小白如何从0到1搭建自己的AI知识库
本文介绍了如何从零开始搭建个人AI知识库。作者提出了一套包含文本文件、Agent工具、规则和真实任务的工作方式，并详细说明了准备四样要素（开放文件夹、真实任务、Agent工具、工作规则）和五个具体步骤的方法，帮助用户通过简单的流程实现知识的积累与迭代。
相关文档
用 Codex + Obsidian 搭建自生长的个人知识库实战
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
Codex 与 WorkBuddy 该选谁？从10个方面深度分析对比
本文从定位、门槛、编码、创作、办公、入口、学习曲线、安全、生态、远程控制等10个维度，深度对比了 Codex 和 WorkBuddy 两款 AI 工具。Codex 擅长工程执行与复杂代码，适合开发者；WorkBuddy 主打办公效率与易用性，适合普通用户。建议根据自身需求对号入座。
为什么你的AI知识库一直搭建不起来？看看是不是缺了这四层架构
文章指出AI知识库搭建失败常因只有资料层，缺了索引、规则和工作流。资料层重质不重量，索引层解决检索路径，规则层限定输出与引用规范，工作流层确保落地任务。
Agent Memory Engineering
文章探讨了 AI Agent 的记忆机制，解释了为何不同 Agent（如 Claude Code 和 Codex）之间无法直接通过复制文件来迁移记忆。作者指出，这是因为模型在后期训练时与特定的记忆层“融合”了。文章对比了 Hermes、Codex CLI 和 Claude Code 三种实现，并得出结论：最聪明的架构（如向量数据库、知识图谱）输给了最简单的方案（LLM + Markdown + Bash 工具）。核心在于 Agent 遵循的读写规范，而非数据结构本身。
用 AI 做短片：8 个素材入口，以及 Opus、Codex 的实际用法
文章介绍了用 AI 写代码制作短片的完整流程。作者整理了 8 个免费素材入口，包括 Pexels、Pixabay、Internet Archive、Wikimedia Commons、美国国会图书馆、British Council Film Archive、Open Beelden 和 Europeana，并说明各平台的许可注意事项。文章强调先列镜头清单、再按需求搜索素材的方法，讲解了版权核对的四个要点（下载、改编、发布、署名）及常见 CC 许可含义。最后详细展示了在 Claude Opus 和 Codex 中操作的具体步骤，并提供了两段可直接使用的提示词，涵盖找素材、生成小样、修改反馈和素材归档等环节。
我带高校老师用 WorkBuddy，两天把两门旧课合成一门本科新课｜培训全分享（上）
作者记录了在天津职业大学为职业本科教师开展两天智能体工作坊的过程，讲解如何用 WorkBuddy（Agent 类工具）将两门专科旧课合并开发出一门职业本科新课《包装材料应用和检测技术》。文章首先厘清三个底层认知：Agent 不同于 Chatbot，具备工具、状态、循环三大能力；上下文是 AI 不知道但对任务至关重要的信息，应让 Agent 自行从本地文件获取；工作空间是房子、上下文窗口是桌面，文件夹须分类清晰。实操部分演示了用 SGP 提示词让 Agent 先盘点 37 份材料、找出 27 处矛盾，再通过建立 CODEBUDDY.md 系统提示词和 00_项目总览.md 项目分身文件，实现文件夹分区管理、原始材料只读、事实区分已确认与待核实等协作规范。
Anatomy × OpenMAIC：让原理动起来，也让知识讲明白
文章介绍了如何搭配使用 Anatomy 和 OpenMAIC 两个开源项目的教学 Skill 来制作交互式教学演示。Anatomy 擅长制作可交互的等距结构插画（SVG/HTML），OpenMAIC 是多智能体互动课堂项目，提供 23 项教学 Skill。作者以电磁继电器控制风扇为例，给出四套提示词模板：课堂讲解（先预测再演示）、复习自测（费曼学习法）、科普讲解（配合事实核查）、口播配图（无声拆解视频），并按用途整理了课程规划、教学方法、授课形式等 Skill 分类表，建议从一个能打开的简单演示开始逐步上手。
一张图到50秒古堡短片：Codex指挥Muse的5步流程
文章介绍了用 Codex 作为总导演指挥 AI 视频工具 Muse，将一张古堡场景图制作成 50 秒雄鹰穿越短片的完整流程。作者分五步讲解：准备场景图与飞行参考视频；让 Codex 制定分镜与制作方案；用清晰语言描述飞行路线（贴地、穿拱、盘旋等）；由 Muse 参考前段末帧逐段生成视频，保持方向、速度与主体连贯；最后由 Codex 统筹配乐、成片检查与导出。成片为 1216×672、24fps。文中提供了可直接复用的提示词模板，建议新手先尝试 10 秒短片练手，是一份可照做的 AI 视频创作 SOP。
掌控AI·FDE实战 01｜万字实操SOP：搭建本地自动内容交付流水线
文章提出企业AI落地的核心卡点不是提示词，而是大模型无法进入本地业务流。作者以FDE（前线部署工程师）视角，提出'数字员工管理思维'，总结本地交付四大支柱（工位、规则、原料、连接器），并以WorkBuddy为载体，手把手演示搭建公众号自动内容交付流水线的完整SOP：安装绑定本地文件夹、采访式制作账号定位卡、选题灵感细化与竞对爆款监控入库、技能挂载与MCP连接器配置、工业化成稿与质检、微信草稿箱定时推送，最终走向企业级FDE交付与商业变现闭环。
别让模型给自己打分：把外部裁判规则写进 CLAUDE.md 的实践
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
Human-in-the-Loop 持续 AI 开发工作流分享
作者受 yetone 分发的 AI 持续开发工作流启发，分享自己基于 Claude Code + Codex CLI 的开发实践。核心思路是：主 Agent 用 Claude Opus 负责需求分析、任务拆解、调度与审查，Codex 负责具体编码，低成本 Claude Subagent 监测 GitHub Issues/PR，并结合 Git Worktree 隔离任务。开发前强调明确需求、复用成熟开源组件（yt-dlp、Whisper、FFmpeg）、不断质疑想法；开发中通过 Human-in-the-Loop 让人负责体验与最终决策，AI 处理重复任务。文末附完整的可复用提示词。
十几亿人只拿 AI 聊天，2000 万人已经让它干活：小白用好 AI，第一步不是买会员
文章借 Karpathy 的漏斗模型，指出大众对 AI 能力的认知错位：60亿人没碰过大模型，十几亿人只用免费版聊天，仅约2000万人专业使用前沿模型。作者提出小白用好 AI 的三步法：一是换档，分清聊天与派活，按需选择档位而非盲目付费；二是派活，从可检查、重复性的真实任务入手，让 AI 先复述目标再动手；三是验收，把做完写成可执行的动作，要求 AI 交证据，涉及钱、删除、权限必须亲自确认。文末附派活单和七天上手清单，帮助读者用一件真实任务体验 AI 的实际价值。
