46 lines
1.9 KiB
Markdown
46 lines
1.9 KiB
Markdown
---
|
||
title: "Personal Knowledge Base (RAG)"
|
||
type: source
|
||
tags: [agent, rag, knowledge-base, memory]
|
||
date: 2026-04-15
|
||
---
|
||
|
||
## Source File
|
||
- [[raw/Agent/usecases/knowledge-base-rag.md]]
|
||
|
||
## Summary
|
||
- 核心主题：语义可搜索个人知识库，自动从任意 URL（文章/tweets/YouTube/PDF）摄取内容
|
||
- 问题域：书签堆积无法检索，看过的内容找不到
|
||
- 方法/机制：Drop URL 到 Telegram/Slack → 自动抓取内容 → 向量嵌入 → 语义搜索返回 ranked 结果+来源
|
||
- 结论/价值：RAG 驱动的个人第二大脑；其他工作流可查询知识库获取相关已存内容
|
||
|
||
## Key Claims
|
||
- Drop any URL 自动摄取：文章/tweets/YouTube transcripts/PDFs
|
||
- 语义搜索："What did I save about agent memory?" 返回 ranked 结果+来源引文
|
||
- 喂入其他工作流：视频创意管线构建 research cards 时自动查询知识库
|
||
- Zero maintenance：URL 即摄入触发器
|
||
|
||
## Key Quotes
|
||
> "You read articles, tweets, and watch videos all day but can never find that one thing you saw last week." — 核心痛点
|
||
|
||
## Key Concepts
|
||
- [[RAG]]：Retrieval-Augmented Generation，基于向量嵌入的语义检索
|
||
- [[个人知识库]]：第二大脑，内容自动积累+语义检索
|
||
- [[语义搜索]]：自然语言查询，返回 ranked 相关结果
|
||
- [[内容摄取]]：URL → 结构化文本 → 向量嵌入全流程
|
||
|
||
## Key Entities
|
||
|
||
## Connections
|
||
- [[NotebookLM]] ← 共享 source-grounding 理念
|
||
- [[向量数据库]] ← 底层存储检索基础设施
|
||
- [[Embedding]] ← 语义表示核心机制
|
||
- [[Agentic AI]] ← 自主触发知识库查询
|
||
- [[Content Factory]] ← 可查询知识库获取背景信息
|
||
|
||
## Contradictions
|
||
- 与传统书签/笔记工具冲突：
|
||
- 当前观点：语义搜索+自动摄取优于手动书签整理
|
||
- 对方观点：手动整理确保质量和结构
|
||
- 结论：摄取自动化+人工审核结合最优
|