如何构建AI知识库的目录结构和配套的Skills工作流
文章分享了如何构建稳定的AI知识库架构，参考了LLM Wiki与GBrain理念。详细介绍了目录结构设计，包括原始来源、笔记、原子、概念等分类，以及如何通过Skills工作流实现采集、查询、提炼和写作的全流程配合，强调先定规则再由AI执行的重要性。
全部文档 / 标签: 目录结构
4 篇
如何构建AI知识库的目录结构和配套Skills工作流
文章详细阐述了构建AI知识库的目录结构与配套Skills工作流的方法。作者基于LLM Wiki与GBrain理念，提出了一套包含知识内容、实体和输出的目录分类体系。核心在于先定管理规则，再通过不同技能（如采集、查重、提炼、综合）分工协作，确保知识从采集到复用全流程的高效闭环。
Claude Code 工程化指南：高效组织 .claude/ 目录
本文旨在探讨如何像管理代码一样管理 Claude Code 的配置目录 .claude/。文章首先指出了混乱的目录结构会随着项目增长导致维护困难，随后提出了一套包含 CLAUDE.md、settings.json、rules/、hooks/、commands/、skills/ 和 agents/ 的标准化目录蓝图。接着，文章详细阐述了核心原则，包括顶层设计的轻重分离、规则模块化、自动化脚本与复用工作流的区别，以及团队与个人配置的边界。最后提供了从简单到复杂的渐进式成长路径，帮助开发者构建可预测、可维护且易于团队协作的 AI 辅助开发环境。
用 Claude Code 搭建可迭代的永续 AI 工作系统
文章指出了用户使用 AI 的常见误区，即停留在「打开→输入→输出→关闭」的工具层面，缺乏记忆和积累。作者提出从「用户」转变为「主人」的核心在于建立系统化的工作流。通过 Claude Code，作者搭建了一套基于业务流程、共享层与独立板块结合、包含生命周期管理的目录结构。文章详细介绍了系统的设计原则及如何通过三个问题（直觉查找、文件夹闲置度、新文件归属）来迭代优化系统，最终实现资产积累而非仅仅是消耗时间。