富养化

摘要

在知识管理与AI应用语境下，“富养化”指一种通过持续、系统性地灌注结构化、高质量信息（如经过知识编译、混合检索优化的内容），使AI模型或个人知识库（个人知识库）的性能、理解深度和应用能力得到显著增强和“滋养”的过程。它强调从被动的数据堆积转向主动的、有策略的“营养”供给，以避免知识膨胀，促进知识闭环与知识巩固，是构建高效长期记忆和实现替代RAG等先进方案的核心理念之一。

核心要点

• 核心定义：通过高质量、结构化信息注入，系统性提升AI或知识库能力的过程。
• 目标导向：旨在避免[[知识膨胀]]，促进[[知识闭环]]与[[知识巩固]]，构建强大[[长期记忆]]。
• 实施关联：与[[知识编译]]、[[混合检索]]、[[向量量化]]等技术手段紧密相关，是[[维基风格知识库]]等理念的实践延伸。

相关内容

• [[知识编译]]
• [[混合检索]]
• [[个人知识库]]
• [[知识膨胀]]
• [[知识闭环]]
• [[知识巩固]]
• [[长期记忆]]
• [[替代RAG]]
• [[维基风格知识库]]
• [[向量量化]]

---

> 编译时间: 2026-06-13 23:38 | 来源: `rocom-wiki/meta/富养化.json`