我的周报是 AI 写的。但不是你以为的那种方式。

我一个朋友前两天问我，你周报是不是也用 AI 写的。

我说是，但不是你想的那种——丢一个 prompt 然后坐等收成。那个方式我试过，出来的东西一看就不是我写的，有些话我自己读了都觉得尴尬。

我现在用的这套方法，基础来自 Karpathy 提的一个概念：LLM Wiki。

这篇文章我会先解释 LLM Wiki 到底是什么，然后让你看到它是怎么在我手里跑成「聊天就能出周报」的。看完之后，你不需要学任何新工具。Obsidian 你可能已经在用了。

LLM Wiki 解决的不是「怎么搜答案」，而是「怎么让知识留下来」

你肯定见过这种用法：把一堆文件扔给 AI，问它问题，它临时翻出几个片段拼成答案。

有用吗？有用。但每次都是重新来过。下一次你问一个相近的问题，它还是要重新翻、重新拼。这件事已经做了十次了，它没有变得更懂你。

Karpathy 提出的 LLM Wiki，本质上是在这个流程中间插了一个新步骤。他不满足于「查询时再理解」，而是让 LLM 持续维护一个 markdown 知识库。每加入一份新资料，LLM 不是只回一句总结，而是去读、去提炼、去补链接、去修正旧的说法。

他把整个系统拆成三层：

第一层，Raw Sources（原始资料）。文章、PDF、截图、会议纪要、网页剪藏都放这里。这一层只读，因为它是事实来源。

第二层，Wiki（知识层）。这里放的是被 LLM 消化、重写、维护过的知识。概念页、对比分析、项目进度，都在这一层。它不是原文搬家，是被整理过的东西。

第三层，Schema（规则层）。就是告诉 LLM「这个知识库应该怎么维护」的那份文件。目录分工、Ingest 规则、Query 怎么回写、Lint 检查什么，全在这里。在 Obsidian 里，这个角色就是 AGENTS.md。

这三层看起来很朴素，但它实现的东西很不一样。Karpathy 自己说了三个核心操作：

Ingest。你扔一篇文章进去，LLM 要做的不是只写一篇摘要。它可能要同时更新十几个页面：概念页、对比页、索引、log。一篇 source 影响十几页 wiki 是正常的。

Query。在这套模式里，查询不只是一个动作。你问出一个很好的对比或分析，它不应该消失在聊天窗口里，而应该被回写成一篇新的 wiki 页面，供下次直接复用。

Lint。随着页面越来越多，过期结论、孤儿页面、缺少交叉链接、被说了十次却没有独立页面的概念——这些是迟早会出现的。LLM 要定期检查。

这三个操作跑起来之后，系统才会变成一个真的会生长的知识库，而不只是「帮你搜文件的机器人」。

有意思的是，Karpathy 在原文里还揭示了一个很多人没注意到的核心洞察：维护知识库最枯燥的不是阅读或思考，而是「记账」——保持结构一致、更新索引、补链接、清过期页面。而这些恰好是 LLM 最擅长的事。所以他说了一句很有名的比喻：

Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库。

你的工作不是一行一行写 markdown，而是告诉 LLM 你要它维护什么。

我在上面加了什么：用聊天驱动这套系统

上面说的是 Karpathy 的原意。他对 LLM Wiki 的设想，更多是把文章、论文、网页这些结构化资料扔进去，让 LLM 编译成 Wiki。

我在上面加了一层自己的用法。

我不扔文章。我聊天。

我的 Obsidian 知识库里有一堆已经存在的页面：项目进度、持仓分析、学习笔记、正在读的书。Agent 知道这些页面在哪里、它们之间怎么链接。它的 AGENTS.md 写了完整的目录规则、写作规则、Ingest 规则。

我每天做的事情就是像跟同事聊天一样跟 Agent 说话。比如今天：

今天开了个迭代方案讨论会，框架接入方式差不多定了，我出第一版方案。

PDF 导出的页边距有问题，查了一下是 CSS 里一个 margin 设错了，改完了。

性能测试结果出来了，跟上个月比差得有点多，明天得查。

华电国际那边的煤价还在高位，我算了算，入炉标煤大概 1094，勉强撑着，但陕蒙坑口已经开始降价了，继续观察。

就这些。没有排版。没有分主次。没有想措辞。

但这些话在 Agent 眼里就不是闲聊。它读了 AGENTS.md，知道聊天里出现的工作内容、项目进度、数据判断，都属于应该被 ingest 的「source」。于是它会把这些话写成一篇当日日志，存在 .workbuddy/memory/ 目录下。

同时如果聊天里提到了已有的知识页面——比如华电国际——它会自动更新那个页面的煤价分析、补上今天的这条记录、更新索引。

这是 Karpathy 说的 Ingest 循环，只不过 source 不是 PDF 和网页，是我每天说的话。

Agent 怎么知道该做什么：Skills

到这里你可能想问一件事。你跟 Agent 聊完就走了，它怎么知道煤价那条应该更新到华电国际页面、怎么知道该按什么格式写日志？

答案是 Skills。

一个 Skill 就是一个 markdown 文件，放在你 Obsidian 仓库的 90_System/Skills/ 目录下。它里面写的不是代码，就是用自然语言告诉 Agent：当你看到用户做了什么，你就去做什么。

我给你看我仓库里真实的例子。a-stock-coach 这个 Skill 的 SKILL.md 开头是这么写的：

当用户谈论股票分析、生成周报、制定交易计划、入库新持仓时使用此 Skill。目标是把原始市场数据、交易决策和行为观察转成结构化笔记。

它接下来写了仓库里每一个文件的位置、每一个操作模式要读哪些页面、写到哪里、产出什么格式。比如其中一个模式叫 weekly-report：

读取当前持仓结构画像和所有个股入口页，对比上周快照，生成本周表现报告。输出：市场概览、逐只简评、组合变化、规则执行回顾、下周关注变量。

看到了吗。Agent 知道煤价那条该更新华电国际页面，不是因为 AI 聪明，是因为这个 Skill 里写好了：遇到新数据 → 更新对应个股页面 → 补链接 → 写日志。

如果你想让 Agent 能记日志、能消费周报，只需要写两个简单的 Skill：

daily-log：当用户日常聊天中谈论工作内容、项目进度、遇到的问题、决策理由时，自动整理成一条日度日志，写入 .workbuddy/memory/ 下的当天日期文件。如果对话中提到了已有的知识页面，自动更新对应页面并补链接。

weekly-report：当用户要求生成本周周报时，读取本周所有日度日志，按「本周完成」「进行中」「下周计划」三个板块归类输出。优先保留原文中的具体数据和判断，不添加用户没说过的事。

两个文件，加起来可能不到两页 markdown。但有了它们，Agent 就知道你是想让知识库一直长，还是只想让它帮你搜文件。

这就是 Ingest + Query + Lint 在你的仓库里的实际跑法：Skills 是操作手册，AGENTS.md 是宪法，每天聊天是 source，日志和周报是产出。

到了周末，周报自己来了

一周下来，我跟 Agent 聊过很多次。每天几句话，有时候多，有时候少。Agent 每天都会把当天的对话写成一篇日志文件。

到了周五下午，我只说了一句话：

这是我这周的聊天记录。给我消费成周报。

Agent 读了仓库里五天的日志，不到一分钟。出来的东西是这样的：

本周完成

新框架接入方案讨论确定方向，开始出第一版方案

修复导出 PDF 页边距问题

完成性能测试，发现与上月数据差异明显

华电国际煤价敏感性分析更新，现货价格逼近盈亏平衡线

进行中

性能回退根因排查中，初步定位到接口调用量异常

新框架接入方案完成约 40%

下周计划

输出性能回退的完整分析报告

完成新框架接入方案第一版并组织评审

持续关注煤价走势，更新华电国际持仓判断

到这里你可能会问，这跟用 prompt 生成周报有什么区别。

区别在两个地方。

第一个，这些东西不是我周五下午临时回忆出来的。它们是从 Agent 每天写的日志里自然长出来的。不需要回忆、不需要凑字数、不会漏掉任何一件事。

第二个，出来的不只是周报。五天以来 Agent 一直在更新我的知识库——华电国际的煤价分析是新的、性能测试的记录是新的、我当时的判断也在。这些不是周报，但比周报有用。它们是我整个知识库的一部分，周报只是它自然长出来的一个副产品。

怎么开始

上面说的所有东西，你不需要一次搭完。第一步就够了。

第一步：用 Obsidian 搭一个知识库骨架。

建三个文件夹：

你的仓库/├── 10_Notes/ ← 长期积累的知识页面├── 20_Projects/ ← 正在做的项目├── 60_Sources/ ← 扔进来的原始资料，只读└── 90_System/ ← 规则和 Skills

写一篇 Home.md，里面就一句话：「这是我的知识库，Agent 会帮我维护它。」

第二步：写 AGENTS.md。

在仓库根目录新建，告诉 Agent 四件事：每个目录是干嘛的、更新现有页面优先于新建、用 wikilink 连接内容、定期检查孤儿页面和过期结论。

你可以直接拿我的改。Karpathy 管这个文件叫 Schema。它是整个系统的宪法。

第三步：写你的第一个 Skill。

在 90_System/ 下建 Skills/ 目录，写一个 daily-log 的 SKILL.md。内容就是前面那段：聊天里提了工作内容 → 记成日志 → 更新相关页面。

如果你还想做周报消费，再写一个 weekly-report。

两个 markdown 文件。这就是 Agent 的操作手册。

第四步：开始聊。

打开你的 AI Agent——Codex 可以，Trae 可以，WorkBuddy 可以。只要它能读你的仓库、往里面写文件。

做完一件事之后，随口跟它说一句：

今天搞定了导出 PDF 页边距的问题，改了一行 CSS。

就这一句话。说完你该干嘛干嘛。

明天再说一句。后天再说一句。

一周之后，你说「把这周的日志消费成周报」。出来的东西，可能比你在空白的编辑器前坐一下午想出来的还要完整、还要像你。

不是你写的。是你说过的那些话，Agent 替你记下来、又替你整理回来的。