How I write with AI
作者分享了如何借助 AI 进行写作:坚持“用 AI 辅助写作”而非“让 AI 代写”,文字必须出自本人。他用 LLM 加速研究,通过自建的 researcher skill 结合 Exa、Hacker News、内部仓库和 Slack 等工具寻找真实、可引用的案例,并要求来源和引语以抑制幻觉。在草稿阶段,AI 充当文档内搜索和研究伙伴,帮助补充例子、验证事实、发现盲点。他强调写作者应多实验 AI 用法,而非因 AI 垃圾内容而全盘否定。
作者分享了如何借助 AI 进行写作:坚持“用 AI 辅助写作”而非“让 AI 代写”,文字必须出自本人。他用 LLM 加速研究,通过自建的 researcher skill 结合 Exa、Hacker News、内部仓库和 Slack 等工具寻找真实、可引用的案例,并要求来源和引语以抑制幻觉。在草稿阶段,AI 充当文档内搜索和研究伙伴,帮助补充例子、验证事实、发现盲点。他强调写作者应多实验 AI 用法,而非因 AI 垃圾内容而全盘否定。
作者分享了一套具体可操作的AI辅助写作工作流(含工具栈和提示示例),观点鲜明('writing with AI'而非'AI writing'),但文章末尾截断且分析深度一般。
本文提出了一种让 AI 智能体变得更聪明的双层系统:AI 知识层。它包含动态的知识库层(KBL)和静态的品牌基础层(BF),通过编译而非检索(RAG)的方式,让智能体在执行任务前拥有上下文记忆。文章介绍了该系统的概念、与传统 RAG 的区别、以及如何利用开源框架 LLM Wikid 构建个人或企业的知识图谱,从而解决 AI 输出同质化、缺乏个性化的问题。
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。
本文针对 Andrej Karpathy 提出的 LLM Wiki 方案,结合作者自身的 Obsidian + OpenClaw + Claude Code 实践经验进行了优化。作者提出了从三层架构升级为五层架构(增加行动层与产出层),并强调人工确认机制,避免 AI 自动分类的偏差。文章详细介绍了入库、查询和健康检查的具体流程,分享了构建个人知识库的原则,旨在实现知识积累与内容产出的高效闭环。
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。