用Agent构建你的第二大脑：不用 RAG，用 Markdown 让 AI 替你整理知识AgentOS

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

3月底，前OpenAI 联合创始人 Andrej Karpathy 在 X 上发了两条长推，讲他如何用 LLM 构建个人知识库。两条推文加起来获得超过 46,000 个赞、1300 万次浏览[1][2]。这不是普通的"好物推荐"——Karpathy 可能是全球最顶尖的 AI 工程师之一，他的个人工具箱往往代表着一种新的工程范式。

这一次，他的方法出奇地简单：不依赖向量数据库，不搭建 RAG 架构，直接让 LLM 读写 Markdown 文件。

每个和 AI 对话超过半小时的人，都会有一种熟悉的失落感：上下文窗口关掉之后，AI 就什么都不记得了。你花 20 分钟解释你的项目背景、AI 给了一堆建议，下次打开对话框，一切从零开始。

传统的解法是 RAG（检索增强生成）——把文档切成块、向量化、存进向量数据库，查询时做相似度匹配。这套方案在企业场景下很成熟，但对独立创作者来说：需要配置分块策略、调 embedding 模型、管理向量数据库，门槛不低。

Karpathy 的发现则反直觉：对于个人知识库规模（他的某个研究主题约 100 篇文章、40 万词），直接让 LLM 读取它自己维护的摘要文件，效果不比向量检索差，但简单得多[1][3]。这意味着，你可以用一套纯文本 + LLM方案，实现过去需要一整套基础设施才能做到的事情。

Karpathy 把他的整个工作流叫做"编译"：把散乱的原材料，加工成有结构的知识体系[1][3]。

第一步是数据摄入。所有原始资料——论文、网页文章、GitHub 仓库、甚至图片——全部扔进一个 raw/ 文件夹。他使用 Obsidian Web Clipper 插件，可以一键把网页转成 Markdown 并保存图片到本地，确保 AI 能通过 vision 能力看到图片。

第二步是LLM 自动编译。这是整个系统的核心创新点：不是简单索引文件，而是让 LLM 主动撰写结构化的 Wiki——为每篇文档生成摘要，建立双向链接（相关概念互相引用），撰写百科风格的概念文章，把相关资料串联起来。Karpathy 的比喻是"像编译代码一样编译知识"[1][3]。

第三步是直接问答。当知识库积累到一定规模，他不再使用关键词搜索，而是直接用自然语言向 LLM 提问。LLM 读取它自己维护的索引和摘要文件，直接回答。

第四步是定期维护（Linting）[4]。Karpathy 让 LLM 定期对知识库做"体检"：找出不一致的地方，补充缺失的信息，建议新的研究方向。这借鉴了代码质量检查的概念——让知识库像代码一样，保持健康和一致。

在 Karpathy 的方案里，Obsidian 扮演的不是一个普通笔记工具的角色，而是整个系统的前端 IDE[1][6]。

这里有一个值得深入的结构洞：Obsidian 的双向链接，本质上是一种空间化的知识导航。当你在 A 笔记里引用 B 笔记，Obsidian 会在 B 笔记里自动生成反向链接——这种"我指向你，你也指向我"的关系，在建筑学里有个类似的概念叫空间渗透，即不同空间彼此开放、互相可见。Obsidian 把这个概念移植到了知识管理中：每一个知识点都不孤立，而是处在一张互相可达的网络里[6][7]。

更深一层的设计是三层分离：原始数据放在 raw/，整理后的 wiki 放在 wiki/，衍生可视化放在独立视图。LLM 负责撰写和维护几乎所有 wiki 内容，人类很少直接编辑[1][3]。这意味着工具的主人从人类变成了 AI，而人类变成了审核者和使用者——一种有趣的人机关系倒置。

这套工作流对于一人公司形态的独立创作者有特殊意义。

传统公司有知识管理部、有 Confluence、有 Notion 空间、有团队协作来沉淀组织知识。但一个人作战的超级个体，没有团队分工，知识随项目结束就散落。Karpathy 的 raw → wiki → Q&A → 沉淀 循环，某种意义上是为个人设计的知识复利引擎[4][5]：每次使用知识库，都在为下一次积累——AI 帮你整理，人类负责判断。

这也呼应了 Karpathy 在 Farzapedia 推文里的一句判断："Agent 熟练使用是 21 世纪的核心技能"[2]。这里的核心洞察是：不是你要去学 AI，而是你要学会用 AI 来构建你的数字认知伙伴——它帮你记忆、帮你整理、帮你发现你没注意到的关联。

如果你想尝试这套方法，最小的启动入口是什么？

答案是：现在就建一个 raw/ 文件夹，装上 Obsidian，打开 Web Clipper，开始把你觉得有用的网页一键存成 .md 文件。不要追求完美的分类体系，不要急着让 AI 整理——先让原材料流动起来。

从信息碎片到结构化知识，中间的桥梁是「收集 + 定期整理」。Karpathy 的工作流本质上是一套让 AI 帮你完成整理环节的自动化方案，而你要做的是给它足够多的原材料，以及偶尔的"健康检查"指令。

致最先触达未来的那一小部分人：基于Agent的第二大脑早日成型。

[1] Karpathy (X). LLM Knowledge Bases.

[2] Karpathy (X). Farzapedia.

[3] Karpathy. LLM Wiki Gist.

[4] VentureBeat. Karpathy shares LLM knowledge base architecture that reinvents personal wikis.

[5] Antigravity Codes. Karpathy‘s LLM Knowledge Bases: Full Breakdown.

[6] Eric J. Ma. Mastering Personal Knowledge Management with Obsidian and AI.

[7] Obsidian Help Documentation.

用Agent构建你的第二大脑：不用 RAG，用 Markdown 让 AI 替你整理知识AgentOS

相关推荐