夜雨聆风大家好，我是陈老师，一个喜欢折腾AI新技术的人。
最近，AI大神Karpathy 发了个东西。
一句话就把我击中了：「用 AI 替你整理知识，而不是替你思考。」
2026 年 4 月 4 日，OpenAI 联合创始人 Andrej Karpathy 在 GitHub 发了一个 Gist，叫 LLM Wiki。5 天时间，5000+ star，3000+ fork。
这是个什么？一个让 AI 帮你搭建个人知识库的模式。一个新的思维。
我花了一个30分钟搭好了。今天把整个实践过程写出来。
先搞清楚：为什么不用 RAG？
你大概率用过这种方式：把文档丢给大模型，让它回答问题。
这就是 RAG。每次提问，AI 都要从原始文档里重新找、重新拼。
问一次，拼一次。问十次，拼十次。
知识没有积累。
Karpathy 说的很直接：
知识应该只编译一次，然后保持更新。
这句话改变了我对知识管理的理解。
LLM Wiki 的核心思路：AI 不是每次回答问题时去翻原始文档，而是持续维护一个「编译好的」知识库。你每次投喂新内容，AI 就自动更新这个知识库。
知识在复利增长。
三层架构：你要建的东西长什么样？
整个结构就三层，简单到离谱：
第一层：raw/ — 原始文档 你的文章、论文、网页剪藏。这个目录是只读的，AI 只看不动。
第二层：pages/ — 知识页面 AI 生成的结构化知识。概念解释、实体卡片、主题综合。每个页面都有交叉引用的双链。
第三层：index.md + log.md — 导航和日志 index.md 是目录，帮 AI 快速定位页面。log.md 是操作日志，记录每次变更。
加上一个 CLAUDE.md，这是规则文件。告诉 AI 怎么维护你的知识库。
wiki/
├── CLAUDE.md ← 规则文件
├── index.md ← 目录
├── log.md ← 日志
├── raw/ ← 原始文档（只读）
│ └── assets/ ← 图片附件
└── pages/ ← 知识页面
├── concepts/ ← 概念页
├── entities/ ← 实体页
└── topics/ ← 主题页
就这些。没有数据库，没有向量搜索，没有服务器。
Markdown 文件 + Obsidian + Claude Code。完事。
实操：5 步搭起来
第 1 步：确认你有这两个工具
- Obsidian
本地 Markdown 笔记软件，免费。去 obsidian.md 下载。 - Claude Code
命令行 AI 工具。在终端输入 npm install -g @anthropic-ai/claude-code安装。建议去买一个coding plan/token plan，接入CC使用非常不错。
没有这两个？先装好再往下看。
第 2 步：建目录结构
在你的 Obsidian 知识库里，新建一个 wiki 文件夹。然后在里面建这些：
mkdir-p wiki/raw/assets
mkdir-p wiki/pages/concepts
mkdir-p wiki/pages/entities
mkdir-p wiki/pages/topics然后创建两个核心文件：
index.md（目录）：
# Wiki Index
## 概念 (Concepts)
| 页面 | 简介 | 来源数 |
|------|------|--------|
## 实体 (Entities)
| 页面 | 简介 | 来源数 |
|------|------|--------|
## 来源 (Sources)
| 原始文件 | 投喂日期 | 影响页面 |
|----------|----------|----------|log.md（日志）：
# Wiki Log
## [2026-04-11] init | Wiki 框架搭建
- 操作：初始化 wiki 目录结构
- 状态：完成第 3 步：写 CLAUDE.md 规则文件
这是最关键的一步。这个文件告诉 Claude Code 怎么维护你的知识库。
在你的 wiki/ 目录下创建 CLAUDE.md，写入以下规则：
# LLM Wiki 维护规则
## Ingest 流程（投喂新来源）
1. 读取原始文档，提取核心信息
2. 在 pages/ 下创建对应类型的页面
3. 检查现有页面，添加 [[]] 双链
4. 更新 index.md 目录
5. 在 log.md 追加操作记录
## Query 流程（回答问题）
1. 先读 index.md 定位相关页面
2. 读取 wiki 页面内容综合回答
3. 好的回答可以回写为新 wiki 页面
## Lint 流程（健康检查）
检查：孤立页面、断链、矛盾信息、缺失页面、过时内容这步做完，你的 AI 就知道怎么干活了。
当然如果不想费那么多功夫，其实可以把这句话扔给CC帮你完成：
帮我按照这个项目完成框架搭建https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f第 4 步：投喂第一篇文章测试
找你知识库里的一篇现有笔记，复制到 raw/ 目录。
然后打开 Claude Code，进入你的知识库目录，说：
帮我处理 raw/xxx.md，更新 wiki
Claude 会自动：
- 读取原文
- 提取要点
-创建 wiki 页面
- 更新 index.md
- 追加 log.md
我测试的时候，投喂了一份社团活动方案。AI 自动生成了实体页面，提取了关键信息，还建立了交叉引用。
整个过程 30 秒。
第 5 步：在 Obsidian 里看结果
打开 Obsidian，切到你的知识库。
你会看到 wiki/pages/ 下出现了新的页面。点进去，有结构化的内容，有双链，有 frontmatter 元数据。
切到 Obsidian 的图谱视图。
你能看到页面之间的关系开始形成。
这个图会越来越大。每投喂一篇新文章，它就更密一点。
日常怎么用？
搭好之后，你的工作流变成三个动作：
1. 投喂（Ingest） 看到好文章，丢进 raw/。跟 Claude 说一声，它自动处理。
2. 提问（Query） 直接问 Claude 问题。它先翻 wiki，综合回答。
3. 维护（Lint） 隔一两周，跟 Claude 说 “lint 一下 wiki”。它帮你找孤立页面、矛盾信息、过时内容。
你负责选材和提问。AI 负责整理和维护。
Karpathy 说了句很精辟的话：
Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库。
我的真实感受
搭完之后，我打开 Obsidian 的图谱视图，看着那些节点和连线。
说实话，有点上头。
以前我的笔记是散的。文件夹分了十几个，每篇文章都是一座孤岛。找东西靠记忆，找不到就重新搜。
现在，AI 在帮我织网。每投喂一篇新内容，这张网就更密一层。
知识管理的核心难题从来不是「怎么存」，而是「怎么维护」。
更新交叉引用、发现矛盾、补充缺失链接——这些事没人愿意干。
但现在，AI 干了。
你现在就能做的事
装好 Obsidian 和 Claude Code 建 5 个文件夹 + 2 个文件 + 1 个规则文件 找一篇笔记投喂测试
30 分钟搞定。
Karpathy 的原始 Gist 在这里： https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
有用的话，点赞、在看、转走。
