把二十二年的文字交给AI重组一次。——肾上，雅集四年九月十九日
动机
2001年和2004年，先严和先慈相继去世后，我开始比较常规地写东西，07年我的rsywx.net域名注册完毕，站点开启，于是就一直用这个站点来发布我的文字。
22年来，我写了约1650篇博客文章（每年约75篇，4~5天一篇），约120万字，涵盖写作、读书、技术、生活等诸多方面。
博客的一个问题在于，它只是单纯地保存，只能提供最基本的文字搜索。所以，文章数量和文字数量上来之后，有三个问题必然出现：
- 我写过什么？
- 我想说什么？
- 更要命的是：我想说的东西，符合我自己坚守的公理么？
以及一个想法：能不能让别人也共享我的思考——一个RAG应用？
过程
AI来了之后，我有了“肾上の野望”：能不能让AI来完成这个工作？只说结论：可以，但代价很高。我的VPS硬件需要大幅升（jia）级（qian）才能完成。所以，最终答案是：不（mei）可（you）以（qian）。
还有一个是过程中发现的问题：RAG涉及的很多操作是黑盒的。
怎么切割、怎么索引、怎么理解问题、怎么找到答案、怎么组织回复……可中间发生了什么我看不见。模型读到了哪几篇、略过了哪几篇、凭什么这么回答，我都不知道。这让我很不放心……
方案
只能改变思路。前两天和朋友吃饭，谈到了Karpathy 写的LLM Wiki。我很快看了一下，要做的事情基本一样，但方向却正好相反。
它独到的地方是：基于来源，大模型过程化、增量地参与，并（如有必要）不断修正已有的结果。
不是“你问、它答”，而是每读进一篇文章，就去改一批已有的页面——补一节、修一句、标一处矛盾、添一条互引。今天读一篇，改十页；明天读两篇，再改十几页。它不生成新答案，它改已有的稿子，而且每次只改一点。这就有点“训练”的味道了。
我决定试一试。过程TLDR，只说两个小点：
第一个是误读。它读错过东西，而且不是读漏，是读出了原文里没有的东西。
有一回它替我整理时间线，其中一条写着我某年生过一场病。没有这篇文章。
还有一处更值得记。它替我总结《叫魂》那一节，写成“晚明的合法腐败”、“官僚腐败走到极点、民不聊生”。听着很顺，很像这本书该有的样子——可原文里一个字都没有这些。《叫魂》讲的是乾隆三十三年，离晚明差着一百多年。
这两处都没有语病，都能读懂，都不刺眼。它们根本不像错误。
后来我给它定了两条规矩：原文一个字不许动；凡是引到原文的话，都得带一条能指回原文的链接。
第二条是关键。真话假话，光靠表面和考据分不出来；但只要每句话都能回查，假话就没有地方可藏。
第二个是误判。它比误读麻烦：不是读错了字，是判断越了界。
我让它做一件事：拿我自己立下的三条准则（简单·自洽·利他），去检验我自己有没有做到。
它交上来的初稿，把其中一条的定义悄悄收紧了一档——然后拿这个更严的版本，去证明我没做到。
这不是造假，是根据它认为合理的边界进行的判断。
我再给它立了一个规矩：这种涉及定义和边界的事，我需要有最终决定权。
=======
现在它是一个站点，一个不断自我更新、自我检验的站点。
二十二年的旧文一篇不动，按年份排好，各自留在原先的地址上。在这之上另起一层，把散在各处的线索收拢成主题：读书、编程、游记、影像、生活。每一条从原文取来的话，都能点回去。
另有一份日志，按天记着每一次改动是怎么发生的，包括那些改错的。
意义
这么做的意义有两个。
一是重新认识自己。
这件事我原本没打算做。可是把二十二年摊平、连成一片之后，我才第一次能拿这些字当证据——不是证明文章写得好不好，而是回答一个关于我自己的问题。
我在2024年给自己立过三条准则：简单、自洽、利他。
后来我把它们往回追了一遍：这三条是我今天才立的，还是我一直在做的？追下来，最早的不是2024年——2009年我写过一篇《BT群公理》，明说是仿《几何原本》五大公理写的；2015、2016年，另外几条线也各自长了出来。公理式的思维，比2024年早十五年。
最后得到我希望的结论：
我一直是我自己。QED
二是时时检测自己是否遵循自己的原则。
这一条比上一条更实际。
准则写下来的那天是没有约束力的。约束力来自有人回头查，而且反复地查。这套东西正好能这么用：博客还在写，新文章还在进来，每进来一篇，相关的页面就得跟着改一遍——它逼着你回去看。
最后
最后，我想说的是，这个过程技术含量和硬件要求非常低。
最本地化的实施方案包括以下三步：
- 准备好你的文字的备份。最好是结构化的，比如博客的导出文件（我的是XML格式），或者独立的文章（建议用MD格式）。
- 下载那个
llm-wiki.md，打开一个支持agent的编辑器，（如有必要）做一些基本设定，用你自己熟悉的模型开始对话。而对话的第一句可以简单到：根据@llm-wiki.md的说明，对当前目录下我的博客/文章进行整理和汇编。- 这个过程不会一次过，需要多次来回。
- 本地发布或者发布到自己的服务器。它发布的内容很少，且软硬件要求很低。
最后，贴上一张我的站点的图片：
最后的最后
从23年开始的AI探索暂时会停一段时间，之后将开始认真读书。
Leave a Reply