夜雨聆风
再看一下这个谦卑的模型定价表——
不止一个 0x 模型！（实测 4o 已经被封印了画宫崎骏能力，只用来写代码。但还是能看出诚意的）。当然，我不建议你用它。执行今天我所说的任务，完全可以放开用 Sonnet 4.6 和 GPT 5.4！
对了，你有没有注意到，最近的国外国内大模型都在涨价？阿里百炼甚至只有两百元档了。 Claude 一直很抠不说，Codex 额度一缩再缩，社区怨声载道（但这几天的新闻都看了，OpenAI 也很难，营收被讨厌的 Claude 反超）。
比起来，GitHub Copilot 绝对业界良心。
【提供一个捡漏思路：看 OpenAI/Anthropic 的分析，以及国内几个大模型最近的价格走势；基本可以判断，大模型厂商现阶段是卖得越多，赔得越多，所以才屡屡出现面对激烈竞争也要涨价的现象。反之，销量越低，价格越可能低】
我是说创造出 “Vibe coding”这个词的 AI 国际顶流 Andrej Karpathy 这两天提的一个新式的个人知识库。
传统的知识库，主要是在检索阶段（利用切片/向量化这些手段）提效——让人能够快速找到相关的知识，还能关联到数据源——企业里头的话，这肯定是非常有用的。
类似的有谷歌的 NotebookLM，腾讯的 ima。——如果你感兴趣，这里用到的技术是RAG；或 Retrieval-Augmented Generation；或“检索增强生成”——顾名思义，先检索，再基于检索结果生成，而不是直接生成
但即便可以不断新增知识，在我们提问的时候，它会“眉毛、胡子一把抓”，把所有相关的都抓出来；中间大概率会出现互相矛盾的地方，需要我们自己再过滤一下。
总之，就像是一个无情的机器。
但对于个人的话，我们可能不太在乎信息溯源有多严谨，而是更在乎信息的准确性和个性化。——我的知识库要随着我的不断地阅读、学习、反思，越来越懂我。应该是一个成长的系统。
Karpathy 这套他自己称之为“编译型知识库”，由三部分构成：
1. 一个放收集来的材料的“素材文件夹”（里面都是 Markdown 文件），
2. 一个“信息收集器”（比如 Obsidian Web Clipper），
3. 一个大模型做“编译器”
4. 一个放整理好结果的“日志文件夹”
每天你就正常浏览网页，把感兴趣的页面用信息收集器抓成 Markdown 文件，保存在素材文件夹里。然后你设置一个定时任务，比如每天晚上十一点半，让大模型去把你今天新增的文件整理一下——抽取新知识，和过往的知识做交叉验证，然后把整理结果输出到日志文件夹里，以当天的日期命名。
具体的你可以看 Karpathy 的原文： https://x.com/karpathy/status/2039805659525644595
这几天也开始出现了一些开源实现；之前 Gstack 的 Tan 也出了自己的、改进版本的知识库。
一个更好的同步手段
关于收集素材，手机端虽然也有 Obsidian Web Clipper，但对我来说没法用。——在 iPhone/Mac 上，如果用 iCloud 做Obsidian同步，会有文件被从本地删除这样的问题。你想要用大模型编译知识库，但源文件被删了，要么重新下载，要么处理出错，在我看来都很傻。
但如果不通过 iCloud 同步，手机端的 Obsidian 目录和电脑端的 Obsidian 就是彼此不搭嘎的两个文件夹。这导致我只在电脑端用 Obsidian，手机上只用 Notes。
——从同步问题想到了使用 GitHub 同步。素材库和整理后的日志，都放在一个 Github repo 里。这样就能随时随地、任意设备访问了。
但上传到 Github 之后，我意识到 GitHub 还有两个附加的绝佳好处，简直是知识库的天选之子！
竟也是最佳的云端 AI 工具
你可能说这有点过了。 Copilot 已经是比 Cursor 还老的前浪了好么。
尽管本地可能的确泯然众人，但放在云端，没有比Github + Copilot更靠谱的工具组合了。
1. 它有可以在云端执行的自动化脚本（Actions），可以扮演“信息收集器”。
这意味着我可以通过触发云端 Actions 的方式，随时随地提取 X 上的帖子、内容，或者是一篇公众号文章。
原本在手机上，当我发现一篇好文章时，都会转到我自己或者“个人主题群”。但问题在于，这些消息我大概率也不会再看，毕竟每天的新消息就已经处理不完了。
（时间久了就郁闷啊。好像看了很多东西，但“就像清水流过脑子”，啥也没剩下）
现在好了，做个快捷方式（shortcut），在手机端点分享；然后点下确认，就可以让云端的 Github 帮我去获取文章，直接放到知识库的 repo 里了！
2. 它有云端运行大模型 / agent 的能力。
这意味着我能够在不开电脑的情况下，也能每天定时编译 raw 里新增的资料。
本地的 AI 环境大家都不缺，但手机端好用的不多，能够定时去处理 Github 文件的话，就更难了。小龙虾理论上可以，但我暂时不会把自己的知识库交给它管理（我很可能已经部署过几百台小龙虾了，但还是不时遇到坑！）；Codex Cloud 可以在云端执行，但云端没有定时任务的方案。它的 local/worktree 方案其实都是本地，电脑一关它也就跟着休息了。
最后是一个潦草的总结
因为要去睡觉了。
Github Copilot，有类似 Codex 的 Cloud 执行能力，能通过 Actions 定时执行任务，包含价格便宜的顶尖模型。不仅可以作为日常编程所用的工具，也是今天所说的新型知识库的绝佳实现手段！
