让 AI 帮你维护一个个人百科全书

你记过的笔记，最后真的翻过几次？

一个困扰所有笔记爱好者的问题

你可能试过 Notion、Obsidian、印象笔记，甚至纸质手账。

刚开始总是兴致勃勃：精心设计分类、贴上标签、写好摘要。三个月后，收藏夹变成了垃圾场——笔记越来越多，但你再也不想打开它整理了。

这不是你的问题，是所有人的问题。

德国社会学家 Luhmann 用纸质卡片系统写了 50 本书。他的秘诀不是记得多，而是每张卡片都和其他卡片交叉引用。但维护这些引用极其耗时——他花了一辈子。

2015 年之后，Notion、Obsidian、Roam Research 兴起，“第二大脑” 概念火了。但绝大多数人精心搭建的系统，几个月后就因为维护负担而被弃用。

问题的本质是：建一个知识库很容易，养活它太难。

Karpathy 的答案：让 AI 来养

2026 年 4 月，前 Tesla AI 主管、OpenAI 联合创始人 Andrej Karpathy 发了一条帖子，获得了 120 万次浏览。

他说的事情很简单：

“不要让 AI 帮你搜索，让 AI 帮你整理。”

具体来说：

• 你负责收集素材（文章、播客笔记、读书摘要）
• AI 负责把素材消化成一个结构化的个人百科
• 每次你提一个问题，AI 不仅回答，还把答案写回百科里
• AI 定期检查百科的质量：有没有过时的信息？有没有矛盾？有没有遗漏？

他把这叫做 “编译知识” —— 不是每次提问都从头查找（那是 ChatGPT 做的事），而是把知识整理一次，然后持续维护和更新。

用得越多，知识库越丰富。这就是"知识复利"。

它长什么样？

想象你有一个三层书架：

第一层：原始素材（你来放）

你剪藏的文章、看过的书、听过的播客笔记。这些是"原材料"，AI 只读不改。

第二层：个人百科（AI 来维护）

AI 把原始素材消化后，生成一个个"百科词条"。比如你读了一篇关于睡眠的文章，AI 会：

• 创建一个"睡眠科学"词条
• 如果已有"睡眠科学"词条，就把新信息追加进去
• 自动链接到相关词条（比如"精力管理"、“冥想”）

第三层：规则手册（你来定义，AI 来遵守）

一份纯文本文件，告诉 AI：你的百科按什么分类？什么算一个"词条"？什么格式？什么该链接什么？

这份规则手册就是你对知识的理解方式——也是整个系统中人类不可替代的部分。

AI 做的五件事

1. 消化（Ingest）

你扔进一篇文章，AI 读完后不是简单存起来，而是：

• 提取 3-8 个核心概念
• 为每个概念创建或更新百科词条
• 建立词条之间的交叉链接
• 把原始文章归档

一篇文章进去，十几个词条被更新。

2. 提问回写（Query & File-Back）

你问 AI 一个问题，AI 从百科里综合回答。关键是：答案会被写回百科，成为新的词条。

下次你或别人问类似的问题，答案已经在那里了。每次提问都是在给知识库"充值"。

3. 质量检查（Lint）

AI 定期扫描百科，检查：

• 有没有两个词条说法矛盾？
• 有没有引用了过时的数据？
• 有没有被提到很多次但还没有单独词条的概念？

就像给你的知识库做"体检"。

4. 交叉链接（Cross-Link）

AI 会自动发现"这两个词条虽然在不同领域，但其实有关系"，然后建立链接。

比如"多巴胺系统"（心理学）和"习惯养成"（方法论）之间的关联。你可能不会手动去链，但 AI 会。

5. 结构重组（Compile）

随着百科越来越大，AI 会建议：

• 这两个词条内容重叠了，应该合并
• 这个词条太长了，应该拆分
• 这个词条放错了分类

然后你确认，AI 执行。就像给书架定期整理。

我是怎么做的：5800 篇笔记的真实经历

说了这么多理论，我拿自己的笔记库举个例子。

我从 2019 年开始用 Obsidian 记笔记。技术、心理学、投资、育儿、冥想、读书——什么都往里扔。七年下来攒了 5800 多篇。

老实说，2024 年之前它就是一个高级收藏夹。东西是存了，但要找什么，全靠记忆和搜索框。很多笔记写完就再也没打开过。

2025 年我开始用 AI（Claude Code）直接操作这个笔记库。一开始只是让它帮忙整理格式，后来逐步演化出了上面说的五大操作。我不是按照 Karpathy 的方案搭的——是自然长出来的，直到看到他的帖子才发现我们做了几乎一样的事。

消化一篇文章，实际发生了什么

上周我看了一期 Huberman Lab 的播客，关于多巴胺系统。我把笔记扔进 Obsidian 的收件箱，然后对 AI 说"消化这篇"。

AI 读完后告诉我：

📄 素材：多巴胺 动力、专注力&满足感 📂 领域：心理学、健康 💡 核心概念：多巴胺基线/峰值动态、间歇性强化、冷水暴露 📝 建议新建：多巴胺系统 🔄 建议更新：多巴胺重置、动机

我确认后，它一口气更新了 5 个文件：新建了"多巴胺系统"词条，更新了已有的"动机"页面，在索引里添加了条目，还把原始笔记归了档。

一篇播客笔记，变成了知识网络里的一个节点。

我的知识库长什么样

打开我的 知识管理/ 目录，是这样的结构：

知识管理/
├── 技术人生/      ← 编程、AI、职业发展
├── 商业经济/      ← 投资、FIRE 规划、宏观经济
├── 心理/          ← 动机、情绪调节、冥想
├── 方法论/        ← 效率、沟通、认知
├── 健康与医疗/    ← 睡眠、运动、营养
├── 爱与家庭/      ← 育儿、夫妻关系
├── 数学/          ← 线性代数、微积分
├── 历史/          ← 中国史、经济史
├── ... (11 个领域)
├── index.md       ← AI 用这个文件导航整个百科
└── ingest-log.md  ← 每次操作的日志

其中 index.md 是整个系统的导航枢纽。AI 每次操作前先读它，就知道有哪些词条、在哪个领域、是什么类型：

- [[多巴胺系统]] [concept] — 基线/峰值动态、间歇性强化、14 个优化工具
- [[睡眠优化与生物节律]] [synthesis] — 睡眠分期、深睡眠功能、REM
- [[技术领导力]] [concept] — IC→TL 转变、SBI 反馈模型、1on1
- [[家庭理财规划]] [synthesis] — 双职工三口之家理财深度报告

300 多个词条，每个后面都有一句话摘要。AI 靠这个就能找到任何知识，不需要什么向量数据库。

给知识库做"体检"

上周我第一次跑了全量"体检"（Lint），扫描了将近 1000 个页面。结果让我吃了一惊：

过时内容：11 处（引用了 2023 年的数据，但已有更新研究）
缺失交叉引用：7 对（应该互相链接但没有的词条）
孤立页面：约 150 个（没有任何其他页面链接到它们）

150 个孤立页面——这就是手动维护知识库的代价。你以为写完了就行了，其实没人（包括你自己）会再去给它们建立连接。

AI 自动修复了 7 对缺失的交叉链接，比如把"习惯优化"和"拖延症"连起来——它们本来就该互相引用，但我写的时候没想到。

结构重组：993 页大扫除

体检发现问题后，我又跑了一次"结构重组"（Compile）。AI 扫描了 993 个页面，给出了一份重组方案：

• 合并：两个"可观测性工程"词条内容 70% 重叠 → 合并为一个
• 搬家：一个关于"工程师情绪调节"的词条放在了"健康"目录下 → 移到"心理"
• 改名：“iv 准备” → “面试准备”（谁看得懂 iv 是什么）

AI 列出方案，我逐条确认，它再执行。全程 20 分钟，手动做这些至少要半天。

一点私人感受

说实话，刚开始让 AI 整理笔记的时候，有一种奇怪的感觉——像是把日记交给了别人保管。

后来想明白了：AI 整理的是结构，不是想法。 我的日记、反思、和妻子吵架后的复盘——这些 AI 不碰，也不该碰。它只负责把我读过的文章、学过的东西变成随时可以查阅的百科。

我每天的日记模板里追踪睡眠时长、能量水平、专注度、运动数据。每周 AI 自动聚合成周报。知识管理只是这个系统的一部分，它延伸到了整个生活的量化和反思。

这不是效率工具。这是一面镜子。

Before & After：到底改变了什么

用了一年多，我可以很具体地说出前后差别：

以前（纯 Obsidian，没有 AI）：

• 看完一篇好文章，花 20 分钟写摘要、打标签、想该放哪个文件夹。大部分时候懒得做，直接扔收件箱里腐烂。
• 想找之前看过的某个观点，靠关键词搜索碰运气。搜到了算赚到，搜不到就当没看过。
• 笔记之间几乎没有连接。“多巴胺"和"习惯养成"明明有关系，但我从来没手动链过——因为链完这两个，还有几百个类似的关系等着我。
• 每隔几个月，对着杂乱的笔记库叹口气，下决心要"好好整理一下”。整了两个小时，累了，放弃。
• 知识是平的。5800 篇笔记像 5800 张散落的纸，没有结构，没有层次，搜索是唯一的入口。

现在（Obsidian + AI 维护）：

• 看完一篇文章，对 AI 说"消化这篇"。两分钟后，5-15 个词条被创建或更新，交叉链接自动建好，索引自动更新，原文自动归档。我什么都不用想。
• 想找什么，问 AI 就行——它不仅能搜索，还会跨多个词条综合回答，而且答案会被存回百科，下次不用重新推导。
• 笔记之间有了密集的连接。 心理学和方法论之间、投资和职业规划之间——AI 帮我发现了大量我自己不会注意到的关联。知识变成了一张网，而不是一堆纸。
• 不需要"好好整理"了。AI 定期做质量检查（发现过时信息、矛盾、孤立页面），定期做结构重组（合并重叠、调整分类）。维护是自动的。
• 知识有了纵深。 11 个领域、300 个索引词条、每个词条有来源追溯和交叉链接。不是我记了 5800 篇笔记，是我有了一个 993 页的个人百科。

如果用数字来说：

最本质的变化是：笔记从"写完就死"变成了"越用越活"。

以前每篇笔记的生命周期是：写 → 存 → 遗忘。现在是：写 → AI 消化进百科 → 被其他词条引用 → 被提问时调出 → 被新素材更新 → 被质量检查验证。每篇笔记都在持续参与知识循环。

谁在这么做？

Andrej Karpathy（前 Tesla AI 主管）—— 提出了这个模式，但只发布了理念描述，没有发布代码。他说：“在 AI 时代，模式比实现更有价值。”

Tiago Forte（《打造第二大脑》作者）—— 2026 年把他的"第二大脑"方法论升级为 AI 版本。他务实地承认：“从来没有说的那么快或那么容易。”

Steph Ango（Obsidian CEO）—— 发布了官方的 AI 技能包（20,000+ 星标），正式拥抱了这个方向。这不再是极客的小众玩法。

和 ChatGPT / NotebookLM 有什么不同？

一句话：ChatGPT 是一次性的，AI 百科是积累的。

你在 ChatGPT 里问了一个很好的问题，得到了一个很好的回答。然后呢？聊天记录沉到历史里，下次你忘了，又问一遍。

Google NotebookLM 好一些——它基于你上传的文档回答。但它也不会帮你整理文档、建立交叉链接、或者检查内容质量。

AI 百科的核心区别是复利：每次使用都让系统变得更好。不是你在消费知识，而是你在生产知识。

你需要什么工具？

如果你想尝试，有两个路线：

想自己折腾的（最灵活）

• Obsidian（免费笔记工具）+ Claude Code（AI 命令行工具）
• 写一份 CLAUDE.md 规则文件
• 开始收集素材，让 AI 消化

这是灵活度最高但上手门槛也最高的方案。

不想折腾的（开箱即用）

需要警惕的三件事

1. “我以为我懂了”

AI 帮你写了一篇完美的知识总结。你读了一遍，觉得自己理解了。但那个理解在 AI 的词条里，不在你的脑子里。

心理学研究发现，人们系统性地高估自己对 AI 生成内容的理解程度。这叫"能力幻觉"。

应对：重要的领域，先自己读原文，再让 AI 整理。不要跳过阅读这一步。

2. AI 写错了怎么办？

聊天窗口的错误你看一眼就过去了。但如果错误被写进了百科，它会影响后续所有的查询和综合。

应对：保留原始素材（AI 不能修改），定期做质量检查，操作日志可追溯。

3. 系统越来越大，AI 还跟得上吗？

Karpathy 建议百科规模在 ~100 篇文章（约 40 万字）以内效果最好。超过这个规模，可能需要搜索技术的辅助。

应对：先从一个领域开始，不要一上来就想整理所有笔记。

为什么这件事现在值得关注？

过去 30 年，个人知识管理经历了三个阶段：

第三阶段解决了前两个阶段的核心问题：不是帮你记更多，而是帮你把已经记的东西养活。

Obsidian 的 CEO 发布官方 AI 技能包、Karpathy 的帖子获得百万浏览、多个开源项目在一周内涌现 —— 这些信号都在说：个人知识管理的 AI 时代已经开始了。

你的笔记不再需要你亲自整理。但你读什么、问什么、关注什么 —— 这些依然只有你能决定。

AI 是园丁，但花园的主人是你。

参考来源：Karpathy LLM Wiki (GitHub Gist) | Obsidian Skills (kepano) | Tiago Forte - AI Second Brain | 30+ 学术和行业来源。完整研究报告见原文。