你的手机里是不是存了几百篇“稍后再看”的文章？你的笔记软件里是不是躺着上千条收藏，落满了数字灰尘，再也没有看过。

别不好意思承认，我也一样。作为一个每天和 AI 打交道的自媒体博主，我的知识管理软件里塞满了各种行业报告、技术文章、灵感碎片。每当自己想写一篇某个主题的文章时，翻遍了笔记本，才发现自己根本不记得哪些内容存在哪里，更别提把它们串联起来了。

这种“收藏即遗忘”的困境，几乎每个人都经历过。你以为自己在积累知识，其实只是在囤积信息，这是一种收藏癖。标签、文件夹、搜索功能，这些传统手段在信息量突破临界点之后就彻底失灵了。

直到最近，Andrej Karpathy（OpenAI 创始成员、Tesla 前 AI 总监）在 X 上抛出了一个叫 “LLM Wiki” 的新玩法，我才意识到：问题的根源不在于我们收藏得不够多，在于我们从来没有真正“消化”过这些信息。好消息是，现在 AI 可以帮我们完成这件事。

什么是“LLM Wiki”？

先解释几个名词：

• LLM: Large Language Model 的缩写，即“大语言模型”，比如 ChatGPT、Claude.

• Wiki：一种知识管理平台，最著名的就是维基百科。

• LLM Wiki：用大语言模型把你的零散知识，自动整理成一部结构化的“个人百科全书”。

传统的做法是，每次你想问 AI 一个问题，AI 都要重新翻一遍你的所有资料，找到相关的再回答你（这叫 RAG，检索增强生成）。这就好比你每次问图书管理员一个问题，他都要把整个图书馆的书重新翻一遍。

Karpathy 说，这太蠢了。正确的做法是：让 AI 当一个“知识编译器”，先把你的所有资料读一遍，整理成一本结构清晰、彼此关联的百科全书。以后你再提问，AI 直接翻这本百科书就行了。

更妙的是，每当你新增一份资料、每做一次提问，AI 都会把新知识补充回这本百科书。你用得越多，这本书就越厚、越好用。Karpathy 把这叫做 “知识复利”。

普通人怎么落地？Claude Code + 有道云笔记

理念很美好，但普通人怎么操作？

好消息是，你只需要两样东西：一个 AI Agent 工具（支持 Skill 的都行，比如 Claude Code、OpenClaw、有道龙虾 LobsterAI 等国内各种龙虾工具）和 有道云笔记。

因为我是程序员出身，所以，这里我使用的是 Claude Code。

有道云笔记，为什么选它？因为我在研究 LLM Wiki 准备出教程的时候，突然搜到有道云笔记已经推出了 YoudaoNote LLM Wiki Skill。也就是说，我们只需要安装这个 Wiki Skill，就能在有道云笔记中非常轻松地落地 LLM Wiki。

对于普通人来讲，其实这是最好的实现方式，你不需要自己搭建整个 LLM Wiki 架构了，你只需要在支持 Skill 的 Agent 当中运行这个 skill，它就自动帮你搭建这种架构。

有道云笔记官方文档中详细讲述了如何安装 YoudaoNote Wiki Skill，如果你用的是有道龙虾 LobsterAI，可以在「技能市场」中搜索并安装 youdaonote-llm-wiki（网址：https://note.youdao.com/help-center/skill-wiki-guide.html）。

如果你使用的是 Claude Code，它提供了 skill 压缩包，我们直接解压对 Skills 文件夹中即可。

接下来，我们用一个具体的例子，手把手演示整个流程。

实操演示：搭建一个“AI 行业洞察”知识库

大家都知道我是一个自媒体创作者，也是一个 AI 博主，每天大量分享 AI 行业相关的知识，所以，我在这里带着大家来搭建一个「AI 行业洞察」的知识库。

STEP 1：一句话搭建知识库

打开终端，进入你的有道云笔记文件夹的项目目录中，启动 Claude Code，然后告诉它：

帮我创建一个知识库，主题是：AI 行业洞察。

首先，它会建议一个知识库名称，比如：ai-wiki，等我确认，我确认之后，它就开始自动创建知识库了。

确认之后，几分钟就帮我们创建好了「AI 行业洞察」的知识库。

我们可以打开有道云笔记软件，可以清晰的看到这个知识库的整个结构情况，创建了一个结构化的 Wiki 目录，是以 LLM Wiki 架构实现的。

STEP 2：将素材剪藏到知识库

知识库创建完成之后，我们就可以把素材存到知识库了，比如，我看到一篇关于 AI 行业洞察的公众号文章，我就可以直接把链接扔给 AI，它就自动剪藏到我们的知识库了。

把这篇文章整合进我的 ai-wiki：https://mp.weixin.qq.com/s/8LkOd-T_j3G4bWCiohEubg

扔给 Claude Code 这类 AI Agent 之后，就不用管了，我们该干嘛就去干嘛，就行了，一会 AI 就会将这篇文章自动摄入完成。

通过截图我们可以看到，Agent 会根据 Skill 自动：

• 抓取网页内容，存入知识库的 raw/ 作为原始素材

• 识别文中的关键实体（人物、组织、产品、工具），为每个新实体创建或更新 entities/ 下的条目

• 识别关键概念（技术、方法论、主题），为每个概念创建或更新 concepts/ 下的条目

• 在新旧页面之间建立交叉引用

• 更新目录 index.md 与操作日志 log.md

我们可以打开有道云笔记软件，看看具体情况，可能会让你看的更直观。

是不是很厉害？内容、索引、操作记录、交叉引用等都有更新。AI 全自动还操作，大家减少了我们的用脑成本，提高了效率。

STEP 3：向你的知识库提问

知识库搭建好、素材也喂进去了，同时我也多喂了几篇文章素材，接下来就是最有意思的部分：直接向你的知识库提问。

比如，我最近在 harness 比较火，想快速了解什么是 harness，就可以直接问：

根据 ai-wiki 的内容，帮我梳理一下 harness 相关知识。

为什么我提问 harness 相关的问题呢？因为我扔了几篇 harness 的文章进去了，我想试试它的汇总能力。我们可以看到 Claude Code 会翻阅你的知识库，结合你之前摄入的所有文章，给出一份结构化的结果。

如果你想深入某个方向，可以继续追问：

harness 工程中，为什么要薄缰绳、厚技能？

从这两次提问可以看到，AI 回答问题的方式和普通聊天完全不同。它会先翻目录找到相关页面，然后把多篇文章的内容综合起来分析，给出的答案还会标注信息来源于哪个条目。如果两篇文章在同一个观点上说法不一致，它甚至会主动标出来提醒你。这就是知识库的价值：你问的每一个问题，AI 都是在“查你自己的百科全书”，而不是瞎编。

STEP 4：把对话沉淀回知识库

在你和 Claude Code 讨论了 Harness 相关的知识之后，你觉得这些分析非常有价值。这时候你可以说：

把刚才关于 Harness 的相关查询结果和结论存进 ai-wiki。

Claude Code 会自动把对话中产生的新知识，以结构化的方式写入对应的 Wiki 页面，该建新条目的建新条目，该更新交叉引用的更新交叉引用。你的知识库因为这次提问变得更加丰富了。这就是知识复利的魔力：你提的每一个问题，都在为知识库注入新的价值。

STEP 5：让 AI 定期“体检”你的知识库

Karpathy 在他的方案中提到了一个很重要的环节：Lint（知识库体检）。你可以定期让 Claude Code 审查整个知识库：

帮我审计一下 ai-wiki，看看有没有矛盾和孤立页面

Claude Code 会像一个尽职的编辑一样，逐篇审阅，然后给你一份“体检报告”：哪些信息可能已经过时了，哪些概念之间的关联还没有建立，哪些重要话题你还没有收录。你只需要确认它的建议，它就会自动完成修改。

这套流程走下来，你会发现什么？

你几乎不用自己动手写笔记了。

你只需要做三件事：收藏资料 → 跟 AI 对话 → 在有道云笔记里查看结果。

整理、分类、总结、找答案、补充新知识、检查过时信息……全都是 AI 帮你完成的。你的角色从“笔记的搬运工”变成了“知识的指挥官”。

而且，这套方法可以复制到任何你感兴趣的领域：

• 给孩子建一个“育儿百科”

• 给自己建一个“投资研究库”

• 给工作建一个“行业知识库”

• 给爱好建一个“摄影技巧 Wiki”

你的有道云笔记目录中，将出现一个个能够自动维护和更新的百科式知识库。每一篇笔记都成为知识循环的一部分，知识不再是“记完就死”，而是“越用越活”。

写在最后：你的知识，终于可以“活”起来了

回头看这整套流程，我最大的感受是：我们终于不用再当“知识的搬运工”了。

过去十几年，我们一直在做同一件事：看到好内容，复制粘贴存起来，然后告诉自己“以后会用到的”。但说实话，大部分内容存进去的那一刻，就已经“死”了。LLM Wiki 真正改变的，是让这些沉睡的信息重新流动起来。你每一次提问、每一次投喂新素材，知识库都在悄悄长大，变得更聪明、更好用。

说实话，有道云笔记能这么快跟进 LLM Wiki 并且做出官方 Skill，确实让我有点意外。对于想尝试这套玩法的人来说，这可能是目前上手门槛最低的方案了。

如果你也受够了“收藏即遗忘”的日子，不妨花几分钟搭一个属于自己的知识库试试。你会发现，真正的知识管理，原来可以这么轻松。

youdaonote-llm-wiki skill 地址：https://note.youdao.com/help-center/skill-wiki-guide.html