AI自我迭代知识库搭建指南:让大模型帮你自动分类、链接和更新知识
你有没有数过,自己每天塞进收藏夹的文章、报告、深度解析,到底留下了多少?现实往往是,收藏即遗忘,所谓的知识库最终变成数字废墟。问题出在哪里?不是信息不够多,而是传统的整理方式完全违背大脑的运作本能——面对日益膨胀的散乱文件,我们只会下意识地逃避。
直到我看见AI专家Andrej Karpathy开源的一套新玩法。

项目地址:
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
这绝不是简单的工具拼装,而是一次笔记方法的升维。Karpathy的方案,让大语言模型直接成为你的私人知识管家,在后台悄无声息地维护、归纳、建立关联网络,让你的知识变成一株会自己生长、产生复利的专属Wiki。

一个决定性的转变:让模型读写本地文件
这个项目的底层逻辑,来自Karpathy的关键判断:我们熟悉的“聊完即焚”式AI对话,根本无法沉淀知识。真正的突破在于,赋予大模型直接访问本地文件系统的能力,让它像真正的助理一样,在你的资料夹里读、写、不断更新。
这里包裹着两个极富想象力的概念:
第一,永远不变的事实层与持续迭代的认知层。
在这个系统里,你丢进去的原始资料是绝对客观的,只允许增量,禁止修改。而由大模型负责的Wiki区域,则是一个动态加工厂,会根据新加入的资料,反复打碎、重组、提炼既有页面。这不正是人类自我认知升级的微缩翻版吗?
第二,双向链接织成的知识网。
大模型天生擅长处理纯文本。Karpathy强制设定,模型生成笔记时必须使用【双向链接】。于是,原本散落的孤岛式文档,瞬间被编织成一张互相引照的巨大网络。

这套听起来极客的方案,普通人想跟着做,门槛低到不可思议。
准备三样东西,即可启动
你只需要三件套:
第一,Obsidian。 一款极其好用的本地双向链接笔记软件,完全免费。
第二,一个能直接读写你电脑本地文件的AI Agent。 比如Claude Code,或者龙虾、Cursor这类AI IDE。
第三,系统的灵魂:卡帕西原版配置文件的Gist地址。
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
准备好之后,下面就是“见证魔法”的实操步骤。
三步搭建自动运行的知识引擎
第一步:让Agent保姆式引导,一键完成配置。
新建一个用于存放资料的文件夹,在该目录下用命令行启动你的Claude Code(或龙虾)。直接把它扔给Karpathy那个Gist链接,然后输入指令:“帮我看一下这个项目怎么用?请帮我配置。”

你什么都不用做。Agent会自行阅读链接内的规则和代码,一步步引导你,并在本地精准生成所需的文件夹结构和基础文件。

第二步:认识极简三层架构。
配置完成后,用Obsidian打开目录,你会看到清晰而克制的三层骨架,这就是整个系统自动运转的核心:
第一层:Raw Sources(原始资料层)
这是存放一切原始材料的地方。网页剪切、长篇PDF文本、语音转录稿,只管往里扔,不需分类,不用排版。唯一铁律:“只增不改”,务必保留信息最原始的上下文。第二层:核心Wiki层
大模型的无人工厂,也是知识最终结晶的区域。所有的总结、交叉分类、全局目录(MOC),全由模型在这里自动生成。第三层:System Rules(规则配置文档)
这是大模型的行事准则。它明确定义工作流程:“必须使用Markdown格式”、“必须生成双向链接”、“更新任何内容前,必须读取全局目录”。有了这层约束,AI不会胡编乱走。

第三步:开启几乎零成本的日常维护。
进入日常后,维护成本无限趋近于零。你每天只需做两件事:把散乱的文档丢进第一层,然后对模型说一句:“帮我处理这个资料。”
想象一个让人惊艳的场景:你正在啃一份几万字的硬核技术文档,先看的是浓缩版,扔进知识库,让模型处理。转眼间,Wiki层就为你生成了总结、分类,并把相关概念链接起来。
更妙的是,几天后当你开始啃原文时,把完整版也扔进Raw Sources,再次叫模型处理。这时,它不会傻乎乎地另起炉灶,而是会像学者一样,翻阅已有的Wiki,自动扩充整个知识库,补全缺失的后半部分知识点。它会覆盖、更新已有页面,修正主题摘要,使其适配完整版语境。最亮眼的是,一旦删减版和完整版出现逻辑矛盾,它会敏锐地将这些冲突点标注出来。

最后,它还会给你一份清晰的简报:“主人,本次更新了哪些页面,新增了什么核心观点。”

所有的烦琐整理、交叉引用,AI全部兜底。
在知识管理领域,我们一直被“如何建造完美文件夹”搞得焦虑不已。但真正需要的,不是一个更精致的分类结构,而是一个能替你消化、链接、生长的第二大脑。当你点开关系图谱,看着原本毫不相干的知识节点被AI连成一片璀璨的星图时,你会真切地感受到,什么叫做“看得见的知识复利”。
把整理的苦力活交给机器,把思考的乐趣留给自己,这或许才是AI时代对待知识最体面的方式。