用Agent构建你的第二大脑：不用 RAG，用 Markdown 让 AI 替你整理知识#AgentOS

Karpathy 的第二大脑秘密3月底前OpenAI 联合创始人 Andrej Karpathy 在 X 上发了两条长推讲他如何用 LLM 构建个人知识库。两条推文加起来获得超过 46,000 个赞、1300 万次浏览[1][2]。这不是普通的好物推荐——Karpathy 可能是全球最顶尖的 AI 工程师之一他的个人工具箱往往代表着一种新的工程范式。这一次他的方法出奇地简单不依赖向量数据库不搭建 RAG 架构直接让 LLM 读写 Markdown 文件。研究神器组合Claude Code NotebookLM Obsidian知识管理的失忆症每个和 AI 对话超过半小时的人都会有一种熟悉的失落感上下文窗口关掉之后AI 就什么都不记得了。你花 20 分钟解释你的项目背景、AI 给了一堆建议下次打开对话框一切从零开始。传统的解法是 RAG检索增强生成——把文档切成块、向量化、存进向量数据库查询时做相似度匹配。这套方案在企业场景下很成熟但对独立创作者来说需要配置分块策略、调 embedding 模型、管理向量数据库门槛不低。什么是RAG私有化的wiki百科AI助手Karpathy 的发现则反直觉对于个人知识库规模他的某个研究主题约 100 篇文章、40 万词直接让 LLM 读取它自己维护的摘要文件效果不比向量检索差但简单得多[1][3]。这意味着你可以用一套纯文本 LLM方案实现过去需要一整套基础设施才能做到的事情。像编译代码一样编译知识Karpathy 把他的整个工作流叫做编译把散乱的原材料加工成有结构的知识体系[1][3]。第一步是数据摄入。所有原始资料——论文、网页文章、GitHub 仓库、甚至图片——全部扔进一个raw/文件夹。他使用 Obsidian Web Clipper 插件可以一键把网页转成 Markdown 并保存图片到本地确保 AI 能通过 vision 能力看到图片。第二步是LLM 自动编译。这是整个系统的核心创新点不是简单索引文件而是让 LLM 主动撰写结构化的 Wiki——为每篇文档生成摘要建立双向链接相关概念互相引用撰写百科风格的概念文章把相关资料串联起来。Karpathy 的比喻是像编译代码一样编译知识[1][3]。第三步是直接问答。当知识库积累到一定规模他不再使用关键词搜索而是直接用自然语言向 LLM 提问。LLM 读取它自己维护的索引和摘要文件直接回答。第四步是定期维护Linting[4]。Karpathy 让 LLM 定期对知识库做体检找出不一致的地方补充缺失的信息建议新的研究方向。这借鉴了代码质量检查的概念——让知识库像代码一样保持健康和一致。DESIGN.md 设计系统成为AI 可读的源代码Obsidian知识操作的双向界面在 Karpathy 的方案里Obsidian 扮演的不是一个普通笔记工具的角色而是整个系统的前端 IDE[1][6]。这里有一个值得深入的结构洞Obsidian 的双向链接本质上是一种空间化的知识导航。当你在 A 笔记里引用 B 笔记Obsidian 会在 B 笔记里自动生成反向链接——这种我指向你你也指向我的关系在建筑学里有个类似的概念叫空间渗透即不同空间彼此开放、互相可见。Obsidian 把这个概念移植到了知识管理中每一个知识点都不孤立而是处在一张互相可达的网络里[6][7]。更深一层的设计是三层分离原始数据放在raw/整理后的 wiki 放在wiki/衍生可视化放在独立视图。LLM 负责撰写和维护几乎所有 wiki 内容人类很少直接编辑[1][3]。这意味着工具的主人从人类变成了 AI而人类变成了审核者和使用者——一种有趣的人机关系倒置。知识飞轮与超级个体这套工作流对于一人公司形态的独立创作者有特殊意义。传统公司有知识管理部、有 Confluence、有 Notion 空间、有团队协作来沉淀组织知识。但一个人作战的超级个体没有团队分工知识随项目结束就散落。Karpathy 的raw → wiki → QA → 沉淀循环某种意义上是为个人设计的知识复利引擎[4][5]每次使用知识库都在为下一次积累——AI 帮你整理人类负责判断。这也呼应了 Karpathy 在 Farzapedia 推文里的一句判断Agent 熟练使用是 21 世纪的核心技能[2]。这里的核心洞察是不是你要去学 AI而是你要学会用 AI 来构建你的数字认知伙伴——它帮你记忆、帮你整理、帮你发现你没注意到的关联。你的第一步建一个 raw/ 文件夹如果你想尝试这套方法最小的启动入口是什么答案是现在就建一个raw/文件夹装上 Obsidian打开 Web Clipper开始把你觉得有用的网页一键存成 .md 文件。不要追求完美的分类体系不要急着让 AI 整理——先让原材料流动起来。从信息碎片到结构化知识中间的桥梁是「收集 定期整理」。Karpathy 的工作流本质上是一套让 AI 帮你完成整理环节的自动化方案而你要做的是给它足够多的原材料以及偶尔的健康检查指令。致最先触达未来的那一小部分人基于Agent的第二大脑早日成型。想学习⬇️预约Mixlab AI训练营参考[1] Karpathy (X). LLM Knowledge Bases.[2] Karpathy (X). Farzapedia.[3] Karpathy. LLM Wiki Gist.[4] VentureBeat. Karpathy shares LLM knowledge base architecture that reinvents personal wikis.[5] Antigravity Codes. Karpathys LLM Knowledge Bases: Full Breakdown.[6] Eric J. Ma. Mastering Personal Knowledge Management with Obsidian and AI.[7] Obsidian Help Documentation.