AI·系统·创造·人将如何自处

知识库

6分钟阅读

知识库（完整用例）

像 Obsidian，但 AI 主动整理、互链、复利增长。一份能越用越聪明的第二大脑。

注：这里讲的是整套知识库系统的搭法。3- 那条同名页是”知识库原型”——原型是积木，这里是积木拼起来的房子。

🎯 做好这个可以做什么

传统知识库的痛点是：你存得越多，越找不到。一年后的 Obsidian 仓库就是一堆没人看的 md。

这套系统解决三件事：

  • 存进去的东西自己会长连接——你今天写一段对 “compounding engineering” 的笔记，AI 自动发现它和三周前你记的 Boris tip、两个月前读的 Karpathy 都有关
  • 问它问题它不翻遍全部——它翻已经编译过的”成品 wiki”，给你一个综合答案，而不是甩你 20 个搜索结果
  • 越用越准——你每次修订它的答案，它把你的修订回写到 wiki，下次问同样的问题答案更贴近你

核心差别：不是”存储”工具，是会自己编译自己的知识库。

🪨 最简单的实现

周末一下午能搭起来：

我的知识库/
├── CLAUDE.md        # 讲：这是什么 / 我关心哪些主题 / 我怎么组织
├── raw/             # 原料：读书笔记 / 对话转录 / 录音转文字
├── wiki/            # 成品：AI 编译过的概念页
└── skills/
    └── compile.md    # 一个 skill：把 raw/ 编译进 wiki/

关键区分：raw/ 是原料（不动）、wiki/ 是成品（AI 可写）。这两层分开是整个系统的地基。

MVP 怎么跑：

  1. 往 raw/ 扔东西（手写笔记、微信读书导出、对话转录）
  2. 跑 compile skill：AI 读完 raw 最新内容 → 写进 / 更新相关 wiki 页
  3. 以后查知识直接问 AI，让它读 wiki/ 回答

你会得到：

  • 原料和成品分离的清洁架构
  • 一个会主动组织素材的 AI 助手
  • 一份慢慢长大的概念网

你不会得到：

  • MVP 阶段还没有双向链接的自动维护
  • 没有 RAG / 向量检索（但你不一定需要——见 反 RAG 观点）

🔺 第一次升级 · 双向链接 + RAG（可选）

MVP 跑两个月后你会遇到两个问题：同一个概念在多个 wiki 页重复写、AI 有时找不到旧材料。

加两样：

  • 双向链接自动化——compile skill 升级：每写一段新内容，扫全 wiki 找可以互链的地方，自动加 [[]]。这是 Zettelkasten 的核心机制
  • RAG（看情况）——如果你素材量过万字，可以加向量检索帮 AI 在 raw/ 里找相关片段。但不是必须的——glob+grep 在大多数场景已经够用了

这一步之后，你的 wiki 开始真正像一张网——新节点自动找到老节点、老节点知道自己被谁引用。

🗼 第二次升级 · Karpathy LLM Wiki 模式

到这一层就是最高形态：AI 自己 ingest、自己 compile、自己 lint、自己做 “filed-back 好答案” 的闭环。

详见 Karpathy LLM Wiki（方法论母文）。

核心机制：

  • raw/ = 不可变原料（read-only for LLM）
  • wiki/ = LLM 拥有的成品（既是知识库也是对外面孔）
  • AI 定期扫 raw → 合成 wiki → 建双向链接 → 更新索引
  • 用户问问题，AI 的答案如果经过用户修订，被 filed back 进 wiki 更新原页

这是 AIBuilder 本 wiki 自己在做的事——你现在读的这个 wiki 就是这套模式的活样本。细节看：

还有现成 repo 可以抄：

🧭 陈彬视角（待 BB）

陈彬跑 PK / DG / AIBuilder 三套知识库的对比实战 · 补充位

🔗 延伸

关系图谱