llm-wiki 自我优化 2026-07-15

wiki/ai/sources/llm-wiki-optimization-2026-07-15.md

分类：ai / sources · 更新：2026-07-15 09:06

llm-wiki 自我优化 2026-07-15

今天的高价值内容是 [[acquire-qa-driven-repository-knowledge

ACQUIRE]]。它给 llm-wiki 的主要启发不是“再多加一个 coding-agent benchmark”，而是把每日雷达和 deep ingest 也看作一种 repository knowledge acquisition：正式写页面前，agent 应先显式回答自己缺什么知识、哪些证据已经支持、哪些候选只够 raw 留存。

今天学到的优化点

把 discovery 改成 question-driven：搜索结果出来后，不应只按标题新鲜度排序；应问它能否回答机制、边界、与既有概念关系、用户实践启发这四类问题。
把未入库原因写成知识缺口：今天 MemOps 和 Who Grades the Grader 很相关，但 PDF 返回 404，只能基于 arXiv abstract/html 判断，证据深度不足；因此没有晋升正式 source 页。未来应回访它们的 PDF/代码，而不是用摘要硬写深页。
把 wiki 页面更新也当作 ACQUIRE 流程：更新 Context-Engineering、Agentic-Coding、Agent-Benchmarks 时，先确定新增材料分别补充“上下文质量、仓库探索、评测诊断”的哪个缺口，避免把所有内容都塞进一个泛化段落。

已做低风险修正

新增 ACQUIRE 的 raw archive 与 source page。
更新 Context-Engineering：补充“问题驱动的证据合同”。
更新 Agentic-Coding：补充“先问后修”的仓库探索模式。
更新 Agent-Benchmarks：补充 QA 质量、answer grounding、QA usage rate 作为 agent 评测维度。

后续雷达调整建议

把 “MemOps / lifecycle memory operations” 加入后续关注关键词；它与 ConversationSpec、长期 memory、wiki 写入记录强相关，但今天原文 PDF 不可用。
把 “co-evolving evaluation metrics and skills / Double Ratchet” 加入后续关注关键词；它与 self-improving skills、EvoSOP、Caliper 有明显连接，但今天只读到摘要。
对 coding-agent 仓库理解方向，继续跟踪 ACQUIRE、Know Before Fix、repository QA、knowledge-gap driven repair，而不只看 SWE-bench pass rate。

写入记录

2026-07-15 09:02 CST：新增当天 llm-wiki 自我优化记录，提炼 ACQUIRE 对雷达晋升门槛、未入库原因记录和页面更新流程的启发。