Karpathy最近分享了一种使用大型语言模型（LLM）构建个人知识库的方法，将杂乱无章的笔记转化为一个自我生长的知识库。这种方法的核心是将日常收集的文章、帖子等资料放入一个文件夹中，然后利用AI进行整理、分类和建立联系，从而形成一个结构化的Wiki系统。用户只需负责收集资料和提问，而AI则扮演图书管理员的角色，帮助维护和扩展知识库。

搭建步骤

  1. 建立三个文件夹

    • 项目文件夹my-knowledge-base/下包含三个子文件夹：raw/（存放原始资料）、wiki/（存放AI整理后的Wiki）、outputs/（存放AI的回答结果）。

  2. 收集资料

    • 将微信中转发的文章、浏览器收藏等资料复制为.md文件，存入raw/文件夹。可以使用Obsidian的Web Clipper插件一键将网页转为Markdown格式保存。

  3. 编写schema文件

    • 在项目根目录下创建CLAUDE.md（或使用其他AI工具的对应文件名），定义知识库的主题、文件夹说明、Wiki规则等。

  4. 让AI整理Wiki

    • 指示AI读取raw/文件夹的内容，并按照schema文件中的规则在wiki/文件夹中建立Wiki结构。

  5. 提问与回答

    • 当Wiki中积累足够多的文章后，可以开始向AI提问，并保存AI的回答到outputs/文件夹或直接更新对应的Wiki页面。

  6. 定期检查

    • 定期让AI检查Wiki目录，发现并修正矛盾信息，提出新文章方向等。

使用建议

  • 无需使用Obsidian：尽管Obsidian是一个强大的工具，但Karpathy提倡保持系统简单，仅使用Markdown文件和一个schema文件。
  • 知识库扩展后的检索问题：随着知识库的扩大，使用INDEX.md进行页面定位可能会变得困难。目前尚未发现完美的解决方案，需要进一步探索。
  • 附加价值：将整个知识库存入git仓库，不仅可以追踪历史记录，还可以进行版本控制和协作。

总结

这种方法提供了一种简单而高效的方式来构建个人知识库，特别适合在AI时代利用技术降低知识管理成本。正如Vannevar Bush在1945年提出的Memex概念，即通过文档间的关联路径实现知识的主动存储和联想，而现在的AI技术恰好解决了维护问题。只需三个文件夹、一个说明文件和一个AI，就能构建起一个不断自我生长的知识库。

标签: none

评论已关闭