Karpathy 的方法 + Obsidian + Claude Code，5 分钟搭好，AI 帮你维护。
前几天刷到 Karpathy 的一条推文，讲他怎么用大模型维护个人知识库。几千万曝光，底下一堆人在讨论。
我看完之后第一反应不是「好厉害」，是一阵心虚。
因为我电脑里，躺着好几个废弃的知识库。ima 试过，NotebookLM 试过，Obsidian 也试过。每个都是满怀热情地建起来，然后悄无声息地长了草。
你肯定也有类似的经历。
这事儿不怪你
说真的，我以前一直觉得是自己不够自律。后来想明白了，这事儿跟意志力没关系。
你用 ima，它确实能帮你记录和整理，但知识是锁在它的体系里的。你想跨工具用、想让别的 AI 读你的积累，做不到。平台一换，从头再来。
你用 NotebookLM，每次查询确实很聪明，但它的本质是 RAG——每次提问都在原始文档里重新检索。它不会替你把散的知识串成结构，不会在两篇不相关的文档之间发现联系。用完关掉，什么也没沉淀下来。
你用 Obsidian，问题出在链接。双向链接是好东西，但文件一改名，链接就断。你整理一次就得修一批断链，修到第三次就不想打开了。
这些工具本身没毛病。毛病在于：整理的时间比写笔记的时间还长。
你想想，一个系统如果要求你每次用完都花二十分钟做清洁，你能坚持几个月？健身房能坚持去的人都不多，更别说给笔记做卫生了。
你的第二大脑不是被你放弃的，是被维护成本拖死的。
Karpathy 的思路：维护这活儿不该你干
Karpathy 是谁？OpenAI 创始团队成员，前特斯拉 AI 总监。他对这个问题的解法特别简洁：
维护的事交给 AI，你只管往里扔东西。
他发了一份完整的规则文档，把个人知识库拆成了三个区域：
第一个是素材区（raw/）。 你读到的文章、记的笔记、任何原始内容，原封不动扔进来。这个区域是只读的，AI 不会动你的原始素材。
第二个是知识区（wiki/）。 AI 自动生成和维护的 Wiki 页面。每个概念一个页面，页面之间互相链接。这部分完全由 AI 打理。
第三个是规则文件（claude.md）。 告诉 AI 该怎么组织知识、怎么打标签、怎么处理冲突。等于是你给 AI 助手的一份工作手册。
日常操作就三种：录入新素材、查询已有知识、定期检查修复。
这个设计的巧妙之处在于分工。你负责输入（扔素材），AI 负责整理和维护。以前压死你的那些事情——打标签、建链接、查断链、更新分类——全变成了 AI 的工作。
怎么搭：比你想的简单
工具就两个：Obsidian + Claude Code。
Obsidian 是负责「看」的那一端——你在这里浏览 AI 整理好的 Wiki，打开图谱视图看知识之间的连接关系。Claude Code 是负责「干活」的那一端——它读素材、建页面、维护链接、做健康检查。
搭建过程我能用三句话讲完：
- 在 Obsidian 里建一个 Vault（就是新建个文件夹）
- 用 Claude Code 打开这个文件夹
- 告诉 Claude Code 把 Karpathy 的规则文档贴进去（https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f ）
Claude Code 跑了大概一两分钟，自动建好了整套目录：raw/ 放原始素材，wiki/ 放整理后的知识页面，index.md 做索引，log.md 记操作日志，还有一份 overview.md 概览。
有一个细节值得提：它建的不只是空文件夹，而是一套完整的规范——每个页面该怎么写、用什么格式、怎么打标签、怎么互相链接，全写在规则文件里了。这意味着后面不管你扔什么素材进去，AI 都会按同一套规范来整理。一致性是靠规则保证的，不靠你的记性。
到这里，一个空的 Wiki 骨架就有了。接下来才是有意思的部分。
录入第一篇：我愣了一下
搭完之后，我往素材区扔了第一篇文章，然后跟 Claude Code 说了一句：帮我录入。
接下来发生的事让我愣了一下。
它不是简单地写个摘要了事。它先通读了整篇文章，然后开始拆——把文章里的每一个核心概念都提出来，分别建了页面：
- 一个关于「第二大脑」的主题页，分析了为什么总是烂尾
- 一个关于「LLM Wiki」的主题页，拆解了三层架构和三种操作
- 一个关于 Karpathy 这个人的页面
- Obsidian 和 Claude Code 各一个页面，记录了它们在这套方案里的角色
- 三个选题创意页——它从素材里提炼出了三个可以写的文章方向
- 一个受众画像页，描述了对这类内容最感兴趣的人群
一篇文章，wiki 里多出来了十几个页面。而且页面之间全部做好了双向链接。点进「LLM Wiki」页面，能看到它链接到 Karpathy、Claude Code、Obsidian；点进 Karpathy 的页面，又能链回 LLM Wiki 和那篇原始素材。
我只说了一句「帮我录入」。
更有意思的是第二篇素材扔进去之后。新页面自动跟之前的页面产生了连接——两篇完全不同的素材，通过共同提及的概念被串了起来。打开 Obsidian 的图谱视图，知识点之间开始交叉。这些连接不是我规划的，是 AI 自动发现的。
两篇素材就能看到结构了。想象一下扔了五十篇进去，这个图谱会变成什么样。
这种跨素材的交叉引用，你自己做的话需要对所有旧内容烂熟于心才行。AI 做这件事毫不费力。
打开 Obsidian 图谱视图的那一刻，你会理解为什么这套方案跟传统笔记不一样。你看到的不是一堆孤立的文件，而是一张网络。每个知识点都和其他点有关系，而且这些关系是 AI 替你发现的。
健康检查：给知识库请个保洁阿姨
以前的第二大脑怎么死的？标签腐烂了你懒得更新，链接断了你懒得修，结构该重组了你没那个力气。久而久之，信噪比越来越低，直到你连打开的欲望都没有了。
这套方案里有一个操作叫健康检查，专门对付这个问题。
你跟 Claude Code 说一句「帮我检查一下wiki的健康状况」（cr:铁锤人），它会扫一遍整个知识区，找出所有不健康的地方：有没有页面之间说法互相矛盾的、有没有被遗忘在角落没人引用的孤儿页、有没有被频繁提到但还没建页面的概念、有没有已经被新信息推翻的旧内容。
然后给你一份报告。你点头，它就全修了。
你甚至可以把这个检查设成每周自动执行。等于给你的知识库请了一个不要工资、不会偷懒的保洁阿姨。
说真的，我觉得这才是这套方案的核心。搭建很容易，录入也不难，真正改变游戏规则的是维护自动化。以前的第二大脑死于维护，现在维护不再需要你了。
它改变的不只是效率，更重要是心态
如果你只是拿它来记笔记，那就用了十分之一的功力。
更值钱的用法是把它变成你所有 AI 工具的背景知识。知识区里有一个索引文件，记录了所有页面的标题和摘要。你把这个文件丢给任意一个 AI 助手，它就能基于你自己积累的内容来回答问题。跟 AI 聊天不用再从零开始了，它能读到你的知识库，自然就懂你的上下文。
你还可以往里面放互联网上搜不到的东西——你自己的思考、你的复盘、你对某个问题的判断。这些才是你最独有的知识资产。AI 拿到之后会越来越像一个真正了解你的搭档。
但用了一周之后，我觉得最大的变化不是效率，是心态。
这是我第一次觉得第二大脑不是在消耗我的精力，而是在帮我省精力。
我只做一件事：把好文章扔进素材区。剩下的交给 AI。我唯一需要做的判断是：这篇文章值不值得录入。
当维护不再是你的负担，你就不会抗拒往里面扔东西。不抗拒，才能持续。持续，才有复利。
判断自己需不需要搭一个
坦率地说，这套系统不是零门槛。你得会用 Claude Code，前期素材少的时候会显得单薄。
但你可以反过来想：如果你不搭呢？每次跟 AI 聊天还是从头给上下文，读过的好文章 90% 随着关闭浏览器蒸发，几个月后又心血来潮重建一次第二大脑，然后再烂尾。
如果你愿意试，就一个建议：别想搞大的。先建一个空 Vault，录 3 篇你最近读过的好文章就够了。等图谱开始有结构，你自然会想往里加。
知识库越用越厚，每多一篇素材，后面所有的查询和输出都会变好一点。这是一个正反馈循环。
建一个 Vault，贴进规则文档，录入你的第一篇。整个过程大概 5 分钟，就会拥有一个可以自我成长的知识库。
