从收藏不看到搜索不到:为什么知识管理总是死循环?
我自己被这个问题困扰好久了:
- 读了很多文章,但跟人聊起相关内容还是说不清楚,感觉啥都没记住
- 收藏夹攒了几百条"稍后看",归档速度跟不上收藏速度
- 笔记软件堆了几千条笔记,真要用的时候搜半天也找不到能用的内容
每天要忙的事实在太多了,分给定期整理乱知识库的时间太少了?通常剪藏俩礼拜,整个库就乱成垃圾堆,有时候连打开整理的勇气都没有。
还好赶上AI这波技术革命,终于有不用自己当苦力的知识管理模式了。
以前大家搞知识管理基本都是死循环:读一篇文章 → 点收藏 → 需要时搜索 → 重新从头到尾读一遍。等于每次都要从原始材料里重新挖信息,啥沉淀都留不下。
Andrej Karpathy 在 2026 年 4 月提出了一个更聪明的模式——LLM Wiki Pattern。他的核心洞察特别戳人:
AI知识库应该是结构化、可迭代、持久化,不是每次查问题的时候才临时凑出来的零散碎片。
说人话就是:你看过的内容AI会提前帮你整理好重点、串清楚关联,永久存到知识库里,下次要用直接拿,不用每次问问题都得把之前的原文翻出来重新读一遍重头捋。
这就是本文要分享的内容:如何用大模型构建一个真正能用起来的个人知识库,不用自己天天整理,AI帮你把脏乱差的知识库理得明明白白。
TL;DR:
技术栈: OpenClaw + SearXNG + crawl4ai + Obsidian + Gitea (NAS Self-hosted)
这套方法,我用了一周后的样子
1. 方法论:LLM Wiki Pattern
1.1 核心思想
传统的 RAG(检索增强生成)模式是这样的:
用户提问 → 检索原始文档 → LLM 拼凑答案 → 答案用完就丢
每次问答都是从零开始,没有任何积累。LLM 每次都要找并拼凑相关片段,但什么都留不下。
Wiki 模式完全不同:
用户提问 → LLM 基于已有 Wiki 回答 → Wiki 持续更新扩充 → 越积累越丰富
知识编译一次,然后保持最新。跨引用已经存在,矛盾已被标记,综合内容已反映你读过的所有内容。每添加一个源,Wiki 就变得更丰富。
1.2 三层架构
Karpathy 提出了经典的三层架构:
三层职责:
| 层级 | 内容 | 维护者 |
|---|---|---|
| Raw Sources | 原始采集文件(文章、论文、图片) | 人类,只添加不修改 |
| Wiki | LLM 生成的结构化概念页、双链图谱 | LLM 主要维护,人类可参与 |
| Schema | CLAUDE.md / AgentS.md,约定和工作流 | 人类编写,LLM 遵循 |
类比:
- Obsidian = IDE
- LLM = 程序员
- Wiki = 代码库
1.3 两种知识库的对比
| RAG 模式 | Wiki 模式 | |
|---|---|---|
| 知识形态 | 每次查询临时拼凑 | 持久编译,跨引用已建立 |
| 累积性 | 无,每次从头 | 递增,越积累越丰富 |
| 矛盾处理 | 无法发现 | LLM 自动标记 |
| 维护成本 | 查询时才想起 | LLM 自动维护 |
| 适合场景 | 简单问答 | 深度研究、知识体系构建 |
1.4 Wiki 模式的操作流程
Ingest(摄取):把新源丢到 raw 集合,告诉 LLM 处理它
- LLM 读取源
- 与你讨论关键要点
- 在 wiki 写摘要页
- 更新索引
- 更新相关实体和概念页
- 添加日志条目
单个源可能涉及 10-15 个 wiki 页面。
Query(查询):针对 wiki 提问
- LLM 搜索相关页面、读取、合成答案并引用
- 答案可以是 markdown、比较表、幻灯片、图表
- 好答案可以归档回 wiki 作为新页面
Lint(检查):定期让 LLM 做健康检查
- 页面间的矛盾
- 被新源取代的陈旧主张
- 没有入站链接的孤立页面
- 缺失的交叉引用
1.5 应用场景
这个模式可以应用到很多场景:
| 场景 | 描述 | 示例 |
|---|---|---|
| 个人成长 | 追踪目标、健康、心理、自我提升 | 记录日记、文章、播客笔记,建立对自己的结构化认知 |
| 深度研究 | 几周或几个月钻研一个主题 | 读论文、文章、报告,构建不断演进的论文 wiki |
| 读书 | 每章归档,构建人物、主题、情节的关联 | 像 Tolkien Gateway 那样,建立个人粉丝百科 |
| 团队/商业 | LLM 维护的内部 wiki | 输入 Slack、会议记录、项目文档、客服通话 |
| 竞品分析 / 尽职调查 / 旅行规划 / 课程笔记 | 任何需要时间积累知识的场景 | 按需选择 |
1.6 两种导航文件
随着 wiki 增长,两个特殊文件帮助 LLM(和你)导航:
index.md(内容导向)
- wiki 的目录——每个页面列出链接、一行摘要、可选元数据(日期、来源数)
- 按类别组织(实体、概念、来源等)
- LLM 每次摄取时更新
- 回答查询时,LLM 先读索引找相关页面,再深入阅读
- 在中等规模(~100 来源、~数百页面)下效果出奇好,不需要 RAG 基础设施
log.md(时间顺序)
- 只追加的操作记录——摄取、查询、lint
- 每条以一致前缀开头(如
## [2026-04-02] ingest \| Article Title) - 可用简单 unix 工具解析:
grep "^## \[" log.md \| tail -5 - 日志是 wiki 演进的时间线,帮助 LLM 理解最近做了什么
1.7 Obsidian 技巧
Obsidian Web Clipper:浏览器扩展,将网页文章转为 markdown,快速将来源加入 raw 集合。
图片本地化:设置 → 文件和链接 → 附件文件夹路径设为 raw/assets/,绑定热键(Ctrl+Shift+D)下载所有图片。LLM 可以直接查看和引用本地图片,而不是依赖可能失效的 URL。
Graph View:查看 wiki…