синтезированы моделью gpt-5.1. Для построения wiki исходный документ был разделён на 25 частей (24 статьи плюс титульная страница), затем в Obsidian был добавлен файл AGENTS.md, и с помощью Claude Code (Sonnet 5) за 20 минут при затратах менее 3,7 доллара было сгенерировано 32 wiki-страницы. Wiki-агент состоял из четырёх компонентов: навигатора (gpt-4.1-mini), линкера (gpt-4.1-mini), сборщика контекста и синтезатора (gpt-4.1). Система RAG использовала LangChain, ChromaDB, FastAPI и локальные эмбеддинги; чанки создавались на основе второго уровня нумерации статей (всего 144 чанка). Оценка проводилась по метрикам Precision и Recall: факты из ответов сравнивались с эталоном — ответом LLM, видевшей весь текст. Результаты для трёх конфигураций wiki-агента (без доступа к источнику, с доступом, с доступом и линкером) показали, что медианный recall для LLM-wiki составил около 0,72 по сравнению с 0,54–0,57 для RAG, при этом p-значения по тесту Уилкоксона находились в диапазоне от 10⁻⁸ до 10⁻¹¹. Что касается precision, статистически значимая разница наблюдалась только в двух конфигурациях (p < 0,05) и полностью исчезла при добавлении линкера (p = 0,348). Линкер не дал статистически значимого улучшения. Доступ к источнику умеренно помогал на фактологических вопросах, но эффект был незначительным. Автор отмечает, что выводы ограничены данным набором данных.