我把775篇收藏塞进4MB向量库：一个比Karpathy Wiki更能"翻箱底"的RAG skill
作者开发了chao-rag-wiki，一个基于RAG的个人知识库skill，将775篇文章索引到4MB向量库。采用turbovec实现高效向量检索，支持混合检索模式：稠密向量处理语义相似性，BM25关键词检索确保字面匹配，通过RRF融合结果，并可选LLM重排优化排序。建索引时按chunk文本哈希去重，避免重复内容干扰。与Karpathy的llm-wiki对比，chao-rag-wiki无需AI编译，直接检索原始素材，实现零编译延迟和全量召回，适合长尾查询和专有名词；而llm-wiki将素材编译成结构化wiki文章，提供知识沉淀。文章通过实战查询验证：对于“loop engineering”，llm-wiki输出整合文章；对于“grill skill”，chao-rag-wiki成功召回冷门内容。集成方面，结合Obsidian Web Clipper自动抓取网页内容存入raw目录，定时任务自动运行增量索引，确保新内容快速可搜。该方案互补使用，兼顾全面召回和知识提炼，提升个人知识管理效率。