AI实战：为何收藏失效？手把手搭建你的AI知识库

这是实战篇的起始，全程不写代码，只探讨一个核心：你的收藏夹为何成了「死」局，以及为何你需要亲手构建一个能「自我更新」的AI知识库。

各位，即日起我们将开启「AI学习之路」实战篇——知识库板块。若你尚缺AI基础，建议先补完往期的基础系列。

实战篇将覆盖完整的产品开发流程：从产品思维、架构设计、技术实现，直至Vibe Coding阶段。若时机合适，实操环节我将对读者进行私密直播答疑。跟随此系列，每个人都能借助AI打造出专属的MVP。

第一章，正式启航。

我们都有过类似的经历。

遇见优质文章便点收藏，刷到精辟观点便截图，发现好工具便存入Notion等笔记软件。指尖一按，便觉心安——仿佛知识已尽收囊中。

但随后便没了下文。收藏夹日益臃肿，Notion里数据库林立，真需查找时，仍如大海捞针。更残酷的是：主题理解的加深并未因「收藏了50篇」而提升。调用时，仍需重读重想。

核心记忆：简而言之，你存下的只是信息，而非知识。

这个顽疾，于2026年4月被AI大神——卡帕西——以反直觉之法治愈。我依此思路搭建了个人知识库，经使用后，又在原设计上进行了改良。没错，你没看错：我的这套系统比卡帕西的多出了几项他未含的功能，稍后详述。

这是「AI学习之路·实战篇」的序章，暂不涉及代码，首要厘清一个基础概念：何为真正的「知识库」，以及为何你需要亲力亲为去搭建。

先问个问题：你现在的「知识」究竟栖身何处？

我推测，它们散落在七八处：微信收藏、浏览器书签、备忘录、Notion、Obsidian、各类聊天记录，以及大量存于脑海——而大脑存储，众所周知，极不可靠。

这些工具存储功能无碍。症结在于它们均受困于同一瓶颈：能存，却不「理解」所存内容。

以大家最常用的为例：

微信收藏/浏览器书签：纯粹的「堆积」。收藏即止，条目间毫无关联，久之便成黑洞。

Notion：无论数据库多华丽，本质仍是自行整理、填表、分类。它只是精致的仓库，搬运工作仍需亲力。

Obsidian：双向链接虽酷，但需手动建立。坦白讲，坚持手动链接两周内的人不足一成，我也在其中。

更致命的是搜索。它们几乎仅靠关键词匹配：需记得当初存取时的用词。若记错，便如未存。搜「提效」却记为「效率」，便再难寻回。

类比：这些工具是仓库，而非助理。仓库负责堆放，不负责使用；真正宝贵的，是那能通读所有资料、随时调取、并能辅助思考的助理。我们所缺的，从来不是仓库，而是助理。

所有这些工具的共病在于：它们止步于「原始信息」层，从未帮你进行一步加工。

治愈此病的人是Andrej Karpathy（卡帕西）。

关注我公众号的朋友，对卡帕西大神应不陌生。简述：前特斯拉AI总监、OpenAI创始成员、深度学习界教科书级人物——许多人AI入门皆观其课。2026年4月，他发帖提出「LLM知识库」（又称LLM Wiki）玩法，次日更甩出可喂给Claude Code、Codex的「配方文档」。

此后，市面上凡论知识库设计或Skill，几乎皆沿袭卡帕西理念。

其出发点颇具深意。近年大模型主要用于写代码；他想换种玩法，让大模型协助攒知识。

一言以蔽之其设计：

「将某领域所有原始资料全丢入文件夹，令大模型将其『编译』为互链笔记库。自此，此库即为你『第二大脑』——能解复杂题，且随新料输入而自我进化。」

听似平淡？关键全在「如何组织」与「如何运转」。

先看组织。系统实分三层：

raw（原料层）：论文、文章、网页、PDF、截图，原始资料皆在此。大模型只读不改，此为唯一的「事实