AI最大的价值，或许不是帮你干活，而是帮你管理大脑。
前几天，AI大神安德烈·卡帕西（Andrej Karpathy）的一条推文火了，核心是他介绍自己怎么用AI的。
相信不少朋友对卡帕西肯定不陌生，就是那个被称为「全球最懂AI的人」，斯坦福李飞飞教授的亲传弟子，ChatGPT背后的关键推手，也是特斯拉前人工智能与自动驾驶视觉负责人。
他在推文中提到，自己最近最重要的AI使用场景不是写代码，而是用AI给自己搭建「个人知识库」。
两天后，他又发布了一篇更详细的长文，把整套方法论完整写了出来。这篇文章在全球科技圈刷屏了，因为它点出了很多人隐约察觉、但还没想清楚的问题：AI最大的价值，或许不是帮你干活，而是帮你管理大脑。
这个场景很好理解。我相信大家平时也爱看文章、爱记东西，大多都有这样的困扰：微信收藏里躺着几百条「等我有空再看」的文章，浏览器书签乱到不敢打开，备忘录里堆着一堆「好观点，以后要用」的零散记录，录过的语音笔记从来没整理过。
结果真要写东西时，翻来翻去找不到之前那条「看到的好案例」，最后只能临时现搜。存了很多内容，却没有沉淀；看了很多东西，用时却找不到。
卡帕西解决的，就是这件看起来一点也不技术、并且也不「性感」的事。
01 三句话总结卡帕西方法论第一句话，让AI替你做所有「苦力活」。
每次你往知识库里存一篇文章，AI不只是简单保存，还会读完它、写份摘要、提取关键概念、更新相关页面、标注新内容与旧结论的冲突，以及建立文章间的交叉引用。
这些事人做起来又痛苦又容易放弃，但AI干起来不费力。
第二句话，知识库要有「复利效应」。
普通AI对话是一次性的，问完就消失。但卡帕西的方法是让AI把每次整理、每次提问的结果都存回知识库。你存的东西越多、问的问题越多，知识库就越丰富、越智能。
卡帕西有句话我觉得说得很准：
Wiki是一个持久的、具备复利效应的产物。
第三句话，你只需要做两件事：往里扔东西，和从里面提问题。
卡帕西说，你永远不需要自己动手整理索引文件，AI负责所有的苦力活，比如总结、交叉引用、归档。你的职责就是找好资料，问好问题。
这三句话，就是AI时代知识管理与过去最本质的区别。
02 用Get笔记六步完整复刻但说实话，卡帕西的具体操作对普通用户门槛挺高的。
他是在电脑上搭建一套复杂的文件夹结构，安装一个自由度高但上手难度也高的笔记软件Obsidian，再装浏览器剪藏等一批插件，然后用Claude Code或Codex写脚本处理资料，手动维护规则文件，还要用Git做版本控制。
他自己也承认，这里有空间孕育一个了不起的新产品，而不是像现在这样一堆脚本的拼凑。
好消息是，他描述的那款「新产品」其实已经存在，就是Get笔记。
前置：让AI学会Get笔记技能
当然，对于现在流行的命令行操作方式，Get笔记也提供了自己的CLI工具。在文稿的最后，我会把要发给龙虾AI助手的技能安装指令，以及发给Claude Code的命令行指令都放出来，你直接粘贴复制就能用。
如果你还没在电脑上装龙虾，也可以先下载Get笔记独立使用。App本身已经自带自动AI摘要、语义搜索、知识库管理等功能，等你准备好再接入龙虾也完全来得及。
不过，卡帕西的整套方式还是很技术化，普通用户理解成本较高。下面我会用一个具体案例，带你从零走一遍整套流程。
如果你已经是一个技术大神，能熟练用OpenClaw或者Claude Code操作任何工作，那你可以直接去上手调试了。
接下来，我们假设一个场景：你是一个做内容的人，平时看很多行业资讯、案例分析和好文章，但素材总是散落各处，用时找不到。
说实话，这个场景几乎适用于所有人，不只是做内容的，只要平时有信息输入习惯，这套流程就对你有用。
第一步：建一个知识库，30秒搞定
你只要告诉你的龙虾：帮我在Get笔记里建一个知识库，名字叫「内容素材库」，描述是「收集做内容用的案例、数据、观点和灵感」。这样就完成了。
这就是卡帕西说的Wiki目录结构，他要手动建文件夹、写配置文件，你一句话就能搞定。你也可以根据自己的实际需要，同时建几个知识库，比如「行业观察」「读书笔记」「工作复盘」「我的想法」。
知识库的作用越精准越好，倒不是因为AI，而是方便你自己理解里面的内容。
比如我有个知识库，专门放「AI组织变革」或「AI裁员」相关信息，那么AI能清晰判断哪些内容适合放进去。
我还有个知识库，专门存高质量AI人物访谈，里面每个人物访谈都有两条笔记，一条是五六万字的逐字稿笔记，一条是总结出七大模块给人读的「访谈笔记」。
这个近千万字的知识库我已经公开，你也可以在文稿最后看到这个知识库地址。
第二步：往笔记里扔东西，每天随手做
这是整个系统最重要也最简单的一步。先扔进去，然后整理的事交给AI。
比如，你刷到一篇好文章，告诉龙虾「帮我把这个链接存到Get笔记，加到内容素材库」。
龙虾会自动保存链接、抓取全文、生成结构化总结、打上标签。一篇一万字的文章，10秒内就能变成一条带摘要的笔记。
再比如你开完会，或者和人聊完有价值的对话，拿GetSeed AI录音卡录了下来，录完后AI会自动转写成文字，生成摘要、关键发言和待办事项，一小时的内容也能变成一条结构清晰的笔记。
顺便说一下，我最近公众号贴图发得多，那些一段段的文字碎片，其实都是AI帮我筛出来的。
我给龙虾设置了一个定时任务，每天从我GetSeed录音卡的录音文件里，找出值得发的内容，列出几个选题给我。
我平时会议里随口说的想法、聊的观点、感慨的一句话，龙虾都会帮我挖出来，我只需要选一个，和AI讨论一下文案发出去就行。
这个方法我是跟资深营销顾问润宇学的，只不过他用来发朋友圈，我用来发公众号贴图，从选题到发布全程不超过十分钟，创作门槛一下子降低很多。
那些看起来是「随手一发」的内容，背后是一个一直在运转的知识库。
另外，当你突然有个想法怎么办？不用等想清楚再记。直接和龙虾说：「帮我记一下，刚看到一个数据，现在90后创业者平均融资周期比80后长40%，但成功率反而更高，这个角度可以用来写反常识内容。」
AI会直接存成一条文本笔记，哪怕只是一句话也没关系。最核心的心态就是：降低「记」的门槛，完全不用考虑「怎么整理」。
第三步：让AI替你完成整理
你可能注意到，前面每次存笔记都要手动说「加到某某知识库」，其实这一步也可以省掉，或者说，可以直接交给龙虾判断。
你可以每天晚上或者每隔几天，跟你的龙虾说：「帮我看看Get笔记里最近新增的笔记，根据内容判断它们该属于哪个知识库，帮我归类进去，如果笔记缺标签，也帮我补一下。」
龙虾会读取你最近的笔记，理解内容，然后自动归类、补标签。
比如，一篇关于短视频算法的文章，会被判断属于「内容素材库」，自动加进去，并补上算法、短视频、平台规则等标签；一条和朋友聊创业的录音笔记，会被判断属于「工作复盘」，自动加进去。
你甚至可以跟龙虾说，以后每天帮你做一次整理，不用再问。它会记住，下次自动执行。
这才是卡帕西说的「维护成本接近零」的真正含义：不是整理很快，而是你根本不用整理，全由AI来做。
第四步：向知识库提问
当你的知识库积累三四十条笔记，大概两三周的量，真正有意思的事情就会发生了。
你可以问龙虾：「在我的内容素材库里搜一下，有哪些关于创业失败原因的案例和数据。」龙虾会在你所有笔记里做语义搜索，不是简单的关键词匹配，而是理解意思后整理好给你。
比如，告诉你找到了4条相关笔记，第一条是某篇文章里提到的融资节奏踩错导致断粮的案例，第二条是你3月12日会议录音里提到的产品太早商业化的观点，第三条是你存的一条推文里讲团队内耗是慢性毒药，第四条是上周那篇报告摘要里的数据……
有时候你可能都忘了自己存过这些东西，但龙虾记得。
你还可以再试试更复杂的提问：「我笔记里关于AI替代人工的内容，正面案例和质疑声音分别有哪些，帮我整理成两边的观点。」
这种需要综合多篇资料、做对比分析的问题，正是普通AI最吃力的场景，但对一个维护良好的知识库来说，只是最基础的操作。
这一步在我看来，是AI形成知识库后最能发挥作用的环节，也是最被低估的环节。
千万别让你的知识库变成落灰的收藏夹，因为之前只有单条笔记时，提问只能管中窥豹，而现在AI能帮你站在更高维度提问和回答。
比如我的高质量人类谈话库，我会直接问龙虾助手几个问题，其中三个特别值得分享，这套问题模式源自MIT的某次研究：
这里的所有AI大神，对于AI的发展有哪五个核心的共识心智模型？
这个领域专家们有哪三个根本性分歧？每一方最有力的论据是什么？
生成十个问题，能精准区分出真正理解这个学科的人和只是死记硬背的人。
这个提问框架里的三个问题，其实就能让你对一个领域的发展脉络有了全局了解，比每天追热点、刷短视频效率高得多。
第五步：让每次使用都反哺知识库
前面说的整理，是把原始素材归位，让新进来的东西去它该去的地方。知识库真正开始「生长」，是从你第一次提问开始的，这是卡帕西方法论里最精妙的部分。
每次探索和提问，结果都会「累积」到知识库里。
比如你刚才搜索「创业失败案例」，龙虾帮你从二十条笔记里汇总出精华，这份汇总本身就值得存回去。
你可以直接和你的龙虾说：「把刚才整理的这份素材汇总，存成一条新笔记，标题叫『创业失败原因素材』，加到内容素材库。」
下次再搜相关话题，这份汇总就成了新入口，不用重新整理。你用知识库素材写了一篇文章，文章本身也能存回去，你的写作成果会成为知识库的一部分。
每一次「用」，都让知识库更完善，这不是比喻，是字面意义上的复利。
卡帕西也表示，好的回答可以作为新页面存回Wiki。你提出的对比分析、发现的新关联，这些都有价值，不应该消失在聊天记录里。对话是一次性的，知识库是永久的。
还有个小细节，就是你的素材库最好和作品库分成两个知识库。
这样做有个小便利，你可以直接把你的作品知识库的链接扔给龙虾助手，告诉它「这个知识库里都是我写的东西，你一篇篇深入理解，然后写一篇对我个人角色和文字风格的理解学习报告。」
然后你可以根据报告来微调AI对你的理解，未来它再帮你写东西时，就更懂你的需求和文风了。
第六步：定期做一次体检
比如，你可以每周跟龙虾说一次：「帮我看看内容素材库现在有多少条笔记，按主题整理一份索引，每个主题列出有哪些笔记，最后告诉我有没有明显的内容空白。」
龙虾会生成索引给你，比如告诉你创业与商业模式主题下有12条，内容创作方法有8条，用户心理与行为有6条，还会提醒你，关于「内容变现」的笔记只有2条，但你最近多次问这个话题，要不要专门收集一批？
当你和龙虾说，把这个索引存到知识库——它就成了知识库的「地图」。
有了地图，你和龙虾都能快速找到方向。这就是卡帕西的索引文件加健康检查，他写脚本实现，你一句话就能搞定。
比如我在那个高质量人类谈话库知识库，就设置了一条「随时更新」的索引笔记，里面有按人物索引、按主题索引、按观点冲突索引和七天动态日志，分门别类放着知识库里不同维度的笔记。
当然，现在还有个bug需要处理，就是AI自动生成的索引笔记里，Get笔记内部链接有问题，这是我写这篇稿子时发现的，下一个版本会修复掉这个bug。
说了这么多，把这六步和卡帕西的做法对照一下，你就会发现：
建知识库，他要手动建文件夹、写配置文件，你直接跟龙虾说建一个就行；
存资料，他装浏览器插件手动抓网页，你说帮我把链接存到笔记即可；
生成摘要，他要写提示词让AI Agent处理，Get笔记自动生成，不用手动触发；
搜索提问，他写代码调CLI工具，你直接说从笔记里搜一下；
结果反哺，他手动存回Wiki目录，你说把结果存一下；
版本控制，他配置Git，你这边云端自动同步。
本质完全一样，区别只是他用代码实现，你用对话实现。
03 AI时代知识管理的本质变化最后，我想聊一件更重要的事，也就是AI时代的知识管理和过去最大的不同到底是什么？
显而易见，肯定不是存了多少笔记。过去大家用笔记软件，核心问题是怎么整理，比如用什么文件夹结构、打什么标签、建什么双链。整理本身就是一门学问，也是一件让大多数人半途而废的苦差事。
反正我之前每半年就会有一个深夜，觉得自己需要整理上万条笔记和标签，然后干到五六百条时，就会破罐子破摔地想「地球毁灭吧，这活儿我不干了」。
到了AI时代，整理这件事可以交出去了，被解决了。AI不会觉得无聊，不会因为睡懒觉忘记早上八点更新链接，还能在一次操作里同时修改15个文件。
所以知识管理真正的核心问题，变成了两件事：
第一，你往里放了什么？
这是最难被替代的部分。什么值得记、什么不值得记、什么是你真正关心的问题，这个判断属于你，AI替代不了。
卡帕西能建出有价值的知识库，不是因为他的工具比别人好，而是因为他看的东西比别人深，筛选资料的眼光比别人准。
第二，你怎么使用它？
知识库的价值不在于存了多少，而在于你问了多少问题。
一个从来不提问、只往里存东西的知识库，和没有知识库没区别。每一次搜索、每一次分析、每一次把结果存回去，都是在让它更有价值。
你的知识库，最终会长成你的「数字大脑」。它记得你忘掉的东西，帮你连接没想到的关联，在你需要时随时调用。
这件事以前需要专业工具技能才能搭建，现在你只需要一个龙虾、一个Get笔记，还有今天就开始往里放东西的习惯。
别等「准备好了」。往里扔第一条笔记的那一刻，你的「数字大脑」就已经开始生长了
