夜雨聆风
你一定有过这样的经历：想让 AI 帮你备课，它对你用的教材版本一无所知，每次都要从头介绍背景；明明存过一份很好的教学设计，翻遍电脑就是找不到；评职称时发现资料散落在网盘、U 盘、微信收藏和各种聊天记录里。
问题不是你没有积累。是你积累的东西，再也没人帮你管过。
数智赋能丨历史老师必看！用ima知识库打造你的"历史教学资料库"
基础版 ima 教程大家可以参考以上链接，适合全学科超基础版本，而这篇教程带你用最务实的路径，一步步进阶搭建一个 AI 帮你持续维护的个人知识库。核心方法叫 LLM Wiki——让 AI 像维护代码仓库一样维护你的笔记。你甚至可以直接让 Codex（或 Claude Code）参考 LLM Wiki 的规范，通过和它对话的方式，一步步把知识库建起来。
一、先想清楚：你需要的是文档还是库？
知识库的读者变了
过去建知识库，读者是自己。现在不一样——知识库真正的读者是 AI。 你不是在给自己建资料柜，而是在给 AI 提供“关于你的阅读材料”。标准变了：不是“我将来能不能找到”，而是“AI 读了之后能不能更好地帮我”。
六种需求，不是都需要“库”
关键洞察： 大多数老师最先感受到的痛点是前两种。而这两种，写一份文档就解决了大半。所以不管你最终要不要搭完整系统，第一步都是：写一份个人教学说明书。
二、第一步：写你的“个人教学说明书”（15分钟）
这是投入产出比最高的一件事。打开任何文本编辑器，填写：
# 我的教学说明书
## 基本信息
- 学科：初中数学
- 年级：八年级
- 学生水平：中等偏上，但几何证明普遍薄弱
- 教龄：8年
## 我的教学风格
- 喜欢问题驱动，不喜欢满堂灌
- 备课最在意：学生能不能真的动手，而不只是听
- 作业偏好：分层设计，A/B/C三档
## 我希望 AI 怎么帮我
- 备课时给思路框架，不要直接给完整教案
- 出题时参考我的教材版本和学生易错点
- 语言风格：简洁直接，不要套话
怎么用： 每次和 AI 对话前先发送这份文档。如果用带记忆功能的 AI，存进自定义指令里。这已经比“每次从头教 AI”好十倍了。
三、第二步：搭建 LLM Wiki 知识库
当你的需求超出“一份文档”——你有大量教学资料需要整理、检索、关联——就该搭一个完整的知识库了。
核心思路
三层结构：
你负责投喂素材，AI 负责整理、连接、维护。
最简单的搭建方式：直接和 Codex 对话
打开 Codex（或 Claude Code），直接跟它说：
从0到1带你速通Codex，我整理的终极保姆教程来了。【codex 速度看这篇教程！！！】
对话 1：初始化
请参考 Karpathy 的 LLM Wiki 模式（https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f），在当前目录下为我初始化一个面向中小学教师的个人知识库。
要求：
创建 raw/（原始资料区，下设 articles/、lessons/、reflections/、exams/）
创建 wiki/（知识整理区，含 index.md、log.md、concepts/、sources/、syntheses/）
创建 outputs/（输出区，含 qa/、health/）
写好 AGENTS.md 维护规则（raw 只增不删、判断要标来源、每次更新 index 和 log）
帮我生成一份“个人教学说明书”模板
Codex 会直接帮你把整个架子搭好。你用 Obsidian 打开这个文件夹，就能看到完整的目录结构。
放入第一批资料
把 5-10 份素材放进 raw/：
教材电子版 →
raw/articles/你的教学设计 →
raw/lessons/教学反思/听课记录 →
raw/reflections/试题学案 →
raw/exams/
第一次编译
继续跟 Codex 对话：
对话 2：编译
请阅读 raw/ 中的所有资料和“我的教学说明书.md”，执行编译：
为每篇资料在 wiki/sources/ 创建来源摘要（标题、核心观点、关键引用）
提取关键概念，在 wiki/concepts/ 创建概念页，用 [【双向链接】] 连接
多篇资料涉及同一主题的，在 wiki/syntheses/ 创建综合分析页
更新 index.md 和 log.md
所有判断标注来源
编译完回到 Obsidian 看一眼——来源摘要有没有保留核心信息？概念页的链接通不通？不完美没关系，下次让 AI 修。
四、日常使用：四个动作
搭好之后，日常维护非常轻量：
投喂（随时）
看到好文章、做完反思、听完课——扔进 raw/。【小技巧：我给 codex 说，只要我发存入知识库这个关键词，就自动进行自动化存入】
请编译 raw/ 中最新添加的资料，整合进 wiki。
提问（备课/教研时）
根据我的知识库，帮我设计一个八年级“一次函数”的项目式学习导入活动。参考我的教学风格。
回流（有价值的输出存下来）
把刚才的问答整理成文件，存入知识库
检查（每周一次）
扫描 wiki/，报告：哪些页面缺来源？哪些概念是孤岛？哪些信息可能过时？
五、教师场景实战
备课
平时看到的好文章扔进 raw/，AI 自动编译。备课时直接问知识库——AI 给出的方案基于你自己的积累和风格，不是泛泛而谈。
考点拆解手册
把你脑子里的教学判断外化成 Markdown：
# 一次函数图像
## 学生常见卡点
- 混淆斜率正负与图像方向
- 不理解截距的几何意义
## 我的分层策略
- A层：变式题强化
- B层：GeoGebra动态演示 + 基础练习
- C层：从出租车计费等实际情境引入
积累多了就是一本只属于你的教学参考手册。
教研成长档案
一学期的听课记录和反思积累后，让 AI 综合分析：
分析我本学期所有反思，找出反复出现的主题、教学理念变化、可以写成论文的方向。
评职称、写论文时直接用。
六、避坑提醒
别一上来就搭系统。 先写教学说明书，发现不够用再升级。
别只存不问。 每周至少对知识库提 2-3 个问题。
别把 raw 和 wiki 混在一起。 原始资料和 AI 整理的内容必须分开。
raw 只增不删。 这是你的证据链。
别把好答案留在聊天记录里。 存到 outputs/，聊天会消失，文件不会。
别贪多。 先放 5 份资料跑通，别花一整天搬资料然后再也不打开。
核心逻辑就一句话：你负责积累和判断，AI 负责整理和检索。 正常工作，顺手留痕。你甚至不需要“学会”什么新工具——打开 Codex，告诉它你要参考 LLM Wiki 搭一个教学知识库，然后跟着对话一步步走就行，甚至你连 Obsidian 都可以不用。半年后回头看，你会发现自己已经拥有了一张有脉络、能回答问题的知识网。
