开发者打造AI自动编排的本地企业知识库流水线

这两天我在折腾一套本地企业知识库。

思路大概是这样：先把原来的 Word、PDF、各种归档文件统一转成 MD，再参考 Karpathy 的 LLM Wiki 和 Google 的 OKF 方法，把这些零散文件重新整理、建立索引和关联。不是简单塞进向量库里等着 RAG，而是先让 AI 把这堆资料真正“编排”一遍。

现在第一版流水线已经跑起来了。

本地用的是 Qwen3.8-27B，再配上我自己从 Claude Code 思路里衍生出来的一套 Harness 框架。昨晚让它连续跑了 9 个小时，自己拆任务、读文件、整理内容、改目录、建索引，做长程的知识库编排。

这种感觉挺有意思。

以前做知识库，第一反应是找几个人，把资料分下去，定目录、定规范，然后慢慢整理。现在变成了我晚上给 Agent 一个任务，第二天起来看它干了一宿。

而且我还专门做了一套评估系统。知识库不是整理完看起来挺漂亮就算完，而是准备拿一套题去考它。评估速度和质量。哪些问题答不出来，哪些知识组织得有问题，再回头继续改。

现在效果到底怎么样，还得等这一轮编排彻底跑完再看。

但至少有一件事已经很明显了：

本地大模型开始不只是“回答知识库里的问题”。它开始帮我整理一个组织的知识本身了。