如何复刻硅谷大神 Karpathy 的 AI 个人知识库

核心思路：放弃手动分类、打标签、整理。用 Claude Code 充当你的图书管理员，把原始资料交给它，它会自动构建出一套带双向链接的 Wiki 系统。

一、这套系统解决了什么问题

传统笔记管理有几个典型痛点：

看到好文章先存起来，然后收藏夹再也没打开过。
存了一百篇关于"AI"的文章，但它们彼此孤立。A 篇讲算法，B 篇讲商业应用，很难直观看到跨领域的关联。
每天花不少时间在格式对齐和打标签上，而不是用在真正的输出上。

Karpathy 这套方案的不同之处在于：

当你丢入 10 篇文章，AI 会自动在它们之间建立数百条双向链接。"心理学"的笔记可能自动关联到"产品设计"——很多跨学科的联系你自己都未必意识到。
它不只是一个文件夹，而是一个可交互的"知识库"。你可以直接提问："根据我过去三个月的资料，总结一下我对'一人公司'的认知变化。"
没有引入向量数据库或 RAG，Karpathy 证明了：只要结构设计得当，Markdown + LLM 已经足够支撑高强度的知识管理需求。

二、所需工具

Obsidian (免费)：用于可视化浏览笔记和关系图谱。OBSIDIAN
Claude Code：Anthropic 推出的命令行 AI 助手（需订阅）。 Obsidian 中安装 Claudian 插件，需要下载以下三个文件并放入插件目录：

Obsidian Clipper (Chrome 插件)：一键抓取网页内容。

三、操作步骤

第一步：初始化架构

打开终端，进入你的 Obsidian 文件夹。
输入 claude 启动。
打开 Karpathy 公开的 System Prompt 点击打开，点击右上角 Raw，全选复制，粘贴到 Claude。指令：按照这个 md 逻辑帮我搭建资料库架构。

第二步：导入资料

用 Obsidian Clipper 将感兴趣的文章保存到 /raw 文件夹。
在终端中告诉 Claude："有新文章，请帮我做 Ingest。"
AI 的处理流程：
- 读取 /raw 中的新文章。
- 在 /wiki 下自动生成对应的摘要页。
- 提取关键词，在文章之间建立 [[双向链接]]。
- 更新 Index.md。

第三步：检索与发现

完成导入后，可以直接在终端向 Claude 提问：

"根据我的 Wiki，Naval 所说的'专属知识'与'阅读'之间存在什么关联？"
"检查我的 Wiki，指出我在哪些领域的知识储备还不够充分。"
"帮我写一篇主题的分享大纲，综合参考我知识库中的所有相关资料。"

四、优劣分析

优点	缺点
配置简单：无需向量化和 Embedding 流程。	规模上限：适合 100-500 篇精选内容，上万份文件仍需 RAG。
数据私有：所有 Markdown 文件存储在本地，可任意迁移。	使用成本：Claude Code 按 Token 计费，知识库越大查询成本越高。
自动关联：AI 能挖掘出跨学科的潜在联系。	处理时间：批量导入大量文章时需要等待。

对于追求效率的独立创作者或深度内容输出者而言，这套模式的本质是用 AI 替代知识管理中的重复劳动。你只需要负责阅读和输入，剩下的结构化工作全部交给 AI 处理。