Karpathy 同款知识大脑搭建指南：从原理到实现
本文详细解读了 Karpathy 提出的基于 LLM 的个人知识库管理方案 'llm-wiki'。文章核心在于将传统的 RAG 检索模式转变为 '编译' 模式：人负责收集原始资料，LLM 负责将资料编译成互相链接的维基页面。文中深入剖析了系统的三层架构、Schema 设计的重要性，并提供了从 0 到 1 的动手搭建指南及进阶的 '防坑' 建议，旨在帮助读者构建一个具备持续复利能力的个人知识库。
相关文档
10个将Claude与Obsidian结合打造第二大脑的GitHub开源项目
本文介绍了10个优秀的GitHub开源项目，旨在利用Obsidian作为存储层，让Claude真正记住用户的个性化知识，从而打造真实的“第二大脑”。文章首先剖析了项目背后的三大核心架构：Karpathy LLM Wiki模式（大幅节省Token）、Anthropic的Skills架构（按需加载技能）以及MCP桥接（支持实时读写）。随后，作者详细盘点并测评了这10个开源库，逐一分析了它们的核心功能、安装难度、适用人群及局限性，为想要构建个人AI知识库的用户提供了极具价值的实践指南。
Karpathy 的 LLM Wiki 工程指南
本文介绍了 Andrej Karpathy 提出的 LLM Wiki 架构，旨在解决传统 AI 工具重复处理文档导致的资源浪费问题。通过构建 raw/、wiki/ 和 instructions/ 三个文件夹，将文档一次性编译为结构化知识库，大幅降低查询成本并实现长期记忆。
Karpathy 最新分享：用 LLM 搭建个人知识库，告别 RAG 的低效循环
文章介绍了 Karpathy 提出的 LLM Wiki 方法，旨在解决传统 RAG 检索缺乏知识沉淀的问题。作者详细演示了如何在 Obsidian 中落地该方案，包括使用插件采集素材、配置图片本地化、利用图谱视图发现盲区、结合 Dataview 生成报表、使用 Marp 制作幻灯片，以及通过 Git 进行版本管理。核心思想是让 AI 承担繁琐的整理与维护工作，人类专注于思考与决策，从而构建持久增殖的个人知识库。
搭建本地知识库：Obsidian + Claude + Codex 实践
作者分享了周末搭建本地知识库的实战经验。为了解决飞书、微信收藏等信息分散的痛点，采用了 Obsidian 作为存储核心，结合 Claude 和 Codex 两大模型。文章详细介绍了七项具体工作：整理个人传记、萃取写作风格、打通微信同步与浏览器插件归档、训练标题 Skill 以及批量迁移飞书数据。最终实现了 AI 对作者风格的深度理解，强调了私有数据对 AI 效能提升的重要性，以及本地化方案的数据安全性。
40 个大多数人从未构建过的 Claude Skills
文章详细介绍了 40 个实用的 Claude Skills（技能），分为写作、研究等多个类别。作者指出 Skill 是 Claude 最强大的功能，通过创建 SKILL.md 文件，用户可以一次性构建并在多处复用特定任务指令，从而避免重复输入提示词，大幅提升工作效率。
用国产模型给 Obsidian 接上一条免费 AI 通道
本文是「Obsidian + AI」系列教程的第三篇，详细介绍了如何在 Claudian 插件中接入第三条 AI 通道 opencode。文章提供了手把手的图文教学，指导读者安装 opencode CLI、通过 CC Switch 配置 OpenRouter 及国产/免费模型（如 Ling-2.6-1T），并将其接入 Obsidian。最终实现了 Claude、Codex、OpenCode 三通道并行的 AI 写作环境，不仅降低了 API 成本，还确保了服务的稳定性。
可能是全网最全的 Claudian 配置教程: Claude Code + Codex 双模型实战
这是一份详尽的 Claudian 插件配置教程，旨在帮助用户在 Obsidian 中同时接入 Claude Code 和 Codex 两个模型。文章内容涵盖从 Node.js 环境准备、Obsidian 插件安装、BRAT 工具使用，到具体的 API Key 配置与模型切换的全过程。此外，作者还特别提供了一个“白嫖”番外篇，指导如何利用 OpenRouter 的免费模型 Ling 跑通 Claude Code，无需订阅即可体验 AI 辅助编程功能。
在 Obsidian 中利用 Claude Code 构建 JARVIS 第二大脑
文章详细介绍了如何结合 Obsidian 和 Claude Code 构建一个类似 JARVIS 的智能系统。该系统通过特定的文件夹架构、Templater/Dataview 插件以及自定义的 CLAUDE.md 配置文件，实现对笔记的自动归档、灵感关联、内容大纲生成及代写，从而打造一个能够预测用户需求的自动化第二大脑与内容生产流水线。
复刻 Karpathy 知识库模式：用 nexu 搭建 AI 第二大脑
本文介绍了 Andrej Karpathy 提出的“LLM Wiki”个人知识库模式，即利用 AI 将原始资料编译成持久化的 Wiki，解决了传统 RAG 方案无法保留上下文和维护关联的痛点。作者详细解析了 Karpathy 的“Raw/Wiki/Schema”三层架构，并演示了如何利用开源桌面 AI Agent 工具 nexu 落地该模式，实现在微信随手入库、多模型切换及与 Obsidian 的协同工作，从而构建一个由 AI 维护的个人第二大脑。
如何用 Claude Opus 5.5 构建你的第一个 AI Agent 团队
本文是一篇基于 Claude Agent SDK 的多智能体系统构建教程。作者指出当前多数'多智能体系统'只是昂贵的混乱，问题不在模型而在架构。文章介绍了子代理的四大价值：上下文隔离、并行化、专业化指令和工具限制，并说明 Opus 5.5 在成本、effort 分级和时间感知三方面如何优化 agent 团队。核心原则是：大多数任务不需要团队，单一 agent 更快更省。教程详解了团队架构的三个角色——编排器、专家和批评者，并从搭建 SDK 环境开始，手把手演示先构建独立编排器、再逐步委派任务的实践路径。
ima 知识库内置 Agent 与 Skills 功能完全使用指南
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
从0到1，搭建起你的个人知识库
文章从AI对话缺乏长期记忆的痛点切入，系统讲解了个人知识库的作用、分类与搭建方法。作者介绍了两大主流方案：以检索为中心的RAG知识库和以持续维护页面为中心的LLM Wiki知识库。RAG部分通过Dify演示了从资料上传、切片、混合检索索引建立到Agent接入的完整流程；LLM Wiki部分则介绍了Karpathy提出的三层结构（raw sources、wiki、schema），强调Markdown页面对AI友好且透明可查。最后作者分享了自己结合两者优势的混合方案，帮助读者根据实际需求选择合适的知识库路线。
