我放弃了所有付费笔记软件

4月初，我刷到了一条推文。

发推的人叫卡帕西（Andrej Karpathy）

你可能没听过这个名字，但在AI圈他大概是那种“大神里的大神”：OpenAI联合创始人、特斯拉前AI总监。

就是这样一个人，在推特上分享了一套他自己在用的笔记系统。

我看完，第一反应是：这不就是我一直想要的东西吗？

一个完全免费，并且可以自我生长的笔记软件！

我收藏夹里躺着几百篇文章，笔记软件里有几十个从没打开过的文件夹——你懂那种感觉吗？

感觉自己一直在“收藏知识”，但其实什么都没学进去。

于是我按照他的思路把这套系统搭了起来。

今天这篇文章，我想把这套系统完整讲给你听——不需要任何技术背景，看完就能上手。

先说问题

你一定经历过这些：

收藏了几百篇文章，再也没打开过
记了一堆笔记，想找的时候翻不到
新笔记和旧笔记毫无关系，像一座座孤岛——你学 Python 的笔记和你学数据分析的笔记，永远不会碰面，但它们明明是同一件事

现在流行的 AI 笔记工具（NotebookLM、ChatGPT 文件上传）是怎么解决这个问题的呢？

每次你提问，AI 从你的文件里搜一遍，拼凑出答案。

这有个致命问题：AI 每次都要从头搜，什么都没记住。

就像你每次做饭都从种菜开始——太蠢了。

LLM Wiki：先编译，再使用

Karpathy 提出了一个很聪明的方法：

让 AI 先把你的资料“编译”成一个结构化的知识库，之后你直接用就行。

打个比方：

旧方式：你想知道一道菜怎么做，每次都从头翻整本食谱
新方式：AI 帮你把食谱整理成一本分类清晰的菜谱，你直接翻到对应那一页

这个“编译”的过程是 AI 来做的，你不需要自己写任何东西。

Karpathy 用了“编译”这个词。你可以这么理解：就像你把一堆食材交给厨师，他一次性做成菜，之后你直接吃——而不是每次吃饭都要自己从头炒。AI 一次性把你的资料整理成知识页面，之后你直接用就行。

它长什么样？

系统就三个文件夹，分工非常明确：

你的知识库/├── raw/        ← 你放原始资料的地方（文章、论文、笔记，随便丢）├── wiki/       ← AI 帮你整理好的知识页面（你只看不写）└── AGENTS.md   ← 告诉 AI 怎么整理的配置文件（你和 AI 一起维护）

你只管一件事：把资料丢进 raw/

raw/├── articles/    ← 文章、博客├── books/       ← 书籍章节├── papers/      ← 论文├── podcasts/    ← 播客笔记├── meetings/    ← 会议记录└── assets/      ← 图片、附件

丢进去就行，不用分类，不用打标签，不用写摘要。

之后也不改它——这是你的原始素材，保持原样。

AI 会帮你做什么？

当你把资料丢进 raw/ 后，AI 会自动：

读完资料 — 理解内容
写摘要 — 提炼核心要点
建词条 — 里面提到的工具、概念、人物，都会生成独立的百科页面
互相链接 — 所有页面自动关联起来，点一下就能跳转
更新旧页面 — 如果新资料和旧知识有关系，旧页面也会更新
标记矛盾 — 如果两篇文章说法不一致，AI 会标注出来

一份资料可能会同时更新 10-15 个知识页面。

因为知识最有价值的不是单条信息，而是信息之间的关联。

wiki/ 里有什么样的页面？

AI 会生成六种页面：

所有页面之间自动关联，在 Obsidian 里点一下就能跳到相关内容。

怎么使用？只有三个操作

添加资料（Ingest）

把文章丢进 raw/ → AI 自动读取 → 生成知识页面 → 完事

你只管丢资料，AI 做剩下所有的事。

我用的是 qoder。

在对话框中输入Ingest+你要存储的文章，然后发出去就好了。

提问（Query）

你提问 → AI 查知识库 → 给你答案 → 好答案自动保存为新页面

好的答案不会消失在聊天记录里——它会变成知识库的一部分。下次再有人问，直接查就行。

体检（Lint）

定期让 AI 检查 → 发现矛盾、过时信息、孤立页面 → 自动修复

就像定期整理房间一样，AI 会帮你发现知识库里的各种问题。

为什么这个方法有效？

维护知识库最累的部分不是阅读和思考——而是那些枯燥的记账工作：

手动更新交叉引用
保持摘要不过时
标记新信息推翻旧说法
维护几十个页面的一致性

人类放弃知识库的原因很简单：维护太累了。

AI 不会觉得无聊，不会忘记更新链接，可以一次处理十几个文件。有了 AI，维护成本大幅降低。

谁适合用？

不只是程序员！这个方法可以用在任何需要积累知识的场景：

你和 AI 的分工

一句话说清楚：你负责想，AI 负责干。

用 Karpathy 自己的思路来说（大意如此）：

Obsidian 是你的书架（你在这里浏览）；

AI 是你的助手（它在这里整理）；

Wiki 是整理好的成品（你直接用）。

知识的复利

这是最厉害的地方。

第 1 天：你丢进 1 篇文章 → AI 生成了 3 个知识页面第 10 天：你丢进第 10 篇文章 → 不仅创建新页面，还更新了旧页面第 30 天：你有了一个互相连接的知识网络

30 天后你拥有的不是 30 篇孤立的摘要，而是一个互相连接、互相引用、持续演化的知识网络。

这就像复利——你的知识不仅不会遗忘，还会随着时间越来越值钱。

怎么开始？

只需要三步：

1. 安装 Obsidian

免费的笔记软件，界面干净，适合管理大量文档。去 obsidian下载安装，5分钟搞定。

2. 创建知识库

把卡帕西的文档链接放到任何编译器里，让他帮助根据文档内容直接创建obsidian仓库即可

https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f/revisions?short_path=4c66555#diff-4c66555dd402cc5d67a52a326ac73c0e13d09c5e3e6e2e32967808d23a576025

3. 开始使用

具体怎么操作？用一个真实场景串联一遍：

假设你今天读了一篇关于 AI 的文章，第一次操作是这样的：

把文章保存（或者复制粘贴）到 raw/articles/ 文件夹里
打开 Claude 或 ChatGPT（任何你习惯用的编程软件都行）
把 AGENTS.md 里的 Ingest 指令复制进去，告诉 AI：“按这个规则，帮我处理这篇文章”
AI 处理完后，去 wiki/ 文件夹看它生成了哪些页面
在 Obsidian 里打开 wiki/，浏览整理好的知识

第一次操作完，你就明白整个流程了。之后每次丢新资料，重复这个步骤就行——熟练之后整个过程不超过5分钟。

一句话总结

这不是一个笔记工具，而是一个会自己成长的知识库。

你负责输入，AI 负责整理，知识负责增值。

本文基于 Andrej Karpathy 的 LLM Wiki 模式撰写。这个模式描述的是理念而非具体实现——一切可选、一切模块化。挑有用的，忽略没用的，和你的 AI 一起构建适合你的版本。