بازبینی می‌کند.

ایده‌ی اصلی را آندری کارپاتی به شکل یک الگو مطرح کرده است؛ نه یک نرم‌افزار یا استاندارد فنی واحد. بنابراین ساختار، ابزارها و قواعد ویکی می‌توانند با نیاز هر پروژه فرق کنند.

در Hermes Agent، مهارت LLM Wiki این ایده را به گردش‌کاری برای نگهداری یک دانش‌نامه‌ی Markdown تبدیل می‌کند. این مهارت اختیاری است؛ وجود Hermes به‌تنهایی به معنی فعال‌بودن یا نصب‌بودن آن نیست.

این الگو چگونه کار می‌کند؟

ویکی معمولاً سه بخش دارد: منابع خامی که مرجع اولیه‌اند، صفحه‌های دانشی که مدل می‌سازد یا به‌روزرسانی می‌کند، و یک فایل راهنما که قواعد نگهداری و نام‌گذاری را توضیح می‌دهد. در الگوی مستندشده‌ی مهارت Hermes، فایل‌هایی مانند SCHEMA.md، index.md و log.md به شناخت ساختار و پیگیری تغییرات کمک می‌کنند.

۱
ثبت منبع
مقاله، سند، یادداشت یا داده‌ی مجاز در بخش منابع خام قرار می‌گیرد. منبع اصلی باید قابل‌ردیابی بماند؛ خلاصه‌ی مدل جای خود منبع را نمی‌گیرد.
۲
ترکیب دانش
مدل نکته‌های مرتبط را استخراج می‌کند، صفحه‌های موضوعی یا موجودیت‌ها را به‌روزرسانی می‌کند و پیوندهای داخلی می‌سازد. اگر منابع با هم ناسازگار باشند، اختلاف باید مشخص بماند؛ نه اینکه مدل بی‌مدرک یکی را قطعی اعلام کند.
۳
پرس‌وجو و بازبینی
پاسخ از صفحه‌های گردآوری‌شده شروع می‌شود و برای نکته‌های حساس به منبع اصلی برمی‌گردد. با ورود اطلاعات جدید، صفحه‌ها و فهرست ویکی دوباره بررسی می‌شوند.

راه‌اندازی LLM Wiki در Hermes Agent

طبق مستندات رسمی مهارت LLM Wiki در Hermes، این قابلیت یک مهارت اختیاری است. نصب آن را فقط در محیطی انجام دهید که Hermes Agent در آن نصب است:

hermes skills install official/research/llm-wiki

مسیر پیش‌فرض ویکی ~/wiki است. برای تعیین مسیر دیگری، تنظیم مهارت را تغییر دهید:

hermes config set skills.config.wiki.path ~/wiki

اگر نسخه‌ی نصب‌شده‌ی شما مسیر یا دستور متفاوتی دارد، راهنمای همان نسخه و خروجی راهنمای CLI را ملاک قرار دهید. مهارت را از منبع معتبر نصب کنید و پیش از واردکردن سند، از نداشتن رمز عبور، کلید API، اطلاعات شخصی مشتری یا داده‌ی محرمانه در آن مطمئن شوید.

در شروع کار، راهنمای ساختار و فهرست ویکی را بخوانید؛ اگر فایل SCHEMA.md، index.md یا log.md وجود دارد، همان‌ها قرارداد پروژه‌اند. این بازبینی از ایجاد صفحه‌ی تکراری و ناسازگاری با یادداشت‌های قبلی جلوگیری می‌کند.

مزایا و محدودیت‌های الگوی LLM Wiki

موضوعمزیتمحدودیت یا مراقبت
انباشت دانشخلاصه‌ها و ارتباط‌های قبلی برای استفاده‌ی بعدی باقی می‌مانند.اطلاعات قدیمی ممکن است بماند؛ تاریخ و منبع هر ادعا را نگه دارید.
قابلیت بررسیفایل‌های Markdown با ویرایشگرهای معمولی قابل‌خواندن و نسخه‌بندی‌اند.پیوند شکسته، صفحه‌ی یتیم و خلاصه‌ی نادقیق نیاز به ممیزی دارند.
پرس‌وجوهای تکراریبرای موضوعی که بارها بررسی می‌شود، نقطه‌ی شروع آماده فراهم می‌شود.ساخت و به‌روزرسانی ویکی هم زمان و توکن مصرف می‌کند؛ صرفه‌جویی تضمین‌شده نیست.
کار تیمی و پژوهشیموضوع‌ها، افراد و تصمیم‌ها را می‌توان به صفحه‌های مرتبط وصل کرد.سطح دسترسی و محل نگهداری فایل‌ها باید با حساسیت داده‌ها سازگار باشد.

ویکی ممکن است خطای منبع را وارد خلاصه کند یا هنگام ترکیب اسناد، اختلاف را درست تشخیص ندهد. برای تصمیم حقوقی، مالی، پزشکی، امنیتی یا انتشار عمومی، ادعاهای مهم را با سند اصلی و بازبین انسانی تطبیق دهید. برای فهمیدن ساختار و فراخوانی تابع‌ها در یک مخزن بزرگ کد، از جست‌وجوی کد و ابزارهای تحلیل مخزن استفاده کنید؛ ویکی مکمل آن‌هاست، نه جایگزین قطعی.

مصرف توکن LLM Wiki چقدر است؟

عدد ثابتی برای مصرف توکن وجود ندارد. هزینه به اندازه‌ی منابع، مدل، تعداد دفعات به‌روزرسانی، عمق خلاصه‌سازی و تعداد پرس‌وجوها وابسته است. هنگام افزودن منبع، مدل باید آن را بخواند و دانش مرتبط را نگهداری کند؛ در مقابل، برخی پرسش‌های تکراری ممکن است با مراجعه به صفحه‌های آماده، نیاز کمتری به بازخوانی همه‌ی اسناد داشته باشند.

پس LLM Wiki لزوماً مصرف را کم نمی‌کند. برای سنجش واقعی، چند پرس‌وجوی نماینده را با و بدون ویکی اجرا کنید و هزینه‌ی پردازش منبع و نگهداری را هم در محاسبه بگذارید. اگر منابع کم‌اند یا پرسش‌ها یک‌بار مصرف‌اند، یک جست‌وجوی ساده شاید ارزان‌تر و کم‌دردسرتر باشد.

تفاوت حافظه، مهارت و ویکی در Hermes چیست؟

  • حافظه: ترجیح‌ها و واقعیت‌های پایدار و کوتاهی که باید در گفتگوهای بعدی در دسترس باشند.
  • مهارت: دستورالعمل انجام یک کار مشخص؛ فقط هنگام مرتبط‌بودن بارگذاری می‌شود.
  • ویکی: مجموعه‌ی موضوعی از دانش و منابع پروژه که به‌مرور رشد می‌کند و میان صفحه‌هایش پیوند دارد.

بنابراین اطلاعات ثابت و کوتاه کاربر را در حافظه، روندهای اجرایی را در مهارت، و دانش حجیم و قابل‌ارجاع پروژه را در ویکی قرار دهید. مستندات رسمی Hermes درباره‌ی سامانه‌ی مهارت‌ها جزئیات بیشتری دارد.

چه زمانی از LLM Wiki استفاده کنیم؟

این الگو برای پژوهش چندمرحله‌ای، مستندسازی محصول، تحلیل رقبا یا پروژه‌ای مناسب است که منابع و پرسش‌هایش در طول زمان زیاد می‌شوند. برای چت کوتاه، چند فایل کم‌اهمیت، داده‌ی محرمانه‌ی بدون مجوز یا اطلاعاتی که مرتب تغییر می‌کند و باید از سامانه‌ی زنده خوانده شود، ویکیِ ایستا انتخاب مناسبی نیست.

برای شروع کوچک، یک موضوع محدود انتخاب کنید، منابع قابل‌اعتماد را وارد کنید، پیوندها و ارجاع‌ها را بازبینی کنید و سپس درباره‌ی گسترش ویکی تصمیم بگیرید. برای آشنایی با خود ابزار، راهنمای دستورات Hermes Agent را هم ببینید.

پرسش‌های متداول درباره‌ی الگوی LLM Wiki

آیا LLM Wiki همان RAG است؟
نه دقیقاً. RAG معمولاً هنگام پرسش، بخش‌های مرتبط را از منابع بازیابی می‌کند. در الگوی LLM Wiki، مدل علاوه بر مراجعه به منبع، یک مجموعه‌ی پایدار از صفحه‌های خلاصه و پیوندخورده را نگهداری می‌کند. این دو رویکرد می‌توانند در یک سامانه کنار هم استفاده شوند.
آیا LLM Wiki به دیتابیس یا Obsidian نیاز دارد؟
خیر. پایه‌ی این الگو فایل‌های Markdown است و مهارت Hermes می‌تواند آن‌ها را در یک پوشه نگهداری کند. Obsidian فقط یکی از ابزارهای اختیاری برای مرور این فایل‌هاست.
آیا Hermes همه‌ی گفتگوها را خودکار وارد ویکی می‌کند؟
خیر؛ وجود مهارت به‌تنهایی به معنی ثبت خودکار همه‌ی گفتگوها نیست. منبع و گردش‌کار باید مشخص باشد و اطلاعات حساس نباید بدون بررسی وارد پایگاه دانش شود.
چطور از صحت اطلاعات ویکی مطمئن شویم؟
منبع هر نکته را حفظ کنید، تناقض‌ها را صریح علامت بزنید، لینک‌ها و صفحات را دوره‌ای بررسی کنید و ادعاهای مهم را دوباره با سند اصلی بسنجید.

برای پیاده‌سازی دستیار هوشمند متناسب با کسب‌وکار خود مشاوره می‌خواهید؟

نیاز و فرایند کاری‌تان را با تیم پالت بررسی کنید.

دریافت مشاوره از پالت