说出来可能有点好笑。

我一个做了7年电商软件的人，平时研究软件、折腾项目也不是一天两天了。

最近却被几个文件夹搞得有点头大。

事情是这样的。

这段时间我一直在学习 AI，每天接触的东西特别多。

今天研究一个 GitHub 项目，明天研究一个 Skill，后天又看到别人分享的 Agent 工作流。

平时跟 GPT、Codex、Claude 聊天，也会产生很多新的想法。

有时候一个问题，可能跟 AI 来来回回聊几十轮，最后终于解决了。

但过几天再想找这段记录，发现根本不知道放在哪里了。

有些东西收藏了，有些截图存在电脑里，有些还留在聊天记录中。

更麻烦的是，明明前几天刚刚研究过的问题，过几天又得重新问一遍。

我突然意识到一个问题：

我每天花这么多时间学习 AI，解决这么多问题，如果最后什么都没有留下，那我是不是一直在重复劳动？

所以，这两天我决定认真做一件事情：

给自己搭建一个 AI 知识库。

本来以为就是装个软件、建几个文件夹的事情，没想到还真把自己折腾了一番。

一、我想搭建一个知识库，结果先被 Obsidian 搞晕了

最开始，我选择了 Obsidian。

为什么选它？

因为我不想再把所有资料都放在不同的平台里。

我希望以后看到一篇有价值的文章、一个 GitHub 项目、一段有用的 AI 对话，甚至是自己开发过程中遇到的一个问题，都能统一保存到自己的知识库里。

以后需要的时候，AI 能够帮我找到这些资料。

听起来挺简单的，对吧？

真正开始操作的时候，问题来了。

首先就是 Obsidian 里面的 Vault。

我当时就有点搞不明白了。

到底是先建一个叫「我的AI知识库」的文件夹，然后在里面建收件箱、原始资料、知识笔记这些目录？

还是说每个目录都要单独创建一个知识库？

我来来回回确认了好几次。

甚至还出现了两层同名知识库的问题。

后来才发现，自己把目录结构弄复杂了。

其实只需要一个统一的知识库，下面再按照用途建立不同的文件夹就可以了。

原本我还想把整个知识库的结构一次性规划好。

收件箱、原始资料、知识笔记、项目、AI学习、输出……

越规划越多。

最后我直接跟 GPT 说：

这个太复杂了，我可能搞不定，能不能让 Codex 帮我做？

你看，这就是我现在学习 AI 的一个习惯。

以前遇到问题，自己研究怎么操作。

现在我会先想，这件事情能不能交给 AI 去完成？

当然，AI 帮我做，不代表我就不用管了。

至少最后要检查文件夹是不是建对了，知识库能不能正常打开。

我现在不想把大量时间浪费在重复的手工操作上，我更想把时间放在真正值得研究的事情上。

二、我原本只想一键保存网页，结果又发现了一个问题

知识库有了，接下来就要解决资料从哪里来。

我最初想要的效果很简单。

平时刷到一篇不错的文章，或者在 GitHub 发现一个有用的开源项目，点击一下，就能保存到自己的知识库。

于是开始研究 Obsidian Web Clipper。

它确实可以抓取网页内容。

但实际使用之后发现，并不是所有网站都能完整抓取。

有的可以保存全文，有的只能保存部分内容，还有一些需要登录或者动态加载的网页，根本没办法直接抓取。

这时候我又想到一个问题：

GitHub 上是不是还有更强大的采集工具？

能不能把 X、公众号、小红书以及其他平台的资料都自动收集起来？

但研究着研究着，我又停下来了。

因为我发现，自己好像又开始陷入以前做软件时的一个习惯：

还没有把最基本的功能跑通，就想把所有功能都做出来。

我现在真正需要的，其实不是一个特别强大的采集系统。

而是先把一条最简单的链路跑通：

看到有价值的内容，先保存下来；保存之后，让 AI 帮忙整理；真正有价值的东西，再形成自己的知识笔记。

至于一些特殊平台抓不到的内容，后面再想办法。

我不想为了采集资料，再去开发一套复杂的采集软件。

工具越多不代表效率越高，真正能把资料变成自己知识的流程，才有价值。

三、我开始让 Codex 帮我做一些以前需要自己动手的事情

这次搭建知识库，还有一个让我比较有感触的地方。

就是我开始习惯让 Codex 直接帮我操作电脑上的项目和文件。

比如建立目录、整理文件结构、安装需要的插件。

以前我可能会自己去搜索教程，一个步骤一个步骤地操作。

现在我会先把想要的结果告诉 Codex，让它帮我完成。

包括这次 Web Clipper，我也没有打算自己到处找安装教程，而是希望让 Codex 帮我安装。

这不代表我什么都不用学。

恰恰相反，我需要知道自己想要什么，知道整个流程应该怎么走，也要能够检查它有没有真正完成。

只是具体的重复操作，我希望尽可能交给 AI。

我现在越来越觉得，学习 AI 和以前学习软件有很大的不同。

以前学习一个软件，往往是先熟悉它的功能，再学习怎么操作。

现在学习 AI，我更想先弄明白：

我到底想解决什么问题？

然后让 AI 帮我找到实现方法。

当然，前提是自己得有判断能力。

不然 AI 给你建了一堆东西，你连它到底建对没有都不知道。

四、做 SanXi Agent OS，我踩过一个更大的坑：AI 说完成了，不代表真的完成了

如果说 Obsidian 只是让我在几个文件夹上折腾了一番。

那么最近开发 SanXi Agent OS 的经历，就让我对 AI 有了更深的认识。

最开始做这个项目，我只是想把 GPT、Codex、Claude、DeepSeek 这些模型组织起来，让它们能够互相配合完成任务。

后来为了让它真正执行任务，我们遇到了各种各样的问题。

有些问题看起来是代码写错了，结果查到最后，发现是当前工具版本本身不支持我们想要的配置方式。

比如之前研究 Codex CLI 的 Provider 配置。

我们反复排查，做离线测试，甚至去核对官方源码。

最后才确认，不是简单修改几行代码就能解决的问题。

还有一次真实执行测试，更让我印象深刻。

Claude 调用过了，DeepSeek 也审查过了，Codex 也启动过了。

如果只看这些执行记录，好像整个任务已经推进了不少。

但实际上，关键测试并没有完成，最终结果也没有得到验证。

所以我们没有把它标记成成功，而是保留了 UNKNOWN。

这件事让我越来越明白：

AI 能够执行任务，只是第一步。

真正重要的是，它执行之后有没有产生结果，结果有没有经过验证，整个流程有没有真正闭环。

以前我可能觉得，AI 能帮我把代码写出来就已经很厉害了。

现在我更关心的是：

它到底有没有做完？

做完的证据在哪里？

如果中途失败了，能不能准确知道失败在哪里？

我现在越来越不相信 AI 随口说的那句「已经完成」。

不是不相信 AI，而是我发现，真正想把 AI 用到生产环境，就不能只听它自己汇报。

必须有实际结果，有验证，有证据。

这也是 SanXi Agent OS 这段时间让我学到的东西。

五、我突然发现，自己最缺的不是 AI 工具，而是过去那些经验

这几天折腾知识库的时候，我一直在想一个问题。

为什么我要花这么多时间去搭建它？

其实原因很简单。

我发现自己过去这段时间学到的东西，散落得太严重了。

有些在 GPT 的聊天记录里，有些在 Codex 的开发记录里，有些在电脑的文件夹里，还有一些只是当时随手截的一张图片。

比如之前研究的各种 Skill、MCP、开源项目。

再比如 SanXi Agent OS 开发过程中遇到的各种问题。

很多问题当时花了几个小时甚至更长时间才解决。

但解决之后，除了项目里留下的一些代码和文档，自己真正学到了什么，为什么这么解决，很多时候并没有单独整理出来。

下次再遇到类似问题，可能又得重新研究。

这其实挺浪费时间的。

所以这次我想建立的，不只是一个收藏文章的地方。

我希望以后每次学习和做项目，都能留下几样东西：

• 我今天研究了什么？

• 这个东西到底有什么用？

• 实际操作遇到了什么问题？

• 最后是怎么解决的？

• 这次经历让我对 AI 有了什么新的认识？

尤其是最后两项。

我觉得它们可能比收藏一百篇教程都重要。

因为网上的教程大家都能看到。

但是自己真正踩过的坑，自己排查问题的过程，以及最后形成的判断，这些才是属于自己的经验。

六、这也是我为什么想找一群人一起做 AI

前段时间，我发了一篇公众号，想找20个人一起学习 AI，做一些真正落地的事情。

现在群里已经有8个人了。

其实刚开始建群的时候，我也有点不知道该怎么运营。

最初想的是大家一起学习，互相交流。

但后来我发现，每个人都有自己的项目和事情要做。

有些东西涉及自己的商业模式，不可能要求别人把项目全部拿出来分享。

那这个群到底应该交流什么？

后来我想明白了。

不要求分享你的项目，但希望分享你因为做项目而学会的东西。

比如你今天研究了一个什么工具，踩了什么坑，遇到了什么问题，最后是怎么解决的。

哪怕只是一个很小的发现，也可以拿出来交流。

前两天群里刚开始的时候，甚至没人自我介绍。

我还在想，是不是大家都不太愿意说话。

后来到了下午，大家才陆续开始介绍自己。

我也慢慢意识到，这件事情不能光靠一个人输出。

如果所有内容都是我一个人在群里分享，那跟我自己写公众号有什么区别？

我更希望大家各自做自己的项目。

有人研究电商，有人研究软件，有人研究 Agent。

每个人把自己实践中学到的东西留下来。

时间长了，这个群才可能真正有价值。

七、接下来，我想把自己的学习过程真正沉淀下来

现在，我正在尝试把这些东西串起来。

看到有价值的文章，先收集。

发现不错的开源项目，保存资料。

研究一个 Skill，记录它到底解决什么问题。

开发 SanXi Agent OS，留下每一次真实的踩坑记录。

跟 AI 聊出来的想法，也不再只是停留在聊天记录里。

最后，把这些东西整理成自己的知识笔记。

有价值的，再变成公众号文章或者视频。

这就是我现在想做的事情。

说实话，这个知识库目前还在搭建和测试阶段，很多流程也没有完全跑通。

但我觉得没关系。

我不想再像以前一样，非要把所有东西都规划得特别完美才开始使用。

先用起来，遇到问题再调整。

这跟我现在做 AI 项目的想法其实是一样的。

先解决真正的问题，再逐步完善。

我做了7年电商软件，以前更多考虑的是怎么开发一个软件、怎么把产品卖出去。

现在重新学习 AI，我想做的事情更多了。

我希望用 AI 做出真正能解决问题的产品，也希望把这一路上学到的东西留下来。

毕竟，我不是科班出身，也不是一开始就懂 AI。

我只是一个做了7年电商软件的人，现在重新从零开始学习。

但有一点，我越来越确定：

一个人每天学多少东西，其实没有那么重要。重要的是，今天解决的问题，明天还能不能找到；今天学到的东西，过一段时间还能不能变成自己的能力。

以前做项目，解决问题就算结束了。

现在我想换一种方式。

每解决一个问题，就给自己留下一份经验。

这可能就是我搭建这个 AI 知识库，真正想要的东西。