00后AI实战：如何用NotebookLM与Claude Code搭建内容变现流水线
本文作者分享了其作为非名校毕业生如何通过AI实现能力跃迁的方法论。文章详细拆解了一套基于IPO模型（输入、处理、输出）的研究工作流：利用工具打破信息壁垒进行多源数据采集，结合NotebookLM与Claude Code进行深度问答与知识沉淀，最后坚持人工主导的内容表达。通过这套流程，作者成功实现了快速掌握新领域及知识变现。
相关文档
停止使用AI，而是agent in the loop
本文指出很多人将AI当作万能工具导致工作流断裂的问题，主张应采用“Agent in the loop”的思维，将AI视为生产系统的一个环节。作者以产品经理视角，分享了如何通过建立知识底座、拆解复杂任务和设计SOP来重构AI工作流，强调设计容错机制比追求完美工具更重要，并提供了独立开发全流程中AI的具体实践案例。
Graph Engineering：为普通人打造AI可读的知识图谱
本文介绍“图工程”（Graph Engineering）概念，即通过构建文件间的连接关系，让AI系统能够有效访问和利用知识。作者以自身内容系统为例，指出78%的文档因缺乏指向而无法被AI或新成员发现。他提出用Claude Code生成MAP.md文件，绘制文件夹内文件的关系图，并分三步操作：绘制地图、解读结果、优化结构。文章强调文件夹结构应反映业务划分，而非照搬模板，最终实现团队共享和自动化更新。
The Hermes + Obsidian + Claude Code Trinity: 独立公司的完整系统
文章介绍了一套由 Obsidian、Claude Code 和 Hermes Agent 构成的系统，旨在解决独立创业者因工具分散而效率低下的问题。Obsidian 作为统一记忆库存储所有信息，Claude Code 负责读取并处理这些信息以辅助决策和写作，Hermes Agent 则作为后台智能代理持续执行任务并自我进化。三者结合构建了一个无需人工频繁干预的闭环运营系统。
Claude Code + Obsidian 搭建本地 AI 知识库，保姆级教程
本文介绍了一套结合 Obsidian 与 Claude Code 搭建本地 AI 知识库的完整方案。文章详细讲解了如何建立文件夹体系（Inbox、Raw、Wiki 等）、编写 CLAUDE.md 规则文件，以及利用 AI 自动整理资料、生成 Wiki 页面和索引的方法。该方案旨在解决资料分散混乱的问题，实现知识的结构化沉淀与高效复用。
Claude Code + NotebookLM + Obsidian：一套越用越懂你的 AI 研究机器
本文介绍了一套基于 Claude Code、NotebookLM 和 Obsidian 的自动化研究系统。文章详细阐述了如何利用 Skill Creator 为 Claude Code 安装 YouTube 搜索和 NotebookLM 技能，构建完整的研究流水线。该系统能自动抓取数据、生成分析并存储至本地知识库，随着时间推移，Obsidian 积累的数据能让 AI 更精准地理解用户思维。
保姆级：用AI搭建选题流水线，从信息源到入库全流程
本文分享了如何利用 AI 构建自动化的内容选题系统。作者提出“选题是信息处理问题而非灵感问题”，通过确立“四层水源”（快、深、慢、反）、撒下“关键词渔网”、AI 初筛信息、人工做四维判断以及入库排期这五个步骤，实现每天自动生成 10 个带数据和角度的选题，从而告别创作焦虑，提升内容生产效率。
一个人日更长文，篇均12万曝光——我的AI内容系统长什么样
本文详细介绍了作者基于 Claude Code 工作流改良的一套 AI 内容生产系统。该系统通过建立包含语料库、素材库、内容管线和方法论的四层知识库，实现了从选题、写作、配图到数据复盘的全流程自动化执行。文章重点分享了如何通过“去 AI 味”检测保持个人风格，以及如何利用数据反馈优化标题策略，最终实现单人日更长文并获得高曝光和高涨粉率。
我用 NotebookLM 替换了 Karpathy 的 LLM Wiki
文章对比了 Andrej Karpathy 的 LLM Wiki 方案与 Google NotebookLM 的实际使用体验。作者发现 Wiki 架构在处理个人知识时成本高、速度慢且缺乏与现实世界的集成，而 NotebookLM 利用 Embedding 技术实现了即时响应和高效回答。作者主张应将知识转化为技能并融入日常流程，而非仅仅构建静态索引。
用 AI 弥合“知道”与“做到”的鸿沟：我的克劳德健康闭环系统
作者分享了如何利用 NotebookLM 和 Claude Code 构建一套个人知识管理系统。通过导入 300 集 Huberman 播客建立专家知识库，结合 Claude Code 进行日程安排、实验设计及晨间习惯追踪，成功将学习内容转化为具体的健康行动（如睡眠、运动），并量化了实践带来的积极效果。
用 Claude Code 搭建可迭代的永续 AI 工作系统
文章指出了用户使用 AI 的常见误区，即停留在「打开→输入→输出→关闭」的工具层面，缺乏记忆和积累。作者提出从「用户」转变为「主人」的核心在于建立系统化的工作流。通过 Claude Code，作者搭建了一套基于业务流程、共享层与独立板块结合、包含生命周期管理的目录结构。文章详细介绍了系统的设计原则及如何通过三个问题（直觉查找、文件夹闲置度、新文件归属）来迭代优化系统，最终实现资产积累而非仅仅是消耗时间。
我的 AI 工具日常使用与工作流是怎样的？
本文详细介绍了作者在日常工作中的 AI 工具使用体系，涵盖了深度调研、文本创作、编程开发及知识管理四大场景。作者阐述了如何运用「红绿灯原则」划分人机权责，通过 Multi-Agent 架构实现工具协同，并分享了 Claude Code、Dessix、Kimi 等具体工具的使用心得，展示了 AI 如何将文献调研、翻译及开发效率提升数倍。
每个人都有 AI 助手之后，团队还需要一个团队助理
文章探讨个人 AI 助手普及后团队协作面临的新问题：每人拥有 AI 不等于团队更聪明，因为各自 AI 上下文分散。作者引入 Team OS（团队操作系统）概念，将其抽象为 Context、Instructions、Skills、Connections、Governance 五类能力，并以 DoorDash 等团队实践为例，说明如何用共享 Repo、PR 审核机制建设团队助理。文章强调团队知识不再必须经由 PM 中转，AI 能力正在从个人资产转变为团队资产，建议从真实场景小范围起步，让团队助理从实际工作中生长出来。
