你有没有这样的时刻：读完一本好书，热血沸腾地记了笔记，然后——再也没有打开过它。

我的 Obsidian 笔记库里一度躺着 68 篇这样的笔记。读书笔记、碎片想法、项目复盘，它们安静地待在各自的文件夹里，像一本本被束之高阁的书。我知道它们在那里，但永远不会去翻。不是懒，是真的找不到——你试试在一个没有目录的图书馆里找一本只记得大致内容的书

Andrej Karpathy在 X 上晒出了自己的知识管理系统，别检索了，让 AI 直接读你的全部笔记，然后自己写一本百科全书。

我当时的第一反应是：这不就是偷懒吗？连向量数据库都不搭，凭什么能检索到准确信息？

但 Karpathy 的逻辑让我没法反驳。他说，现在的模型上下文窗口已经大到能吞下一整本百科全书了。40 万字的个人知识库，直接塞进提示词里，AI 不需要检索——因为它脑子里已经装着整个知识库。

更重要的是，他指出了传统 RAG 的一个根本缺陷：每次问问题，AI 都得从碎片里重新拼凑答案。你昨天问过"Transformer 是什么"，今天问"Transformer 和 BERT 什么关系"，它又从零开始，完全不知道昨天已经解释过基础概念了。就像你每次去图书馆，管理员都要重新学一遍拼音字母表。

而 Wiki 方案不一样。每当你塞进一篇新资料，AI 就主动阅读、提炼、整合，更新到一本持续生长的百科里。知识不是临时搜出来的，是提前编译好的。

Karpathy 的架构分三层，他把它叫做知识库的"海马体-皮层-小脑"。

最底下是 Raw 层。原始素材层。什么都往里扔——网页剪报、PDF 论文、聊天记录，统统以 Markdown 格式丢进去。只读，不许改。这是证据，是原文，是你记忆的底稿。

中间是 Wiki 层。这是整套方案的心脏。AI 读完 Raw 层的素材后，会自动生成结构化的百科条目。每个概念有自己的页面，页面之间用 Obsidian 的双向链接互相关联。你写了一篇关于"习得性无助"的读书笔记，AI 会把它提炼成一个词条，自动链接到"决策模式""情感麻木与解离"这些相关概念。

最上面是 Schema 层。给 AI 的员工手册。规定 Wiki 怎么组织、什么格式、什么风格。比如"每篇概念文章必须包含定义、应用场景、相关概念三部分"。有了这层"宪法"，AI 就不会今天写成散文体，明天变成论文体。

我第一次读完这三层架构的时候，心里其实犯嘀咕：理念是好，但真要搭起来，得写多少脚本？配多少 API？搞多少向量数据库？

先想清楚，再动手——这是 Karpathy 反复强调的原则。WorkBuddy 里正好有个叫 karpathy-discipline 的技能包，专门用来落地这个原则。搭知识库之前，它先帮我画了一张施工图：哪些步骤必须人工拍板，哪些可以交给 AI 自动跑，哪个地方容易翻车、该加怎样的检查点。不夸张地说，没这张图，后面全是瞎忙。

图有了，动手就简单了。obsidian-llm-wiki 这个开源工具出场，把 Karpathy 的理念压缩成了三条命令：ingest、compile、review。

ingest 是第一步。让 AI 快速扫一遍你的原始笔记，把关键概念一个个拎出来。我一共 49 篇笔记，跑完 ingest，AI 居然抓出了 114 个概念。有些在意料之中——“定位理论”“底层逻辑”“决策模式”，本来就是笔记的主题。但也有些让我愣一下的：比如某篇里随手写了“习得性无助”四个字，AI 不但单独给它建了词条，还自动关联上了“慢性压力”和“情感麻木与解离”。这种关联我自己写的时候都没意识到。

接着是 compile。AI 根据提取出来的概念，为每一个生成一整篇百科草稿。114 个概念，114 篇草稿。这一步用的是比较重的模型，每篇草稿里都有定义、应用场景、和其他概念的关联，再加上原始笔记里的引用——相当于给你铺好了一层厚实的底子。

然后是 review，人工审核。AI 生成的草稿不会直接发出去，你必须一篇一篇过。这一步绕不开，因为 AI 偶尔会放飞自我：把两篇不同语境下的笔记强行拉郎配，或者在概括的时候悄悄丢掉一个关键的限定条件。你得像编辑一样，删掉扯淡的，留下靠谱的。说实话，这个过程挺累，但也是唯一能让知识库真正属于你自己的办法。

整个流程里，Qclaw 干的都是脏活——配 API key、装 Python 依赖、解决 Windows 上莫名其妙的编码报错、修复被 iCloud 同步搞乱的中文文件夹名。这些事儿一点都不性感，但没有它们，前面的每一步都卡在原地动弹不得。

最后说下 semantic-memory，这是 WorkBuddy 里的另一个技能，分层的。L0 存原始对话，L1 提取原子事实和向量，L2 聚类成场景，L3 蒸馏成用户画像。听起来很学术，但落到实际就一句话：你在知识库里搜东西的时候，它能同时用关键词和语义两种方式来找，比单纯的全文搜索聪明得多。

从头到尾，WorkBuddy 负责出施工图和做检索引擎，olw 负责把笔记编译成百科。我只需要在关键节点上把把关——先想清楚，然后动手，剩下的交给它们。

整个流程跑下来，49 篇原始笔记最终长成了 211 篇 Wiki 条目。后来经过几轮补充和整理，这个数字变成了 263 篇，总字数超过 54 万字。

从 49 到 263。这是知识生长的样子。

统笔记系统有一个致命问题：知识是静态的。你写了一篇笔记，它就永远停在那里。时间越久，你越不可能回头去看。笔记之间没有连接，没有对话，就像一座座孤岛，而 Wiki 不一样。

举个例子。我笔记里有一篇关于"五行"的读书笔记，还有一篇关于"中国哲学"的课堂记录。这两篇笔记原本毫不相干地躺在各自文件夹里。但在 Wiki 中，AI 为"五行"建了词条，同时链接到了"中国哲学""周易""境界论"这些相关概念。后来我又加了一篇关于"佛教"的笔记，AI 在编译时自动把"佛教"和"心经""奥义书"关联起来，而"奥义书"又反向链接到了"吠陀"。

一张知识网络就这样长出来了。

传统 RAG 系统里，你问完问题，答案就消失了。下次再问，AI 又得从零开始。但在这个系统里，每次问答都可能反哺知识库——新的问题和答案会被整理成新的词条，或者补充进已有页面。你的知识库越用越聪明，而不是越用越混乱。

就像 Karpathy 说的：旧知识被连接得更深，新知识被织入网络。这是知识的复利。

我得承认，搭建过程远没有上面描述的那么顺利。

第一次跑 compile 的时候，会话跑了太久，上下文被系统自动压缩，前面的结果全丢了。第二次尝试，我忘了给长命令设超时保护，进程被系统杀掉。第三次，API key 没配对，所有请求返回 401。

还有更琐碎的问题。Obsidian 通过 iCloud 同步，iCloud 在 Windows 上的行为不太稳定——有些文件夹名出现了编码损坏，"个人档案"变成了"e4b8aae4babae6a1a3e6a188"这样的乱码。花了好一阵才修复。

另外，AI 生成的 Wiki 并非每篇都靠谱。有些词条明显是凑数的，关联牵强；有些则把不同领域的同名概念混为一谈。review 环节绝不能省略——这不是一个"一键搞定"的系统，它需要你像园丁一样持续修剪。

用workbuddy+ Obsidian 搭了一座知识花园

开发工具

人工智能

职业发展

探索人工智能知识管理系统新范式：Andrej Karpathy提出的三层Wiki架构颠覆传统RAG方案。基于Obsidian和AI大模型，通过Raw素材层、Wiki百科层、Schema规范层实现知识自动编译整合。WorkBuddy工具链助力49篇笔记生长为263条结构化词条，构建54万字知识网络。系统支持语义检索与持续演进，让知识产生复利效应，为创作者提供智能知识管理新思路。

向量数据库

数据库

WorkBuddy 

Windows

Python

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

2026上云采购 | AI焕新·智启新局

lexiang

ES特惠专场，新客首购5.5折起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

探索人工智能知识管理系统新范式：Andrej Karpathy提出的三层Wiki架构颠覆传统RAG方案。基于Obsidian和AI大模型，通过Raw素材层、Wiki百科层、Schema规范层实现知识自动编译整合。WorkBuddy工具链助力49篇笔记生长为263条结构化词条，构建54万字知识网络。系统支持语义检索与持续...

用workbuddy+ Obsidian 搭了一座知识花园

用workbuddy+ Obsidian 搭了一座知识花园

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐