写在前面

2 月深度探索了个人知识库与AI 结合，体验还不错，记录下方法和思考。我过去尝试过OneNote、EverNote、Apple备忘录、飞书Doc、腾讯 Doc，但是最终都弃坑了，不是这些产品力不行，只是不适合我。

我的痛点如下

• 产品容器要纯粹稳定简单。纯粹是不要太多广告营销（_EverNote），稳定是内容存到本地并能离线编辑（~飞书Doc、腾讯 Doc_{），简单是支持Markdown格式（}OneNote~）。

• 产品不能只是一个容器。知识库搭建容易陷入一个误区，就是把知识库当成信息存储工具，最终信息过载到知识库“热寂”。

• 产品有创造局部有序的功能。知识库产品的下限是具备容器的能力，上线是有知识管理思维。预防知识库“热寂”的唯一方式是对抗熵增，面对知识库的熵增，产品在信息分类、知识管理上提供一些能创造局部有序的功能。

• 能够一键打通优质信源，方便收集和整理。

• 能够使用AI，支持本地知识库探索或在线问答。

以上是我对知识库产品的核心痛点，其中创造局部有序的功能是我最大的痛点。如果你和我有类似的痛点，相信接下来这个解决方案对你有一些帮助。

搭建流程

我的解决方案是Obsidian+Copilot+IMA，接下来我从信息收集、分类、应用三个方面介绍这套方案。
1/ 信息收集
信息收集分成两种：个人信息、公域信息。
个人信息指每天的冒出来的想法和感觉，这类时效性要求很高，例如一个灵感，不迅速记录可能就忘了，这类我现在都用豆包智能体记录。
如果你也想尝试一下，欢迎使用我常见的豆包智能体。

MKFlomo - 豆包智能体[https://doubao.com/bot/ZtJCwXun]

公域信息指不同平台的文章、视频、图文等，我主要收集图文信息。微信公众号文章用五彩插件，网页浏览文章用Obsidian 官方插件或者五彩插件，我平时五彩插件用的多，同步速度也挺快的。
官方插件：Obsidian Web Clipper[https://obsidian.md/clipper]
五彩插件：五彩插件[https://doc.wucai.site/]

2/ 信息分类
信息分类是我最钟意Obsidian的部分，结合 dataview插件与属性，能很好的将收集的信息展示出来。任何信息的收集一定都可以归类到主题，至于笔记放在哪个文件夹其实不重要，如果能构建自己的知识主题，相关笔记自然可以分类到该主题下，并且动态更新。

Dataview：是一个功能强大的插件，用于在 Obsidian 笔记中动态查询和展示数据。它允许用户通过特定的语法从笔记中提取、整理和展示信息，就像一个小型的数据库工具，非常适合管理复杂的知识体系和项目。

我用 dataview 来展示全量的笔记，方便我按日期来看最近更新了哪些笔记。同时我分主题来看最近有哪些笔记，方便对主题进行优化。通过 Dataview函数和属性插件，基本上摆脱物理文件夹的思路，查找文件直接从每个主题去看就行，也方便对每个主题下的文件进行管理。

按日期倒序列出来每天新增的笔记

分主题列出来我有哪些笔记

属性：通常指的是一些可以管理、展示或操作笔记属性（如元数据、标签、YAML Frontmatter 等）的插件。这些插件可以帮助用户更高效地组织和利用笔记内容，尤其是在需要对笔记进行分类、查询或动态展示。属性可以在 meta data里面设计，也可以通过 templater 插件对新增笔记进行添加。

信息分类还有很多用法不展开了，例如索引、内外链、tag 等等，核心是让笔记与笔记之间建立联系，把单点的知识串起来，形成一个知识关系图谱，这里解决了知识库管理局部有序的痛点。例如点开搜索增强笔记，我大概能支持这些笔记与哪些笔记相关，哪些笔记是我收集的，哪些是我自己总结的。

3/ 知识库应用
在完成信息收集和分类之后，这里主要介绍一下知识库如何使用AI。

AI配置
通用的解决方案是使用 copilot，copilot 可以接各大厂商的大模型API，我之前用硅基流动，现在用火山引擎，实测下来，还是火山引擎好一些。通过火山引擎能用到豆包、DeepSeek等一系列模型。
硅基流动配置：硅基流动配置Obsidian Copliot
火山引擎配置：火山引擎配置Obsidian Copliot[https://www.zhihu.com/zvideo/1878038640178909185]

Copilot 使用
copilot 有 chat、vaultQA及 copilot plus beta 版本。chat 就是对话模型，我一般不去 DeepSeek 官网了，直接在 chat 里面聊各类问题。vault QA是支持本地知识库回答，限定于知识库回答。beta 版本要付费，支持多模态输入和输出，但是我没用。在写这篇文章的时候，copilot 会显示相关笔记，还挺准的，基本上是与这个主题相关的笔记。

另外无论是 chat 还是 vaultQA都有 Suggested Prompts，如何问好一个问题，是回答好一个问题的关键。我对知识库设定了一些通用的 prompt，例如基于第一性原理，回答相关主题，这些 prompt 都可以存下来，后面反复使用。每次问答的结果都能一键存档，非常方便了。

问题：基于设定的 prompt 框架。

回答：基于知识库内容。

问题&回答：基于本地文档，进行回答。

基于收集的信息，无论是学习新主题还是优化内容，确实能产生意想不到的效果，并且能将内容一键存档，copilot 好用爱用！

写在后面

信息收集不是知识库搭建的目的，打造知识循环利器才是知识库存在的必要，其中最难的是要对抗知识库信息熵增，而Obsidian 的局部功可以让笔记之间形成了关联，同时让知识从收集到输出无缝衔接。

最后的最后，如果是PDF类型的资料，我会倾向用IMA，支持下兄弟部门的产品，所以想清楚需求再选择对应的产品还是很重要的～

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓