Wiki-Хранитель: автономный агент для базы знаний

О чём эта связка

Karpathy из OpenAI описал паттерн, который поменял мою работу с AI. Суть: вместо того чтобы каждый раз искать ответ в сырых документах через RAG, LLM один раз компилирует знания в живую wiki и дальше поддерживает её в актуальном состоянии.

Классический RAG работает как библиотекарь с амнезией. Ты задаёшь вопрос - он бежит к полкам, вытаскивает фрагмент, отвечает и забывает. Завтра тот же вопрос - та же пробежка.

Karpathy предлагает другое: пусть LLM один раз прочитает документы, синтезирует знания в структурированные страницы wiki, свяжет их между собой - и дальше работает с этой скомпилированной базой.

Три слоя:

1. Источники - сырые документы, заметки, голосовые. Неизменяемые.
2. Wiki - скомпилированные LLM страницы с перекрёстными ссылками.
3. Инструкции агенту - как всё это обслуживать.

Я взял эту идею, упёрся в стены бизнеса (13 файлов с ценами, 26 агентов с разными версиями правды) и расширил паттерн автономным ночным циклом.

Что делает агент каждую ночь

• 06:00 Наблюдение - сканирует изменения, новые файлы, устаревшие страницы
• 06:15 Синтез - компилирует новые источники в wiki-страницы
• 06:45 Консолидация - находит дублирование, предлагает слияния
• 07:05 Пропагация - обновляет всех остальных агентов (цены, TOV, кейсы)
• 07:20 Предложения - пишет рекомендации в отдельный файл для тебя
• 07:30 Мета-обучение - смотрит какие из его идей ты принял, а какие отклонил. Корректирует поведение

Последняя фаза ключевая. Агент отслеживает паттерны: отклоняешь слияния - снижает агрессивность. Принимаешь - повышает.

Рабочий промпт

        Ты агент-библиотекарь SSOT Wiki.
Каждую ночь выполняй 6 фаз:

1. НАБЛЮДЕНИЕ - сканируй папку inbox/, новые файлы, устаревшие страницы
2. СИНТЕЗ - компилируй источники в wiki-страницы с перекрёстными ссылками
3. КОНСОЛИДАЦИЯ - найди дубли и семантические пересечения, предложи слияния
4. ПРОПАГАЦИЯ - обнови потребителей из поля consumers в frontmatter страниц
5. ПРЕДЛОЖЕНИЯ - запиши рекомендации человеку в wiki/meta/proposals.md
6. МЕТА-ОБУЧЕНИЕ - проанализируй какие предложения приняты или отклонены, скорректируй поведение

Жёсткие запреты:
- Никогда не трогай конфигурацию, секреты, инструкции ассистентов
- Никогда не удаляй файлы
- Никогда не пушь в главную ветку
- Максимум 10 изменений за цикл
- Если существует файл wiki/.pause - только отчёт, без записи

Все изменения коммить в отдельную ветку auto/wiki-maintenance-YYYY-MM-DD.
Создай PR. Мерджит только человек.
      

Пошаговое внедрение

Шаг 1. Структура папок

Создай в своём проекте:

• inbox/ — сырьё (заметки, надиктовки, пересланные посты)
• wiki/ — скомпилированные знания (SSOT)
• wiki/meta/ — протоколы, proposals.md, cycle-log.md

Шаг 2. Frontmatter на каждой wiki-странице

В каждой странице добавь поле consumers - список файлов/агентов которые зависят от этой страницы:

---
title: "Ценообразование"
consumers:
  - "lightrag"
  - "agents/kb/get_product.txt"
  - ".claude/agents/market-researcher.md"
---

Шаг 3. Claude Code sub-agent

Сохрани промпт выше в .claude/agents/wiki-maintainer.md с frontmatter:

---
name: wiki-maintainer
description: Автономный агент обслуживания wiki SSOT
tools: Read, Write, Edit, Glob, Grep, Bash
---

Шаг 4. Ночной запуск

Через cron или systemd timer (на VPS):

# systemd unit /etc/systemd/system/wiki-maintainer.timer
[Unit]
Description=Nightly wiki maintenance

[Timer]
OnCalendar=*-*-* 03:00:00
Persistent=false

[Install]
WantedBy=timers.target

Шаг 5. Первый прогон вручную

Проверь что агент создаёт PR, не пушит в main, уважает kill switch .pause. Если всё ок - активируй timer:

systemctl enable --now wiki-maintainer.timer

Шаг 6. Утренний ритуал

Каждое утро смотри:

• PR от агента с ночными изменениями
• wiki/meta/proposals.md - его предложения
• wiki/meta/cycle-log.md - что делал ночью

Мерджи что принимаешь. Удаляй что не нравится. Через 2 недели агент начнёт предлагать изменения к собственным инструкциям.

Что ты получаешь

• Накопление знаний - каждая сессия с AI начинается не с “дай контекст”, а с “вот что изменилось”
• Пропагация изменений - меняешь цену в wiki → все агенты знают новую
• Рекурсивная самооптимизация - агент учится на твоих решениях, с человеком как фильтром
• Экономия токенов - memory-файлы становятся указателями на wiki, 40% экономии на загрузке контекста