WorkBuddy + Obsidian：用 AI 维护一个会自己长大的知识库

起因很简单：笔记写了三年，多到自己都不想翻。

一、痛点：笔记越多，越像垃圾场

我攒了一堆 Markdown 笔记 —— Typora 写的、从自己 Hugo 博客导出的、还有各处抄下来存档的。文件名五花八门，图片散在五个不同的图床，同一件事在两篇笔记里说法还不一样。

量不算大，但"能直接用"的没几份：

找不到 —— 想查某个知识点，不知道该翻哪一篇
不放心 —— 笔记是几年前写的，里面的 API 可能早就废弃了
不成体系 —— 知识点是散的，面试要用的时候串不起来

我试过纯手动整理，结论是：整理笔记这件事会持续消耗意志力，而意志力是会用完的。

二、为什么是 Obsidian + WorkBuddy

分工原则一句话：

素材只读，wiki 由 AI 写，我只负责"给素材"和"提问"。

Obsidian 负责"装"：纯本地 Markdown 文件夹、[[双链]]、关系图谱、全文搜索。数据在自己硬盘上，不怕平台跑路。
WorkBuddy 负责"干"：能读写本地文件、跑脚本、抓网页、读 PDF，关键是 —— 你说人话，它干活。

两者之间靠一个 skill 粘起来，这也是整篇文章的主角。

三、核心：一个叫 Karpathy LLM Wiki 的 skill

整套玩法的发动机，是 WorkBuddy 里的一个 skill —— Karpathy LLM Wiki。

它来自 Andrej Karpathy 提出的「LLM Wiki」思路：不要 RAG，要"增量编译"。

传统做法（RAG）是你每问一次，就去素材库里检索一遍；而它反着来 —— 你每丢进来一份素材，它就读一遍、提炼要点，然后写进 wiki，顺手更新相关页面、标注和新结论矛盾的地方，把零散的信息缝合成一张网。

所以这个 wiki 是一个会复利的产物：交叉引用早就连好了，矛盾被标出来了，综述反映的是你读过的全部内容。素材越多、问得越多，它就越厚、越准。

它把内容分成三层，边界很清楚：

层	谁维护	说明
素材 raw/	你	只许放，不许改 —— 唯一的事实来源
wiki/	AI	摘要、概念页、综述、对比…… 你只读不写
WIKI-SCHEMA.md	你和 AI 共同演进	约定目录、分类、页面格式

一句话概括分工：你负责喂素材、提问题；AI 负责写页面、查矛盾。

四、日常只有三个指令

整套工作流，你只需要记住三个动词：

指令	你说的话	它做的事
入库 Ingest	“把这篇素材入库”	读素材 → 写摘要页 → 更新目录 → 顺带更新相关页面 → 记一条日志
提问 Query	“XX 这个知识，我库里是怎么说的？”	先读目录定位，再综合出答案并给出引用；好答案会落盘成新页面
体检 Lint	“给知识库做一次体检”	找矛盾、过时断言、孤儿页、缺失的双链和内容缺口

就这三句。剩下的它自己会做。

五、它长什么样、能干嘛

Obsidian 里的知识库：左侧文件树、中间的笔记属性、右侧的关系图谱

上图就是它跑起来的样子 —— 左边是文件树，中间是笔记的属性（frontmatter 可视化），右边是关系图谱。具体价值有这么几个：

知识沉淀：每读一份素材，wiki 就更厚一点。它是资产而不是消耗品 —— 你今天读的东西，半年后还能被检索、被引用、被缝合进新的结论里。
在 WorkBuddy 里直接检索：不用自己翻文件，直接问就行（“我之前整理过的那几个坑是哪些？"），它会读相关页面、给出带引用的答案；如果这个回答有价值，还能让它落盘成一个新页面，而不是沉在聊天记录里。
双链 + 图谱：页面之间用 [[双链]] 连起来，Obsidian 的图谱会把这些连接画成一张网 —— 你能一眼看出哪些知识点是孤立的、哪些是核心枢纽。
体检兜底：内容一多就容易自己打架。定期跑一次体检，矛盾、过时、断链、缺口都会列出来。
随时能搬走：说到底就是一堆 .md 文件，可以用 git 管版本，不绑定任何平台。

六、怎么开始

第一步：装 Obsidian

官网直接下载，Windows / macOS / Linux / 手机端都有，免费：

下载地址：https://obsidian.md/download

先装好，但先别急着建仓库 —— 下一步会告诉你仓库放哪。

第二步：让 WorkBuddy 帮你把仓库建好

在 WorkBuddy 里启用 Karpathy LLM Wiki skill（其他能装 skill、能读写本地文件的 agent 同理），然后说一句：

“帮我建一个个人知识库。”

它会自动把整套结构和约定建出来：

1
2
3
4
5
6
7
wiki-knowledge/
├── raw/              # 原始素材（只读）
│   └── assets/       # 本地化的图片
├── wiki/             # AI 维护的页面
│   ├── index.md      # 内容目录
│   └── log.md        # 操作日志
└── WIKI-SCHEMA.md    # 约定：目录 / 分类 / 页面格式

注意：这一步你不用手动建任何文件夹、也不用自己写配置文件 —— 那都是 skill 的活。你只需要说一句话。

第三步：把仓库导进 Obsidian

打开 Obsidian，选 「打开文件夹作为仓库」，把它刚建好的那个目录选进去。完成，界面就和上面那张图一样了。

第四步：日常就三个指令

把新素材丢进 raw/，说"入库”；有问题就问；想保持整洁就说"体检"。就这三句。

第五步：进阶 —— 让它自己跑

真正把"意志力"这件事彻底解决掉的，是定时任务。在 WorkBuddy 里给这个知识库挂上两个定时任务：

定时摄入：比如每周一次，自动把 raw/ 里还没处理的素材入库
定时体检：比如每周一次，自动跑一遍 lint，把矛盾、孤儿页、内容缺口整理好发给你

之后就可以躺平了：素材随手丢，AI 每周自己整理、自己查错。

最后，安利一下

成本几乎为零：Obsidian 免费，数据全在你本地，没有订阅、没有额度。
不绑定平台：产物就是一堆 Markdown，哪天不想用了，打包带走。
越用越值钱：它是个复利资产 —— 不像聊天记录，问完就沉底了；这里的每一次沉淀都留在库里，等着被下一次引用。
谁都适合：笔记多但烂在手里的、天天读论文的、做竞品调研的、准备面试要串知识点的，都能直接用。

一句话总结：你负责喂养和提问，AI 负责整理和查错。

参考自：Andrej Karpathy 的 LLM Wiki（gist）、WorkBuddy「Karpathy LLM Wiki」skill、个人知识库实操记录（2026-10）