搭了一个over engineering的自生长知识库？

过去一个月，我用 Obsidian、Git 和 AI 重做了一遍个人知识库。

先说结论：项目管理比以前顺了，自动路由也能跑。但我最期待的“自生长”并没有发生。信息确实被放进了正确的文件夹，却没有自然地变成新的判断或方法。

这篇文章只记录这套系统现在长什么样，以及我觉得哪里有问题。

从 Karpathy 的 LLM Wiki 开始

这件事来自 Andrej Karpathy 分享的 LLM Wiki。

我们平时把文件交给 AI，通常还是一次性检索：提一个问题，AI 找几段相关内容，拼出答案。下一次再问，它又重新找一遍。文件在积累，知识没有。

Karpathy 的想法是在原始资料和人之间增加一层 Wiki。LLM 负责维护它：读入新资料、更新已有页面、补关联、检查矛盾，也把有价值的问答写回去。Wiki 是一套长期存在的 Markdown 文件，不会跟某次聊天一起消失。

我按自己的工作方式，把它改成了一条更长的链路：

Capture -> Filter -> Route -> Process -> Output -> Distill -> Reuse

简单说，就是先接住信息，再判断它去哪；信息进入具体工作后产生输出，输出里有用的部分继续留在系统里。

这条链路是我的扩展，不是 Karpathy 原文里的标准流程。我真正想验证的是最后两步：AI 能不能从日常工作里提取可复用的东西，并在下一次工作中主动用上。

一套覆盖 Personal、Work 和 Learning 的知识库

我把知识库分成 Personal、Work 和 Learning。

Work 放项目和日常工作记录；Learning 放文章、播客和长期学习内容；Personal 放随机想法、自我观察，以及那些暂时不知道有什么用的记录。

保留 Personal，是想让 AI 同时看到工作之外的我。

比如 Taste。一个设计师从 1000 张图片里选出喜欢的 100 张，入选和落选的图片放在一起，才能大致说明他的偏好。文字也是一样。一个人长期保存什么、反对什么、最后怎样取舍，比一句“我喜欢简洁”有用得多。

我不知道这些 Personal 信息以后能否真的影响工作判断。目前还没有。但它是我想继续测试的方向，所以先把位置留了下来。

知识库本身仍然是 Markdown 和文件夹，同一套内容同时给我和 AI 使用。我按熟悉的路径找文件，AI 通过目录、链接和规则恢复上下文，不需要再维护一套单独的 AI 数据库。

在这套组合里，Obsidian 负责输入和阅读，Git 负责保存版本，AI 负责整理。换掉其中一个工具，文件仍然在。这比把所有内容锁在某个软件里更适合我。

输入端：手机负责随手记，电脑负责工作和网页

手机端用 Obsidian。Random Thoughts、To-Do、播客里的片段，先扔进 Inbox，不在记录当下分类。

这是我从 Cursor 转到 Obsidian 的主要原因。Cursor 在电脑上写文档很好用，但手机入口不够顺。Obsidian 没有替换底层的 Markdown 和 Git，只是让我能更快地把东西放进去。

电脑端目前有两个稳定入口：工作中产生的 Text，以及浏览器 Clipper 保存的 Web 内容。每条 Capture 都会记录时间、来源和原始链接，然后进入统一的 inbox/to_route/。

Screen 还只是计划。我希望以后能把屏幕使用情况和项目进度放在一起，但现在没有接入，不能算系统能力。

两周以后，效果和问题都很明显

现在这套系统已经跑通了三件事：AI 负责全局路由；每次路由都会记录在表格里，方便回溯；系统还会从新输入中挑出少量值得继续想的内容，定期 challenge 我。

大量上下文也确实改善了 AI 的输出。又一次，我只是想复盘一个博主提到的几种 AI Native 工作方式。AI 没有停在这篇笔记里，而是继续找到了我以前写过的《蒸馏真实世界与组织上下文》、关于会议纪要和组织协同的思考，以及公司的 AI 落地规划。几份原本分散的记录被拼在一起，最后得到一个新的判断：企业知识库不该从整理文档开始，而该从组织如何工作开始。这句话原本不存在于任何一份笔记里，而是 AI 把几个 Context 组合、拼接后的结果。直到这一次，我才比较具体地感受到，大量上下文的价值不只是让 AI 更了解背景，它也可能成为新 insight 的原料。

路由和 challenge 本身都挺好。现在的问题是，整个过程还是散的：信息从 Inbox 进入不同目录，AI 的问题又出现在另一处。我要先找到原文，再打开追问，最后回到手上的工作。每一步都能跑，但没有连成一个顺手的使用动作。我在想，能不能把这些追问做成类似游戏卡片的形式，统一放到我每天都会看的地方，比如将这部分内容和我每天都要做的事情统一放进一个HTML里面（j人暗爽）：1. AI推的早报；2. 过去一周思考的推送以及AI根据我的idea提出来的挑战问题；3. 每天完成的工作的记录，统统可以在这个网站上闭环掉。这可能比让 AI 定期生成一堆方法论更自然。先让信息在正确的时机重新出现，再观察哪些判断被反复使用、修改，或者跨项目出现。到了那一步，才需要决定它应该成为 Skill、方法，还是只留在项目 History 里。

Distill 的部分仍然有几个问题没有答案：什么值得留下，不同场景是否需要不同标准，谁来判断价值，以及沉淀的形式是什么？怎么样的设计能让AI能知道什么时候该沉淀一个skill，什么时候该沉淀一个方法论吗？我暂时不想用更多规则把这些问题盖住。眼下更实际的目标，是先把 Capture、Route、Challenge 和回答连成一条每天愿意使用的链路。这个问题不解决，Capture 再多也只是囤积。