我一直觉得，装好 AI 工作台之后的第一件事，就该是拿它把自己的知识库搭起来。这篇就用最简单、最容易理解的方法，教你搭一个"自己会更新"的个人知识库（LLM Wiki）。
整套流程走下来，算上大模型运行的时间，也就 15 分钟。但它能做到：
- 写方案之前，它把库里相关的观点、案例、数据拢成一份提纲；
- 两版材料哪里对不上，它列出来，你拍板；
- "新人上手最容易卡在哪几步"这种得翻好几篇资料才答得上的问题，问一次就有，答案还带依据；
- 往后新存的资料，它每天自己编好归位，每周自己查一遍错。
核心就四步：存资料、编译、查询、检查。
零、准备工作：让两个软件共用一个文件夹
需要备齐三样东西：AI 智能体工作台、Obsidian（官网下载，免费）、以及官方免费的浏览器插件 Obsidian Web Clipper（应用商店搜索安装）。
装好 Obsidian 之后新建一个仓库（vault），你就理解成一个专门放知识库的文件夹，名字随便起，中文也行，我起的叫「书房」。
然后是最关键的一步，也是全文唯一一个不能出错的操作：在 AI 工作台里新建会话，把工作空间指向你刚建的「书房」文件夹。通过同一个文件夹连接两个软件的工作区——AI 在里面写的每一个文件，你在 Obsidian 里实时都能看到。
接着让它把目录建了。你都不用自己动手，直接在会话里说：
在当前文件夹里帮我把知识库的架子搭起来：建 raw、wiki 两个文件夹，wiki 下面再分 concepts、entities、sources 三个子文件夹，根目录建三个空文件：AGENTS.md、index.md、log.md。
建完长这样：
书房/
├── AGENTS.md ← 给 AI 立的规矩，整个库怎么转全看它
├── index.md ← 全库目录，AI 自己维护
├── log.md ← 干活日志，AI 自己记
├── raw/ ← 原始资料，你只管往里放
└── wiki/ ← AI 写的知识页都归这儿
├── concepts/ 概念页
├── entities/ 工具页、人物页
└── sources/ 每篇资料的摘要页
要是你担心数据安全，看一眼文件夹就有答案了：这个知识库说到底就是你硬盘上一个普通文件夹，不经过任何人的服务器。哪天你把两个软件都卸了，这堆东西还在原地；换台电脑，整个文件夹拷走接着用。
关于 AGENTS.md：整套系统的灵魂
这套玩法叫 LLM Wiki，是 OpenAI 创始成员 Karpathy 提出来的。他解决的问题就一个：传统"上传文件问 AI"，都是你问一次，它现场去资料堆里扒拉几段沾边的凑个回答，答完就扔，下回再问，再从零读一遍。
Karpathy 把这事倒了过来：别等提问了再理解，提前让 AI 把每份资料读透，整理成一页一页互相链接的知识页面，新资料进来就往上补。所有的理解都存下来了，你每次提问，它都站在之前全部整理的基础上答你。
他有一句原话我特别喜欢：Obsidian is the IDE; the LLM is the programmer; the wiki is the codebase.（Obsidian 是工作台，AI 是程序员，wiki 是他写出来的东西。）
AI 干活靠谱不靠谱，基本上就看 AGENTS.md 写得清楚不清楚。我的自用版本核心规则如下，可以直接整段复制后再按自己的情况慢慢改：
你是谁：你是这个知识库的图书管理员。你的活儿是把 raw/ 里的原始资料，整理成 wiki/ 里一页一页互相链接的知识页面。全程用中文。
地盘规矩：raw/ 只许读，不许改，这里是事实的源头；wiki/ 是你的工作区，概念放 concepts/，工具和人物放 entities/，每篇原始资料的摘要放 sources/；index.md 是全库目录，每次新增或改动页面都要同步更新；log.md 是干活日志。
编译的规矩：只处理 raw/ 里新增或变过的文件，别把整个库重编一遍；动手前先查重，有现成页面就更新，没有再开新页；两份资料要是说法掐架，谁也别覆盖谁，新旧两说并排放着，各自注明出处和日期，再添一行提醒"这里有分歧，等我来裁"；每一页开头用一两句话说清这页讲什么，正文里用双链连到相关页面，页尾列出内容来自哪几份资料。
回答问题的规矩：先翻 index.md 这份目录，圈出跟问题沾边的那几页，只读这几页就够，不许把整个 wiki 从头到尾翻一遍。回答时说清依据来自哪一页。
红线：拿不准的先来问我，别自作主张。资料里没有的东西，不许写进 wiki。
第一步：存资料
往知识库存资料只有两条路：网上的文章用 Web Clipper 剪，手里的文件直接拖进去。
看到好文章，浏览器右上角点一下插件，弹窗里会显示它抓到的标题、来源链接和保存路径，确认没问题，点"添加到 Obsidian"，整篇正文就落成一份干净的 Markdown 笔记。本地文件更省事，PDF、图片、Markdown，直接拖进 raw/ 文件夹就行。
这里有个坑注意一下：插件设置里那个「保管库」栏，填的是 Obsidian 仓库的名字（比如「书房」），而 raw/ 是文件夹，得填在保存路径那一栏。我第一次把 raw/ 填进了「保管库」，结果怎么剪都进不去。
第二步：编译
这是整套流程里最核心的一步。"编译"这个词来自程序员术语——把人写的代码翻成机器能跑的程序；这儿干的是件差不多的事：把放进 raw/ 的原始资料，翻成一套理好了、随时能查的知识页。
做起来就是跟 AI 说一句话的事，指令原文直接抄：
AGENTS.md 的规矩你都读过了。去把 raw/ 里新到的那批文章编进 wiki：该开页开页，该并页并页，收工前把 index.md 和 log.md 也捋顺。
整个过程中，AI 自己一篇篇读、一篇篇理解，整理好的结果直接显示在 Obsidian 里：概念归了 concepts/，工具和人物归了 entities/，每篇文章的摘要归了 sources/，页跟页之间自动打上双链，新页面逐条登记在 index.md 中。
编译完先别急着问问题，去 Obsidian 里把关系图谱点开看一眼（左边那排小图标里，长得像张小蜘蛛网的那个）。你会看到页面之间逐步关联生长的过程——这些线就是 AI 把文章内容读透之后关联起来的结果，这是知识库的"智能"所在。
第三步：查询
到这一步，才轮到爽的部分。先问个大的："根据 wiki，新手学这个工具最容易卡在哪几步？"
它并不是把整个库从头翻到尾，而是先看一眼 index.md，挑出相关的两三页，进去细读，最后给我的回答分了层，末尾还会列出依据来自哪几页。这套"先查目录再翻页"的动作，就是 AGENTS.md 里"回答问题的规矩"那段在起作用。
还有几种问法很常见，都可以试一试：
- "根据 wiki，X 和 Y 的说法有什么不一样？依据分别是哪几篇？"
- "我印象里存过讲 X 的内容，翻翻是落在哪篇里，把原话给我贴出来。"
- "我要写一篇关于 X 的东西，把 wiki 里相关的观点和案例整理成一份提纲。"
第四步：检查
最后一步很容易忽视，但非常重要。知识库用久了都有一个通病：有的知识孤零零的谁也不引用，有的链接点过去是空的，还有两页说法各执一词存在冲突。放着不管，几个月后它就会悄悄退化回一个高级点的收藏夹。
我的办法是用 AI 工作台的定时任务功能，给它定个每周体检：
帮我建个定时任务，每周六晚上九点半跑一次，内容是：给知识库做一轮体检，重点查三样——哪条双链点过去是空的、哪一页成了没人引用的知识、哪两页的说法互相对不上。发现问题先列给我看，我确认了再改，改完记进 log.md。
注意我特意留了一句"先列给我看，我确认了再改"。平时我们用 AI 做任何任务，都需要注意冲突的解决——这个判断 AI 替你做不了，也不该替你做。它把问题列出来，剩下的你来定。
还可以再建一个定时任务，每天早上开工前让它把 raw/ 扫一眼，见着新文件就顺手编译掉。配完这两个任务，这套东西就算自己转起来了：你唯一要干的事，就是往 raw/ 里扔东西。
写在最后
这四步真的很简单，AI 完全可以把那些知识管理起来。但更重要的是，不要被"善于收藏"这个动作骗了。
存下来的，不等于是你的。能随时被你调出来、连得成网、用得上的，才是你的。
我给那个文件夹起名叫「书房」，起的时候没多想，现在觉得起得挺对：仓库是东西堆进去就不管了，书房不是，书房里的每一本书，都是等着被翻开的。