Obsidian 本地 AI 知识库实战指南

前段时间 Andrej Karpathy 开源了一个他的本地知识库管理方法 LLM wiki 广受好评，只靠一个文档就获得了Github 5k star。

https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

Andrej Karpathy（安德烈・卡帕西） 可以说是当今全球最具影响力的深度学习、计算机视觉与大模型专家之一。

他跟着奥特曼、马斯克那帮人一起创办了 OpenAI 是最早那批核心成员之一。

还去了特斯拉专门管自动驾驶AI，一手把特斯拉那套“只靠摄像头不靠激光雷达”的方案做起来的就是他。

在这个方法里面提到了Obsidian+LLM大模型的知识库。

Obsidian 是一款本地笔记工具记录的文件类型是Markdown格式。

它对比云端笔记 Obsidian 将笔记保存为本地纯文本 Markdown 格式。这既保证了数据的主权永不过时，也完美契合了 AI Agent原生读取和修改的需求，打破了云端的 API 限制。

传统知识库用 RAG 模式每次提问 AI 都在重头找片段拼凑，而 LLM Wiki 模式主张让 AI 承担将新知识提炼并“编译”成结构化、带双向链接的维基图谱，实现知识的真正复利与累积。

Obsidian 介绍

Obsidian 是一款本地知识管理的笔记软件。

下载地址：https://obsidian.md/zh/

在 AI 时代，它凭借独特的架构成为了极具优势的个人知识库工具，其核心特征可以归结为以下3点：

1. 核心产品哲学：Obsidian 将数据主权完全交还给用户。你的笔记全部以纯文本 Markdown (.md) 格式保存在本地设备上，而不是被锁在云端服务器或封闭的私有格式中。
2. 强大的网状知识结构：传统的笔记软件多采用树状文件夹结构，而 Obsidian 的一大核心是双向链接功能。如果你的笔记之间存在关联，它会自动建立起错综复杂的网状知识拓扑结构。
3. 与 AI 的天生契合：由于笔记就存放在本地且格式是 AI 最熟悉的 Markdown，本地的 AI 可以直接、瞬间地读取、分析和修改你的这些文件。再配合进阶的 Obsidian CLI（命令行接口），AI 甚至能直接看懂你整个知识库中的网状链接关系，帮你洞察思维盲区并生成结构化的知识图谱。

如何搭建 AI 本地知识库？

先下载 Obsidian 然后在桌面创建一个AI知识库的文件夹（名字随便取，我这边取名叫做Knowledge），然后用Obsidian打开创建好的文件夹。

接下来我们可以用之前学习过的 WorkBuddy （你可以用其他的QClaw、CodeBuddy、Claude Code 、Codex只要是能操作本地文件的Agent都可以）也选择这个文件夹。

选择之后直接和它说，让它去学习llm wiki 这个教程帮我们搭建好文件的目录结构。

你去学习一下 
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f 
在这个文件夹中搭建相关知识库。

然后它就会自己学习，自己根据学习内容进行文件夹与相关文件的创建。

知识库核心逻辑

在这里我们了解下这个知识库的核心逻辑：

根据 Karpathy 的理念，一个成熟的 LLM Wiki 系统由三个核心数据层和两个辅助文件构成。

这套架构确保了知识的有序性，避免了长期的“大模型遗忘症”。

三层文件结构

1. 原始资源层 (Raw sources)：这是你的事实仓库。存放你收集到的外部 PDF、网页剪藏、播客录音转录稿（如使用 Whisper 转录的内容）等。原则：只读不改。 AI 只能从中读取信息，绝不能修改它们。
2. 维基文件层 (The wiki)：整个系统的核心。这里存放着由 AI 提取、阅读原始资源后，自动生成的结构化 Markdown 文件。这些文件会按“实体（如某个人物、某家公司）”、“概念（如复利思维）”、“对比分析”进行分门别类，并且充满着密集的双向链接。
3. 模式与规则层 (The schema)：系统的大脑配置文件。比如创建一个名为 CLAUDE.md 的文件，在里面用自然语言写下你对 AI 的“指令”。你需要在这个文件里向 AI 约定：维基的目录结构是什么、如何使用 Frontmatter 标签、创建链接时需要遵循什么规范（必须使用 Obsidian 语法的双向链接）。

两个必不可少的 AI 辅助文件

如果每次提问都要 AI 去通读几百个 Markdown 文件，不仅速度极慢，还会瞬间耗尽 Token 的上下文额度（Token 暴雷）。因此，我们需要让 AI 在日常操作中自动维护两个特殊页面：

1. 索引表 (index.md)：这是维基的花名册。AI 每次创建新页面，都必须在这里追加一行，写明“页面链接 + 一句话摘要”。当 AI 想要回答你的问题时，它只需先用极低的算力扫一眼 index.md，就能精准定位到需要深度阅读的 2-3 篇笔记。
2. 日志库 (log.md)：AI 的时间线记忆。按时间顺序追加记录，例如“2026-04-14，摄取了文件A，创建了概念B，添加了链接C”。这不仅能让你随时审查 AI 做了什么，也能帮助 AI 找回它的“短期记忆”，知道最近系统发生了哪些变化。

它不仅创建好了相关的文件夹以及记录文件，还自己把给他的学习文档进行了拆解。

Knowledge/
├── CLAUDE.md              ← Schema 配置（知识库的"大脑"）
├── raw/
│   ├── assets/            ← 图片附件存放处
│   └── llm-wiki-karpathy-2026-04-04.md   ← Karpathy 原文归档
└── wiki/
    ├── index.md           ← 所有页面的内容导航
    ├── log.md             ← append-only 操作日志
    ├── concepts/          ← 4 个概念页面
    │   ├── llm-wiki-pattern.md
    │   ├── rag-vs-llm-wiki.md
    │   ├── wiki-schema.md
    │   └── knowledge-ingest-workflow.md
    ├── entities/          ← 3 个实体页面
    │   ├── andrej-karpathy.md
    │   ├── obsidian.md
    │   └── qmd.md
    ├── sources/           ← 来源摘要
    │   └── llm-wiki-karpathy.md
    └── syntheses/         ← 待填充（存放综合分析）

我们可以用Obsidian查看这里面的内容。

先看看 raw（原始内容）。

它存放了llm-wiki的学习教程。

在看看wiki（AI处理后的内容），给内容打上了标签、取了标题以及做了内容的提炼和双链。

然后还有log文件，每一次的操作都会被记录到这里。

然后还可以切换成关系图谱模式进行学习。

可视化笔记之间的关系。

通过直观的交互式图谱，发现思维中隐藏的模式。

每个知识点可以随便拖拽清晰的查看与这个点的相关知识。

还点击查看里面的具体内容。

系统搭建完毕后，你可以通过支持本地文件的 AI Agent 进行知识管理了。

知识库管理操作

日常的知识管理被精简为了三个核心动作：

1. 摄取 (Ingest)：知识的原子化提炼

当你读到一篇好文章你可以直接把链接让AI去整理成md格式和提炼。

帮我把这篇文章 https://mp.weixin.qq.com/s/S3AF2BKqRYcxHaI8uZ71BA 
整理成md格式放入raw文件夹，然后根据 Schema 规范，提炼这份新资料。

AI会先处理文章将其隔离处理成md格式。

然后仔细阅读原文，将其拆解为多个独立的知识点。它会检查这个概念是否已经存在于 Wiki 中，如果不存在就新建页面；如果存在，就把新的观点补充进去。

随后，AI 会在相关的页面之间打上双向链接（如用 [[概念A]] 链接到 [[概念B]]）。

最后自觉地去更新 index.md 和 log.md。

这不仅节省了你大量的整理时间，更重要的是 AI 能够轻易在一瞬间关联 15 个甚至更多的文件。

1. 问答 (Query)：知识的涌现与固化

当你在思考某个新问题时，直接向 AI 提问：

基于我的 wiki 知识库， 我最近创业遇到了推广问题，
推荐我一个能帮助我的 skill

AI 会翻阅内部的 Wiki，综合多篇卡片笔记为你生成带引用的答案，极大提高了准确率。

如果它的回答你觉得不错，你可以直接和它说。

非常好，请把它固化为一篇新的 wiki 笔记保存下来。

通过这种方式，你的灵感被永久沉淀，你的知识库在日常问答中实现了二次生长。

1. 定检与审查 (Lint)：AI 驱动的知识库体检

传统笔记的弊端在于“记完就吃灰”，内部充满了死链接和矛盾的信息。

现在你可以定期（如每周一次）对 AI 说。

对我的知识库进行 Lint 审查。

AI 会自动扫描全库，找出没有关联任何页面的“孤立页面（Orphan pages）”，梳理出相互矛盾的知识点，甚至建议你将两个高度相似的概念页面进行合并。

结合腾讯版本地“龙虾”可以被微信接入，我们就可以在手机上轻松的阅读信息让电脑上的AI为我们管理知识库了。

在这里需要注意，一开始它不知道我们的知识库的存在，手机和电脑的对话不是同一个，所以需要先让它去了解。

你先学习下我桌面的本地知识库的规则文件，然后帮我把这篇文章内容处理下 
https://mp.weixin.qq.com/s/9IJE3aAms1OZP8F--9tjZA
处理过一遍之后再告诉它，让它记住这个操作。

记住以后让你学习，你都需要去操作我的本地知识库

到这里我们AI本地知识库的搭建和使用就完成了。

最后

我想说在正式用这套AI知识库系统之前，一定要注意以下 3 点：

1. 别指望 AI 帮你“从零学习” 这套系统更适合你学完之后，用来整理、复习和建立连接，而不是直接拿来入门。

2. 别盲目堆资料 让 AI 一口气生成几百个词条，但你自己不看，其实没啥用。

3. 你才是大脑，AI 只是工具 AI 是加速器，不是替代品。 方向、判断、取舍这些事，还是得你来。

AI 可以帮你整理知识，但不能替你思考。