当律师遇上AI(二):我用Karpathy的三层架构重构了知识库

一、偶然的发现

今天我在高铁上浏览 GitHub Gist，偶然看到Andrej Karpathy分享的LLM Wiki三层架构时，那种兴奋感，就像小学时第一次读到《学习的革命》一书的激动。当年那本书让我第一次接触到脑图记笔记的方法，给我尚且懵懂的小小心灵带来了极大的震撼。

回过头来审视自己用了很久的Obsidian笔记，才发现一直沿用的层层嵌套架构（01-诉讼技能/02-公司股权/…），其实存在很大的不合理性：

二、Karpathy LLM Wiki三层架构是什么？

简单来说，这是一套专为AI协作设计的知识管理架构，分为三层：

层级	名称	核心作用	类比
第一层	Raw Source	原始资料存储层（只读）	图书馆的书架
第二层	The Wiki	结构化知识库层（可写）	经过整理的知识卡片
第三层	The Schema	系统规则层（维护）	图书馆的管理制度

核心逻辑

Raw Source → The Wiki → The Schema，数据流单向，职责清晰：

三个核心指令

三、今天我做的具体工作

3.1 第一步：重建Obsidian根目录结构

我放弃了原有的三大文件夹结构（OBS工作/、OBS学习/、OBS生活/），按照Karpathy架构在Obsidian根目录创建三个文件夹：

# Obsidian库根目录
/Users/toshaun/Library/Mobile Documents/iCloud~md~obsidian/Documents/S Obsidian/

# 新建三层架构文件夹
Raw Source/     # 原始资料层
The Wiki/       # 知识库层
The Schema/     # 规则层

关键决策：所有现有内容（600+篇笔记）全部迁移到Raw Source/，视为原始材料，后续通过”Raw”指令逐步生成Wiki条目。

3.2 第二步：编写Python脚本，批量处理533个文件

原有笔记分布在3层嵌套文件夹中（OBS学习/01-诉讼技能/...），需要全部扁平化移动到Raw Source/根目录。

我编写了flatten_raw_source.py脚本：

#!/usr/bin/env python3
“””
功能：将Raw Source中的嵌套文件夹扁平化
作者：WorkBuddy AI助手
日期：2026-05-05
“””

import os
import shutil
from pathlib import Path

# Raw Source路径
raw_source = Path(“/Users/toshaun/Library/Mobile Documents/iCloud~md~obsidian/Documents/S Obsidian/Raw Source”)

# 1. 遍历所有嵌套文件
for root, dirs, files in os.walk(raw_source):
    for file in files:
        if file.endswith(‘.md’):
            src_path = Path(root) / file
            dst_path = raw_source / file
            
            # 2. 处理文件名冲突（添加父文件夹名作为前缀）
            if dst_path.exists():
                parent_name = Path(root).name
                new_name = f”{parent_name}_{file}”
                dst_path = raw_source / new_name
            
            # 3. 移动文件
            shutil.move(str(src_path), str(dst_path))
            print(f”✅ 已移动：{file} → {dst_path.name}”)

# 4. 删除空文件夹
for root, dirs, files in os.walk(raw_source, topdown=False):
    for dir in dirs:
        dir_path = Path(root) / dir
        if not any(dir_path.iterdir()):  # 文件夹为空
            dir_path.rmdir()
            print(f”🗑️ 已删除空文件夹：{dir}”)

运行结果：

3.3 第三步：创建The Schema系统规则

在The Schema/文件夹中，我创建了两个核心文件：

文件1：系统运行规则.md

这个文件定义了三层架构的完整运行规则，包括：

三层架构定义：

三个核心指令：

工作硬性约束：

文件2：Wiki条目模板.md

这个文件定义了Wiki条目的标准格式（6段式）：

# Wiki条目模板

## 基础信息
– 更新日期：YYYY-MM-DD
– 信息来源：[[对应的Raw Source文件]]
– 关联条目：[[相关Wiki条目]]

## 核心要点
（提炼最核心的知识点，3-5条）

## 关键拆解
（详细拆解知识点，可分多个子标题）

## 冲突点
⚠️ 如果存在不同观点或冲突表述，在此标注

## 误区
（常见误解或注意事项）

## 延伸关联
（相关概念、前置知识、后续可扩展条目）

3.4 第四步：批量生成Wiki条目（前20个高价值文件）

我使用”Raw：”指令，处理了前20个高价值Raw Source文件，按主题合并生成了7个consolidated Wiki条目（而非逐文件生成20个条目）：

序号	Wiki条目名称	合并文件数	主题
1	执行实务｜失信限高区别与亲属账户查控.md	3	执行实务
2	民事诉讼｜再审程序与四级法院审级改革.md	2	民事诉讼
3	商事仲裁｜优势分析与合同条款设计.md	2	商事仲裁
4	合同实务｜买卖合同纠纷与事实认定.md	3	合同实务
5	合同编司法解释｜抵销权行使与居间报酬认定.md	2	合同编司法解释
6	企业合规｜预付式消费司法解释解读.md	1	企业合规
7	婚姻家事｜再婚夫妻财产与继承法律问题.md	1	婚姻家事

合并策略示例：

3个执行相关文件（失信限高.md、作为执行律师.md、东莞执行.md）→ 合并为1个Wiki条目执行实务｜失信限高区别与亲属账户查控.md

3.5 第五步：创建raw-to-wiki Skill

为了复用这个工作流，我创建了raw-to-wiki Skill（~/.workbuddy/skills/raw-to-wiki/SKILL.md），编码了完整流程：

name: raw-to-wiki
description: >
  Process Raw Source files into consolidated Wiki entries
  for the Karpathy LLM Wiki three-layer architecture.
agent_created: true

Skill功能：

四、如何使用新的架构？

搭建好三层架构后，日常使用非常简单，核心就是三个指令：

4.1 Raw指令：处理原始资料，生成Wiki条目

触发方式：对AI说”Raw：xxx”（xxx可以是文件名、主题、或”全部”）

使用示例：

用户：Raw：处理高价值文件，先处理前20个

AI工作流程：
1. 读取Raw Source/中的前20个高价值文件
2. 按主题合并相关内容（如3个执行相关文件→1个Wiki条目）
3. 生成6段式Wiki条目
4. 保存到The Wiki/文件夹
5. 输出处理摘要

适合场景：

4.2 Wiki指令：基于知识库回答问题

触发方式：对AI说”Wiki：xxx”（xxx是你的问题）

使用示例：

用户：Wiki：失信被执行人的限制高消费措施，如何影响亲属账户？

AI回答流程：
1. 搜索The Wiki/中的相关条目（如”执行实务｜失信限高区别与亲属账户查控.md”）
2. 综合多个条目给出答案
3. 注明知识来源（引用Wiki条目名称）
4. 如果Wiki中没有相关信息，提示用户先使用”Raw：”指令处理相关Raw Source文件

适合场景：

4.3 Schema指令：健康检查，维护Wiki质量

触发方式：对AI说”Schema”或定期（如每月）自动触发

检查内容：

AI健康检查流程：
1. 扫描The Wiki/中的所有条目
2. 检测：
  – 冲突观点（同一主题的不同表述）
  – 过时内容（法律依据已修改）
  – 孤立条目（没有与其他条目建立关联）
3. 生成健康报告（按优先级排序）
4. 可选：自动修复简单问题（需用户确认）

适合场景：

4.4 完整工作流示例

假设你刚结束一个股权转让纠纷的案件，想把这个案件的知识沉淀到Wiki：

五、实际效果对比

改造前（原有嵌套结构）

OBS学习/
├── 01-诉讼技能/
│   ├── 失信限高.md
│   ├── 作为执行律师.md
│   └── 东莞执行.md
├── 02-公司股权/
│   └── 回购条款设计.md
└── …（共9个文件夹，600+篇笔记）

痛点：

改造后（Karpathy三层架构）

Raw Source/          # 533个文件，扁平化存储
├── 失信限高.md
├── 作为执行律师.md
├── 东莞执行.md
└── …（所有文件都在根目录）

The Wiki/            # 7个结构化条目（会继续增加）
├── 执行实务｜失信限高区别与亲属账户查控.md
├── 民事诉讼｜再审程序与四级法院审级改革.md
└── …（按主题合并，易于检索）

The Schema/          # 2个系统规则文件
├── 系统运行规则.md
└── Wiki条目模板.md

优势：

六、一些感悟

今天这个过程，让我深刻体会到工具选择背后的思维模型。

以前用嵌套文件夹，是传统的文件管理思维：把知识当成”文件”，用文件夹分类。

现在用Karpathy三层架构，是AI原生思维：把知识当成”可计算的数据”，用分层架构让AI能高效地处理。

最关键的改变：

这种架构，不仅适用于Obsidian+AI协作，其实也适用于律师事务所的知识管理：

七、下一步计划

如果你对Karpathy LLM Wiki三层架构感兴趣，或者想搭建自己的AI原生知识管理系统，欢迎在评论区交流。

---

---