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。
相关文档
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。
How to Become a Marketing Engineer
文章介绍如何成为一名营销工程师（Marketing Engineer），即用 Agent、连接的数据和业务上下文构建自动化营销系统的人。作者分享了在 Agent 开发环境（ADE，如 Orca）中完成约 70% 营销工作的经验，包括市场研究、活动策划、内容生产和落地页搭建。文章讲解了模型、harness、ADE 等核心概念，提出按营销垂直领域组织工作区的目录结构（知识、工作流、技能、产出、结果），并建议从自己熟悉的一个任务或领域入手，逐步连接研究、简报、生产与结果反馈，形成可持续迭代的营销工作流系统。
You need to be skillsmaxxing
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
The LLM Wiki: 3 Months of Letting Agents Run My Second Brain
文章分享了作者使用LLM代理管理和维护个人知识库（Obsidian Vault）的3个月实践经验。通过分离原始资料与生成内容、定义单一知识流向、统一页面模板以及基于情境的文件夹组织，作者成功将维护工作委托给代理，解决了传统第二脑因维护成本高而失效的问题。
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。
别再把收藏夹当知识库了：用 Hermes 和 AutoCLI 搭建自动整理链路
针对“收藏即遗忘”的痛点，文章提出了一套本地化知识管理方案。作者建议结合 AutoCLI（采集层）、Hermes Agent（处理层）和 Obsidian（存储层），构建一条自动化流水线。通过定时抓取网页、清洗摘要并生成 Markdown，将杂乱信息转化为可检索的本地知识库，从而提升资料利用率。
Codex 如何应用于办公和知识场景
这篇文章介绍了如何利用 Codex 的 AI 工作台能力处理办公与知识管理任务。文章阐述了 Codex 的核心概念、从单次任务到自动化系统的五级进阶用法，以及五步工作法。作者提供了搭建环境的具体建议和16个实用工作流模板，旨在帮助用户将重复劳动自动化，提升工作效率。
创作者AI｜如何用AI撬动无限生长飞轮？
文章介绍了一套面向创作者的 AI 生产体系，旨在帮助利用 AI 重构内容创作与知识管理。课程通过 AI 杠杆、媒体杠杆和代码杠杆，结合 Vibe Coding 理念，帮助创作者建立可迭代、可复用的生产系统，而非单纯堆砌工具。
十分钟搭建 Codex Research Agent：自动化信息筛选工作流
文章介绍了一套由 Codex CLI、MCP 和 n8n 组成的自动化工作流，旨在解决信息过载问题。通过配置 CODEX.md 设定关注上下文，系统能自动监控来源、过滤噪声、综合分析并生成晨间简报送至 Obsidian。文中详细讲解了搭建步骤、Prompt 编写及通过反馈回路优化信息质量的技巧，帮助读者实现从 45 分钟信息搜集到 5 分钟高效阅读的转变。
如何将 Claude Code 打造为投资研究分析师
文章讲述了作者如何利用 Claude Code 这一编程工具，成功转型为个人的投资研究分析师。通过将其与 Obsidian 知识库及浏览器自动化工具集成，作者构建了一个能够自动筛选数据、抓取信息、建模并撰写报告的工作流。文章指出，与普通的聊天机器人不同，Claude Code 能够独立执行复杂的任务链条，极大地提高了金融研究的效率。
Top 67 Claude Skills That Turn a $20 Subscription Into a Full Dev Team
文章介绍了如何通过安装和使用 Claude Skills（技能文件夹）将 Claude 从简单的自动补全工具转变为全能开发团队。内容涵盖了从 Meta 技能管理、规划设计（如 PRD 撰写、代码审查）到具体代码开发（如 TDD、Bug 诊断、QA 测试）的 67 个实用技能，并附带了详细的安装命令和资源链接。
如何构建你的第二大脑：基于 AI 的极简知识库系统
受 Andrej Karpathy 启发，文章介绍了一种无需复杂软件、仅依赖文件夹和文本文件的 AI 个人知识库构建方法。通过 raw/、wiki/ 和 outputs/ 三层结构，结合 agent-browser 自动抓取工具和 Claude Code 等编程助手，用户可以将杂乱素材转化为结构化的个人维基。系统强调“复利”维护，主张用简单的模式文件替代花哨的工具，让 AI 自动整理、总结和关联信息，从而实现高效的知识管理。
