# 大多数第二大脑只是资料仓库，我想做的是一个本地 AI 决策系统
**作者**: 加里奥
**日期**: 2026-07-09T00:28:01.000Z
**来源**: [https://x.com/jialiao888/status/2075014072572277022](https://x.com/jialiao888/status/2075014072572277022)
---
最近我发现一个很烦的问题：
我明明已经把资料啊、项目、决策、日志什么的都放进 Obsidian 了，但每次打开 AI，还是要重新解释一遍：
我是谁？我最近在做什么？ 哪些页面是新的？ 哪些判断已经做过？ 哪些信息不能拿去写公开内容。
这时我才意识到，第二大脑真正难的不是存资料。
而是：
AI 能不能接上你的上下文。
如果 AI 每次进来都不知道当前重点、可信入口、历史决策和写回规则，那 Obsidian 里资料再多，也只是一个大仓库。
所以我现在做的，不是一个更复杂的笔记系统。
我更愿意把它叫做：
本地 AI 决策系统。
我的 Obsidian 现在不是简单堆资料，而是分成几层。
60_原始资料：放文章、网页、聊天记录、会议纪要、截图。它们是证据，不是结论。
50_知识库：放被 AI 和我一起编译过的理解，比如概念页、实体页、综合页、问题页。这里不是摘要仓库，而是判断层。
20_决策：记录为什么做、为什么不做、为什么选这个方案。因为未来真正有用的，往往不是资料本身，而是当时的取舍依据。
30_AI日志：记录 AI 做了什么、改了什么、验证了什么，下次接手要注意什么。
这几个目录看起来普通，但对 AI 很重要。
因为它终于能区分：
哪些是原始材料，哪些是我的判断； 哪些是当前可信入口，哪些只是历史资料； 哪些内容可以公开表达，哪些只能留在私人知识层。
这套系统里最关键的东西，其实不是插件，也不是脚本。
而是一个写给 AI 的说明文件：AGENTS.md。
它的作用很像“本地工作说明书”。
Codex 进入这个 vault 后，不是直接乱翻文件，而是先读：
70_系统/LLM知识库规则.md
50_知识库/当前重点.md
50_知识库/索引.md
然后它才知道，当前我最重要的项目是什么，哪些页面是可信入口，做完事情应该写回哪里。
这件事听起来很朴素，但非常重要。
因为对 AI 来说，很多时候最缺的不是能力，而是边界。
没有边界，它会乱翻资料。 没有入口，它会把旧页面当成当前结论。 没有写回规则，它下次还是从零开始。
所以我现在越来越觉得：
第二大脑不是给人看的漂亮笔记库，而是给 AI 接手工作的上下文环境。
以前我用 AI，经常卡在一个地方。
比如我让它帮我推进一个项目。
我先解释一遍背景，它给一个方案。 我补充约束，它再改一版。 过几天我换个问题，又要把背景重新讲一遍。
问题不在 AI 不聪明。
问题在于协作过程没有沉淀。
我的偏好、设备情况、项目状态、历史判断、AI 犯过的错误，如果没有写回系统，下次就还是临时聊天。
现在我希望每一次和 AI 协作，都能给系统留下一点东西：
资料整理之后，变成知识页。 项目推进之后，更新项目上下文。 错误修复之后，沉淀成 Bad Case。 反复出现的判断，变成规则或模板。
这也是 Karpathy 提过的 LLM Wiki / “编译式知识库”思路给我的启发。
不是收藏信息，也不是每次提问时临时从原始资料里拼答案，而是把信息加工成以后能调用的判断资产。
这套系统现在还很早期。
它还不能自动替我完成所有工作，也不是什么“数字分身”。
但踩了一段时间之后，我现在更相信一个顺序：
先让 AI 读懂上下文。 再让 AI 维护上下文。 然后让 AI 在明确边界内执行任务。 最后才谈主动巡检、自动推进、数字员工。
很多人一上来就追全自动 Agent，我觉得顺序可能反了。
如果没有稳定的上下文层，Agent 很容易变成一次性脚本。
今天跑一次，明天忘干净； 这次生成一堆内容，下次不知道依据； 做完任务没有回写，系统没有变聪明。
所以我现在最重视的不是自动化，而是回写。
AI 做完一件事之后，能不能把结果写回系统，决定了它是在“帮你干一次活”，还是在“帮你积累能力”。
我的目标也不是把 Obsidian 搭得多复杂。
恰恰相反，我现在更关心几个很基础的问题：
AI 进入系统后，能不能快速找到当前重点？ 能不能区分原始资料和我的判断？ 能不能知道哪些页面是可信入口？ 能不能避免引用过时结论？ 能不能把项目推进结果写回日志？ 能不能把反复踩坑的地方升级成规则？
这些问题解决了，第二大脑才开始从“资料仓库”变成“工作系统”。
如果要给别人一个最小可复制版本，我觉得不用一开始就搭很多目录。
先准备 5 个东西就够了：
Inbox：放临时输入。
Projects：放正在推进的项目。
Decisions：记录重要判断。
Knowledge：沉淀可复用理解。
Logs：记录 AI 做过什么。
然后写一个 AI 操作说明文件，告诉它三件事：
先读哪里。 哪些内容不能乱用。 做完之后写回哪里。
这就已经比单纯“用 AI 总结笔记”强很多了。
如果我要把这套东西给别人复现，不会先让他装一堆插件。
我会先给他一个最小样板。
先手动建 5 个目录：
Inbox/
Projects/
Decisions/
Knowledge/
Logs/
再复制下面这段，存成 AGENTS.md：
# 本地 AI 知识库说明
## 先读这些文件
开始工作前，先读：
1. `Knowledge/当前重点.md`
2. `Knowledge/索引.md`
3. `Logs/最近日志.md`
## 目录说明
- `Inbox/`：临时输入，还没判断价值的信息。
- `Projects/`：正在推进的项目。
- `Decisions/`：重要判断和取舍。
- `Knowledge/`：被整理过、以后还能复用的理解。
- `Logs/`：AI 做过什么、改过什么、下次要注意什么。
## 工作规则
- 原始资料不要直接改写，先放进 `Inbox/`。
- 有复用价值的内容，整理进 `Knowledge/`。
- 涉及项目推进，更新对应 `Projects/` 页面。
- 涉及重要选择，写进 `Decisions/`。
- 做完实质工作后，在 `Logs/最近日志.md` 追加一条记录。
## 输出偏好
- 先结论，再理由，再下一步。
- 不要空泛鼓励。
- 不要编造来源。
- 不确定的地方要明确标注。
这个版本很小，但它已经完成了最关键的一步：
让 AI 从“随便回答问题”，变成“按规则接手一个工作环境”。
我现在越来越相信：
未来每个人都需要的，不一定是一个更大的知识库，而是一个 AI 能接手的上下文系统。
真正决定差距的，可能是：
你有没有把自己的判断、项目、偏好、规则、错误和经验，变成 AI 可以持续读取和维护的结构。
这也是我现在用 Codex + Obsidian 做第二大脑的原因。
不是为了多存一些笔记。
而是为了让 AI 不再只是一个外部聊天窗口，而是逐渐变成一个能理解我、接手我、提醒我、推进我工作的本地协作者。
这篇先讲上下文系统本身。
后面我还想继续拆两个问题：
为什么我现在觉得，Agent 最重要的能力不是自动化，而是回写。
以及，为什么这个 X 创作台我暂时不把它做成 SaaS，而是先当成自己的 AI 基建样板。
## 相关链接
- [加里奥](https://x.com/jialiao888)
- [@jialiao888](https://x.com/jialiao888)
- [738](https://x.com/jialiao888/status/2075014072572277022/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [8:28 AM · Jul 9, 2026](https://x.com/jialiao888/status/2075014072572277022)
- [738 Views](https://x.com/jialiao888/status/2075014072572277022/analytics)
---
*导出时间: 2026/7/9 17:26:48*