飞象 AI · 产品哲学 · 一页纸说明书

Wiki First:让知识在组织里复利增长

这套设计不是凭感觉来的。它直接对应 Andrej Karpathy 2026 年 4 月发布的 LLM Wiki 模式——一个让 AI 不再每次"重新发现"知识、而是持续编译并维护一个会"长大"的知识库的工程范式。本页用一页纸把这套理论 + 我们如何在飞象里落地讲清楚。

受众 · 对内对齐 / 对老板讲清楚 · v28 Wiki First 配套文档 · 2026-05 ← 回到 demo 入口

一 · 核心叙事 · 我们和"普通 RAG 知识库"的根本差别

传统 RAG 知识库每次提问都让 AI从碎片里重新拼答案,知识不积累; Wiki First 让 AI 持续编译并维护一份不断生长的知识资产—— 矛盾已经被标过、交叉引用已经在那里、综合判断已经反映你看过的一切。
Karpathy: "The wiki is a persistent, compounding artifact." (这是一个持续累积、不断增值的资产)

给老板的一句话翻译:飞象不是又一个"AI 知识库"。它是让你的教学经验、班级学情、教研沉淀,第一次像复利一样持续增长的资产。

二 · 三层架构 · 这是飞象的产品骨架

RAW · 原料

原始资料

老师上传的真相之源。课件、试卷、答疑、教研纪要、错题、笔记…

  • 不可改动
  • 所有结论可追溯到这一层
  • 越喂越多 → 越用越懂
谁动它:老师上传 · AI 只读不改
WIKI · 成品

AI 整理的知识页

互相链接的笔记。考点页、专题页、班级学情画像、教学方法笔记…

  • AI 读完原料后自动生成
  • 新原料进来,AI 横扫更新所有相关页
  • 每段都带原文出处
谁动它:AI 写 · 老师审核 / 纠错
SCHEMA · 规则

AI 工作的"作业指导书"

这位老师的教学风格、出题偏好、归类习惯、易错点关注…

  • 从老师的纠错和反馈中自动沉淀
  • 下次 AI 自动按规则做事
  • 越用 AI 越像"专属助教"
谁动它:老师"教"AI · 不写文件

三 · 三种角色 · 不同的人看到不同的飞象

角色 主屏 他们碰哪些层 不该看到的东西
学生消费者 Chat 提问 + 答案带出处 问 AI → 看 wiki 页(追溯) 原料库目录 / schema / 编辑入口
老师创作者 · 核心 Wiki 主屏 + 上传入口 三层全碰:喂 raw、审 wiki、教 schema 裸 markdown 配置文件 / 跨班级权限
学校管理员管理者 后台 · 健康度 / 配置 schema 的硬规则层(权限、合规、审核)

飞象的核心用户是老师——这也是为什么 Wiki First 这一版默认进的是 02-personal-home.html(个人 Wiki 主页 + 上传入口),而不是聊天框。学生场景另起一条产品线,看到的是 Chat 主屏。

四 · 老师每天做的 4 件事

1

喂原料

每天 · 最高频

把课件、试卷、答疑、错题扔进飞象。拖拽 / 复制 / 语音 / 一键导入飞书。

2

审 Wiki

每天 · 中频

翻 AI 整理的知识页。看 AI 把哪些资料归到了哪、有没有错。

3

改 Wiki

每周 · 中频

就地纠正:"这道题应该归到二次函数综合,不是基础题。" AI 立刻改。

4

教 AI

每周 · 最关键

AI 反问:"以后含参的都这样归吗?"老师答"对"——规则就此沉淀进 schema。

第 4 件事是飞象与众不同的地方。它把"AI 学会一位老师"这件事,从一次性的训练,变成了每天点滴沉淀。

五 · 关键原则 · Schema 永远不让老师"写文件"

错误做法

给老师一个 CLAUDE.md 文件,让她填规则。

飞象做法

老师在工作中纠错 → AI 反问 → 老师确认 → AI 自动沉淀规则。

错误心智

"老师要管理 schema"——又多一件事要做。

飞象心智

"老师在教 AI"——像带新助教,越教越懂你。

错误呈现

schema 是一个 markdown 文件,永远藏起来或永远露出来。

飞象呈现

schema 呈现为「AI 已经学会的 N 条规则」——可看、可调、可关掉,但不写。

六 · v28 demo 与理论的对照

理论概念 v28 demo 体现 状态 备注
Raw(原料) Hero "87 份资料" + 上传按钮 → 01-upload-onboarding 已实现 入口清晰
Wiki(成品) "16 个 Wiki 页" + 按主题浏览 + Canvas Wiki 详情 已实现 是默认主屏
Ingest(吃进) 01-upload-onboarding.html → 扫描 → 4 阶段进度 已实现
Lint(体检 / 周报) "飞象 AI 整理纪要"卡片:本周新增 / 更新 / 主题分布 / 高频引用 已实现 比 Karpathy 原文更产品化
Index(目录) "按主题浏览" + 引用次数 已实现
出处溯源 Wiki 段落带 [导入课件.pptx P3] 引用 已实现 信任感的关键
Query(提问) 底部 command bar + chat-stream 已实现
审 / 改 Wiki 底部 command bar 已存在,老师对话即可纠错 已实现 原则:不做编辑器,纠错走对话
Schema 沉淀 底部入口升级为「飞象怎么工作 + 已学到的 N 条」抽屉,AI 默默记住,老师 review 时点开 已实现 以人话规则展示,不暴露 schema 文件

七 · 设计决策 · 实现总结

价值判断 · 飞象做产品的"根"

用户不在意过程,只在意结果。
AI 记住了能生成更好的内容服务用户,就是最好的功能。

用法:每个功能都先问一句"这是过程还是结果?"
· 过程性("AI 在思考"、"AI 学到了"、"AI 正在归类")→ default 不做
· 结果性(更好的题、更准的学情、更对的归类、可被老师调整的偏好)→ 专注做对

边界:本判断仅适用于"老师作为创作者"的飞象主场景。医疗诊断、法律文书、金融决策等"过程必须透明"的产品不适用。

由此推导出五条"不做"的原则(避免过度设计):
不做 wiki 编辑器 · 纠错走对话,加编辑器会退化成 Notion+AI
不做 wiki 段落 hover 按钮 · 底部对话框已经够用,YAGNI
不做"AI 学到了"独立页面 · 复用现有底部入口,避免老师"又一件事要管"
不展示底层 schema(JSON/markdown)· 那是 AI 读的,不是老师读的
不做对话流"我记住了"瞬时提示 · AI 默默记住即可,老师想 review 时点开抽屉看清单
    (曾考虑过,反复迭代后判定:每次对话都浮提示是噪音;抽屉式入口已能完整满足"被看见"的需求)

已落地 · 让 schema 沉淀"被看见"的方式

02-personal-home.html 底部,把原"了解 AI 整理逻辑 →"链接升级成两层内容的右侧抽屉:

  • ① 飞象的整理逻辑(产品说明,所有人一样)· 三层架构、可追溯、出处引用 …
  • ② 飞象学到了你的 N 条规则(每个老师专属、动态累积)
    每条带:人话规则 + 学到的时间 / 来源对话 + [改一下] [关掉]
  • 分层显示:老师个人规则(可改可关)+ 教研组共识(可看协商改);学校层硬规则不展示
  • 老师想 review "AI 学了什么" 时找得到,平时不打扰;这是"飞象越用越懂你"的可视化证据链

Demo 演示参数(给老板/团队看效果用)

  • 02-personal-home.html · 默认 wiki 主屏,演示整体
  • 02-personal-home.html?demo=chat · 直接进对话视图,看样例对话
  • 02-personal-home.html?demo=panel · 直接弹出"飞象怎么工作 + 已学到 23 条"抽屉