Jak sprawdzić świeżość dokumentów w knowledge base?

Skrypt walidacji z progiem 60 dni według metadanych. Rewizja kluczowych faktów bez przepisywania.

Czym są statusy dokumentów w workbench?

Active, reference, draft, archived. Zarchiwizowane są przenoszone do podkatalogu dla widoczności agenta z oznaczeniem.

Jak uniknąć meta-optymalizacji w LLM?

Ograniczaj 30% czasu na narzędzia. Skup się na wyniku: produkt > CI > akceleratory.

Aktualizacja knowledge base dla LLM

Artykuł opisuje metody walki z nieaktualnością knowledge base w rozwoju LLM: skrypty walidacji, statusy dokumentów, cursor rules. Analizuje anty-wzorce meta-optymalizacji i hierarchię priorytetów. Proponuje praktyczne narzędzia dla middle/senior programistów.

By Sudonull Editorial Team • Published 2026-04-14 • Updated 2026-04-14

Utrzymywanie aktualności bazy wiedzy w projektowaniu LLM

Zestawienie dokumentów z upływem ważności prowadzi do błędów działania agentów LLM. Dokumenty tracą aktualność od momentu utworzenia, szczególnie przy równoległym rozwoju dziesiątek projektów. Zmiany w usługach, statusach i zależnościach nie są automatycznie odzwierciedlane, co zakłóca kontekst. LLM ufa dostarczonym danym i generuje rozwiązania oparte na przestarzałych informacjach. Rozwiązanie — automatyzacja sprawdzania i ustalenie reguł zachowania, aby zapobiec akumulacji entropii.

Przejście do projektowania LLM przesuwa nacisk z rutynowych zadań na metodologię: zarządzanie kontekstem, weryfikację i organizację procesu. Workbench jako centralna baza wiedzy podłączona do IDE wymaga ciągłej opieki.

Automatyczna walidacja dokumentów

Skrypt walidacji, integracyjny z CI, sprawdza trzy aspekty:

Spójność wewnętrznych linków markdown.
Aktualność dokumentów na podstawie metadanych (próg 60 dni).
Pokrycie projektów plikami workspace dla dostępu agenta.

Podczas pierwszego uruchomienia wykrywane są uszkodzone linki — pozostałości migracji z repozytoriów. Sprawdzenie aktualności wymaga przejrzenia kluczowych faktów bez ponownego pisania. Dodatkowy skrypt agreguje TODO z plików markdown, tworząc jedno miejsce przeglądu zadań dotyczących wdrożeń, CI i projektów.

Przykład wyjścia skryptu:

$ ./tools/validate.sh
[markdown links]
  WARN:  broken link in domains/infra/topology.md -> decisions/adr_007.md
  WARN:  broken link in projects/api/architecture.md -> ../shared/schema.md
  INFO:  42 broken link(s) out of 189 checked

[document freshness — threshold 60d]
  WARN:  stale (87d): projects/data-pipeline/architecture.md
  INFO:  1 document(s) exceed freshness threshold

[project coverage]
  OK:    all projects have workspace files

=== Result ===
  Errors: 0 | Warnings: 43 | Info: 2

Realizacja — skrypty bash o długości 300 linii, skupione na systematyczności.

Stany i cykl życia dokumentów

Dokumenty kategoryzowane są według stanów: active, reference, draft, archived. Pozwala to agencie rozróżnić aktualne materiały od artefaktów.

Active: regularne aktualizacje co tydzień, jak plany strategiczne.
Reference: stabilne opisy protokołów.
Draft: szkice.
Archived: przenoszenie do podkatalogu bez usuwania, z zachowaniem widoczności dla wyszukiwania.

Historia Git nie zastępuje archiwum: agent widzi oznaczone dokumenty, ale uwzględnia stan. Data i stan w nagłówku zapewniają przejrzystość.

Reguły w cursor rules dla dyscypliny

Globalne reguły cursor we wszystkich workspace'ach ustalają zachowanie:

Po fazie pracy — aktualizacja statusów, metryk, backlogów w workbench z wygenerowaniem listy zadań.
Przy wyczerpaniu okna kontekstowego — tworzenie continuation prompt do płynnego kontynuowania.
Aktualizacja planów w tej samej sesji przy zmianach.

Te reguły zapobiegają uruchamianiu sesji z przestarzałym kontekstem.

Unikanie meta-optymalizacji

Automatyzacja z LLM jest tania, ale prowadzi do prokrastynacji: infrastruktura bez usług produkcyjnych, plany bez kodu. LLM nadaje przekonującą formę pomysłom, rozmywając granicę między działaniem a wynikiem.

Kryteria pułapki:

Nadmierna ocena ROI: skrypt na 10 godzin dla 5 użyć daje straty.
Blokada startu: oczekiwanie idealnych warunków (typy, testy).
Skupienie się na narzędziach zamiast na pracy.

Hierarchia odległości od wyniku

Oceniaj aktywność według bliskości do produktu:

Bezpośredni wynik: działający produkt.
Systemy wspierające: CI/CD, monitorowanie.
Przyspieszacze: typizacja, reguły cursor, workbench.
Meta-przyspieszacze: LLM-workflow.
Poziom meta: refleksja.

Limit: nie więcej niż 30% czasu na bardziej odległe poziomy. Workbench to przyspieszacz, ta artykuł to poziom meta.

Poziomy dojrzałości automatyzacji LLM

Postęp jest etapowy:

Recenzja wyników agenta.
Autonomia z blokadą CI.
Pełny pipeline po stabilizacji.

Błąd: automatyzacja cyklu bez podstawowego CI.

Co ważne

Przestarzały kontekst zatruwa LLM: automatyzuj walidację linków, aktualności i pokrycia.
Stany dokumentów (active/reference/draft/archived) dają agencie sygnały zaufania.
Reguły cursor zapewniają aktualizacje w sesji i continuation prompts.
Unikaj meta-optymalizacji: 70% czasu na wynik, 30% na narzędzia.
Dojrzałość automatyzacji — od ręcznej recenzji do pipeline etapowo.

— Editorial Team

Aktualizacja knowledge base dla LLM