摆脱收藏夹，像卡帕西那样搭一个会自己长大的 AI 知识库

你的收藏夹，是不是也这样

看到一篇好文章，点收藏；刷到个好观点，截图；遇到个好工具，顺手存进笔记 App。手指一按，心里踏实了，感觉这知识已经归你了。

然后呢？然后就没有然后了。收藏夹越堆越满，终于有一天你想找那个「关于提效的原理」，连当时存的关键词都不记得了。你在微信搜索框里大海捞针，翻了半天，最终放弃。

更扎心的是，你对任何一个主题的理解，并没有因为收藏了 500 篇就变深一点。要用的时候，还是从头翻、从头读、从头想。

你存下来的是信息，不是知识。这个毛病，被一个 AI 大神用一种反直觉的方式治了。

卡帕西的反直觉答案

这个人叫 Andrej Karpathy，前特斯拉 AI 总监、OpenAI 创始成员，深度学习圈的教科书级人物。他提出过一个「LLM 知识库」的玩法，还甩出一份能直接喂给 Claude Code、Codex 的配方文档。

一句话概括他的设计：把你关于某个领域的所有原始资料，全丢进一个文件夹，让大模型把它们「编译」成一个互相链接的笔记库。 从此这个笔记库就是你的第二大脑，能回答复杂问题，还会随你每次喂新资料自己长大。

整套系统就三层，用一个表就能看明白：

层	英文名	放什么	谁动它
原料层	raw	论文、文章、网页、PDF、截图	大模型只读，唯一的「事实来源」
成品层	wiki	大模型整理好的结构化条目	大模型写，系统成品区
规矩层	schema	告诉我怎么组织、守什么规矩	配置文档

再加一个 index 索引，全库目录，每页一行，一个链接加一句话摘要。你提问时，大模型先读索引定位，再钻进去看细节，而不是每次把整摞书从头读一遍。

类比一下就懂：原料是买的一摞参考书，wiki 是你消化后写的读书笔记，索引是笔记的目录。查东西先翻目录，再翻到那一页。

大多数人拿到手就废

这套东西看起来不复杂，但坑在第一步。大多数人拿到知识库的第一反应是兴奋，然后每天往里塞一堆东西，反正不管三七二十一，塞给 AI 就好，AI 自己会记住、会整理。

可以这么做，但我不建议。

关键就在一句：你自己到底看没看过。 真正会用的人，入库的任何内容，都先确保自己看过、让大脑有印象。一篇技术文看不懂，先借 AI 查明白再入库；一个产品脑洞，先靠 AI 发散做调研再入库。自己大脑亲自读过的，才配进库。

如果你自己都不看、一点印象都没，一股脑扔给 AI，这就成了 AI 时代的收藏夹，最后一样吃灰。AI 时代不缺优质内容，不需要提前囤，真正值钱的是那些你消化过、日后真想得起来的。

还有个更得下狠手的习惯：敢于删。定期清空过时、再也不会看的旧知识。因为 AI 时代获取信息太方便、没门槛，没必要守着旧知识当宝。越新的脑子，装的东西越新。

零代码，一个周末就能跑起来

具体的实操，门槛低得吓人。有教程的做法是：下载几份文档放到项目目录，打开 Claude Code 或 Codex，输入一句话：「我想做一个 AI 知识库，我的设计文档是这三份，帮我整理一份精简但完整、可以直接干的项目文档。」再补一句「按 MVP 原则直接开干」。

剩下的就是 AI 的活。你逐步确认，一步步等它干完，就能得到一个最小可用的本地 AI 知识库。零代码，一个周末就能跑起来。

它最值钱的地方在于，这套架构能往任何垂直方向长：做成育儿赛道，就是每个妈妈都需要的育儿知识库；做成企业方向，把存储改成数据库，就是一套完备的企业知识库。起点都一样，只是扩展方向不同。

从收藏家到编译者

收藏家攒的是信息的库，编译者攒的是知识的网。差别不在数量，在有没有「编译」这一步。

	收藏家	编译者
存的是	碎片信息	消化过的知识网
找的时候	大海捞针	目录一翻就到
价值	越堆越乱	越织越厚
靠谁	靠手存	靠 AI 编译 + 自己看过

AI 时代最稀缺的从来不是信息，是你亲手消化过、能随时调用的那部分。而知识库，就是让 AI 帮你把碎片编译成网的流水线。

今天就可以做一件事：把你收藏夹里最深的一篇，真正读完，然后放进你的知识库。你会发现，「拥有知识」和「收藏知识」之间，隔着一道你一直没跨过去的门。

---

你收藏夹里有多少篇「存了再也没翻开过」的？评论区报个数，看看谁是囤货大王。

有用的话点个「在看」，帮更多人把收藏夹变成第二大脑。