5分钟学会AI时代的知识管理

务必要做知识管理，因为收藏夹是永远不会打开的垃圾场。务必要用 Obsidian，因为 Markdown 是 AI 的母语。

我现在 Obsidian + AI 的知识管理系统只有两层：一层放原始资料，一层放 AI 编译后的 wiki。每次我加入新素材，AI 会自动更新概念页、实体页、主题页和全局索引。结果是，我不是在搜索笔记，而是在调用一个持续更新的知识系统。

如果你还只是收藏，没有打造知识资产；只是分类，没有理解；只是搜索，没有调用，相信我的这套系统，可以帮到你。

这套系统融合了蒂亚戈·福特的 CODE 法则、卢曼的卡片盒笔记法，以及 Karpathy 的 LLM Wiki 理念。

◆搭建 LLM Wiki：六步

第一步：建一个 20_raw/ 文件夹

这是你的原始素材仓库。所有文献笔记、永久笔记、剪藏的文章，全部扁平扔进去。

不分类。不建子文件夹。不纠结该放哪里。

它的定位就是“语料库”——只管往里堆，后面有 AI 帮你处理。

第二步：建一个 30_wiki/ 文件夹

这是 AI 编译后的知识层。你日常查阅、调用、输出，都从这里取。

第三步：固定三类页面

不是随便建页面，而是严格只有三种：

• 概念页（31_concepts/）
  ：方法论、框架、原则。比如“渐进式归纳法”“卡片盒笔记法的复利效应”“注意力管理的四象限”。特点是稳定、可复用、跨场景。
• 实体页（32_entities/）
  ：人物、工具、书籍、产品、机构。比如“Karpathy”“Obsidian”“《打造第二大脑》”“NotebookLM”。特点是有明确边界的“东西”。
• 主题页（33_topics/）
  ：多个素材共同支撑的综合主题。比如“AI 辅助知识管理的演进”“个人信息源搭建策略”。特点是需要综合多个概念和实体才能讲清楚。

三类页面，各有分工，互相链接。

第四步：建一个 INDEX.md

放在 30_wiki/ 根目录下。它是整个知识库的全局索引——列出所有概念页、实体页、主题页的标题和一句话简介。

它存在的意义是让 AI 在编译或回答问题时，能快速扫一眼就知道“这个知识库里已经有什么了”，而不是每次遍历所有文件。

相当于给 AI 一张地图。

第五步：写两个规则文件

AGENTS.md 放在仓库根目录。AI 打开工作区时默认读取这个文件。里面写清楚：AI 的角色是什么，哪些文件夹可以改，哪些只能读，协作方式是什么。

SCHEMA.md 是 wiki 的“宪法”。它规定页面命名规范、Frontmatter 模板、双链规则，以及什么时候应该链接到已有页面，而不是新建页面。

这两个文件不用追求完美，先写个基础版，用的过程中慢慢改。它们是从你的实践中长出来的，不是一次性设计好的。

◆知识库架构

vault/├── 10_daily/              # 日常记录层│   ├── 11_Daily_Notes/    # 日记主目录│   ├── 12_Reviews/        # 阶段性复盘与回顾│   ├── 13_H3.0_Audits/    # HUMAN 3.0 审计输出│   ├── soul.md│   ├── memory.md│   └── 日记模板.md├── 20_raw/                # 原始素材输入层├── 30_wiki/               # wiki 层│   ├── INDEX.md           # 全局索引│   ├── 31_concepts/       # 概念页│   ├── 32_entities/       # 实体页│   ├── 33_topics/         # 主题页│   └── 34_output/         # 输出与查询产物├── 40_projects/           # 进行中的项目笔记├── 60_archive/            # 归档内容├── AGENTS.md              # AI 的工作手册└── SCHEMA.md              # 30_wiki/ 的宪法

第六步：每积累约 10 篇素材，运行一次编译

这是最关键的一步。

你可以用 Codex 或其他能读取本地文件的 AI 工具，加载一个“编译 skill”。这个 skill 做的事情是：

1. 读取 20_raw/ 里的新素材
2. 从中提取概念、实体、主题
3. 去 INDEX.md 查一查，这些东西是不是已经有对应页面了
4. 如果有，更新已有页面，补充新信息、标注冲突、刷新 sources
5. 如果没有，新建页面，同时更新 INDEX
6. 维护页面之间的双链关系

重点：是更新已有页面，不是每次都建新页面。这就是“持续编译”和“临时检索”的本质区别。

一次编译 10 篇左右效果最好。太多了 AI 容易顾此失彼。

把 Karpathy 的文章和两个规则文件发给 AI，让它创建 skill，就能得到编译 skill。

◆日常操作闭环

1. 捕捉

我有一组固定的“散步信息源”——经典书籍、论文、与 AI 对话、X、播客。这些都是精选的信息输入。

在电脑上用 Chrome 浏览信息，因为可以用 Gemini in Chrome。点右上角图标，侧边栏弹出对话框，直接对当前网页提问、总结、讨论。全程不离开页面。

捕捉的标准只有一个：触动。让你眼前一亮、心跳加速、感到惊奇的东西才值得抓取。不要试图记录一切。

2. 组织

看到好文章，用 Obsidian Web Clipper 一键剪藏到 20_raw/，模板自动在顶部生成摘要。

产生想法，立刻用语音笔记录下来。不用组织语言，说个大概。这是闪念笔记，它的价值在于及时，不在于完整。

信息散步结束后，回顾今天的闪念。把值得保留的加工成文献笔记或永久笔记，加工好的笔记还是放进 20_raw/。

3. 编译

素材积累到 10 篇左右，运行编译 skill。AI 读取新素材，更新 30_wiki/ 里的概念页、实体页、主题页，刷新 INDEX。

你打开 Obsidian 的关系图谱，会看到新的连线亮起来——那些原本孤立的笔记，开始被织进已有的知识网络。

4. 输出

以前你想写一篇关于“注意力管理”的文章，得去几十篇零散笔记里翻找、拼凑。现在，33_topics/ 里已经有一个持续更新的“注意力管理”主题页，综合了你过去所有相关阅读的精华，标注了不同来源的观点冲突，链接着相关概念和实体。

你不是在临时检索碎片。你是在调用一个已经被“预消化”过的知识系统。

◆结果

用这套系统之后，最大的变化不是“文件夹变整齐了”。

最大的变化是：每一次阅读都不会白费。

你今天读的一篇文章，不会在收藏夹里沉睡。它会被编译进你的知识网络，强化某个概念页，补充某个实体页，丰富某个主题页。三个月后你需要用到相关知识时，它已经在那里等你了，而且是跟其他几十篇素材综合过的版本。

你不再需要记忆所有东西。你不再恐惧信息洪流。因为你知道，每一次触动都会变成数字资产的一部分，而这份资产会持续增值。

这就是我的知识管理系统。不是最终版本，但是此刻最好的版本。

◆资料包

我把这套系统需要的三个文件都整理好了：

• AGENTS.md
  ：告诉 AI 怎么维护你的知识库
• SCHEMA.md
  ：规定 wiki 页面怎么写
• 编译 skill
  ：负责把 raw/ 里的素材编译进 wiki/

你不用从零设计。先照着搭一个最小版本，积累 10 篇素材后跑第一次编译。

那一刻你会明白：收藏不是资产，编译才是资产。