AI知识库不该只会收藏:我想打造一个能自动加工的AI知识库,把 Dan Koe 和 LLM Wiki 合成 AIWiki

前两篇写完后，我反而更确定了一件事：

我真正想做的，不是一个普通知识库。

第一篇我讲的是收藏吃灰的问题。很多人收藏了大量文章、链接、笔记、教程，但真正要写文章、做方案、整理思路时，还是要从零开始。【为什么你收藏了那么多文章，最后还是写不出来想要的文章？你要打造自己的个人知识工厂】

第二篇我讲的是 Karpathy 提出的 LLM Wiki。它给我的启发是：知识库不应该只是资料堆，也不应该每次都靠 RAG 临时翻资料、拼答案，而应该让 AI 持续把资料读懂、拆解、整理、更新，形成一个不断生长的 Wiki。【Karpathy 的 LLM Wiki 给了我一个启发：知识库不该只是收藏夹，而是加工成可调用、可维护、可产出的内容资产，提写作和内容创作效率】

但到这里，我发现还差最后一块。

如果一个知识库只是越来越完整，但不能帮我写文章、做选题、产出方案，那它仍然离我的真实工作流有一段距离。

所以，我开始想：有没有可能把这两条线合在一起？

Dan Koe 给我的启发，不是某个具体模板，而是一种内容生产的思路。

很多人以为，持续输出靠的是灵感。今天有灵感，就写一篇；明天没灵感，就断更。看到好文章就收藏，看到好观点就记下来，期待未来某一天能用上。

但真正到了要写的时候，还是打开空白文档，从标题开始重新想。

每次创作都像重新开工：重新找资料，重新想角度，重新设计结构，重新找案例，重新组织表达，重新说服自己这篇文章值得写。

一篇文章如果只是被收藏，它还是别人的文章。只有当它被拆出来，变成观点、钩子、结构、案例、金句、转化弧、选题和大纲，它才开始变成你的素材。

我现在越来越觉得，内容创作不是从空白页开始，而是从素材库里长出来。

但只解决内容输出还不够。

如果所有素材只是散落在一堆文档里，时间久了，还是会乱。

这时候，Karpathy 的 LLM Wiki 给了我另一个启发：

传统 RAG 更像“临时翻书”。你问一个问题，系统去资料堆里找相关片段，然后临时拼出一个答案。

这当然有用。但问题是，这次回答结束之后，知识有没有真正沉淀？下次再问类似问题时，是不是还要重新检索、重新拼接、重新组织？

LLM Wiki 的思路不一样。它不是每次都临时找答案，而是在资料进入系统时，就开始做整理：保留原文、提取概念、更新页面、建立关联，把原始资料变成可维护的 Wiki。

这样，知识不是问的时候才被临时拼出来，而是在平时就被持续整理、更新和沉淀。

LLM Wiki 这条线解决的是：知识如何长期沉淀。

这两条线单独看都很有价值。

但我越想越觉得，单独做其中一个，都不够完整。

如果只学 Dan Koe 的内容系统，我会更重视选题、表达、内容资产、写作结构。但这些素材如何长期沉淀？如何更新？如何关联？如何避免越积越乱？这仍然是问题。

如果只做 LLM Wiki，我可能会得到一个更好的知识系统。它能保存原文、整理概念、更新 Wiki、建立知识关联。但这些知识如何变成选题、文章、公众号内容、视频脚本、项目方案？这条输出链路还不够直接。

所以我不想只做一个能存资料的知识库，也不想只做一个写作素材库。我想要的是二者之间的闭环。

这就是 AIWiki 的定位。

它不是普通 Obsidian 模板，不是提示词合集，不是另一个收藏夹，也不是单纯的 RAG 知识库。

一篇文章或一个链接进入 AIWiki 后，不应该只是被保存。它应该经历一轮加工：先保留原文，再生成资料卡，再提取关键观点，再沉淀到相关知识页面，再拆出创意积木，再生成可写选题，再生成文章大纲，最后支撑内容产出。

这才是我理解的个人知识工厂。

不是资料进来就结束，而是资料进来后，要继续被拆、被连、被用、被复盘。

我现在越来越觉得，知识库最容易被误解的地方，就是大家太关注“存”。

存在哪里？怎么分类？怎么打标签？用 Notion 还是 Obsidian？要不要双链？要不要图谱？

这些都重要，但它们不是最核心的问题。

一条资料进入 AIWiki 后，至少应该变成一个知识页面、一张资料卡、一个创意积木、一个选题、一份文章大纲，或者一篇内容。

如果它什么都没有变成，只是静静躺在文件夹里，那它和普通收藏没有本质区别。

AIWiki 后面当然可以做很多事情。

比如自动收集资料、批量处理链接、接入飞书群、接入微信和 Discord、接入 OpenClaw / QClaw、做团队知识流。

但第一版我不想一上来做大而全。

用户手动给一篇文章或一个链接。AIWiki 能自动生成原文归档、Source Card、创意积木、选题和文章大纲。

这一件事先跑通。

如果一篇资料都加工不好，批量只会批量制造垃圾。

所以第一版要克制。先把最小闭环跑起来。

到这里，AIWiki 的定位就清楚了。

Dan Koe 解决输出。LLM Wiki 解决沉淀。AIWiki 要做的是把二者连成一条工作流。

这条工作流不是为了让收藏夹更大，而是为了让资料真正变成可沉淀的知识、可复用的积木、可延展的选题、可写作的大纲、可发布的内容。

下一篇，我会把整个 AIWiki 的流程图画出来。

一篇文章或一个链接，如何从 Raw 原文归档，变成 Source Card 资料卡，再变成创意积木、选题和文章大纲，最后进入内容产出和回流。