我用 WorkBuddy + Obsidian 搭建 Karpathy 同款知识库，让知识产生复利

知识银行：从消费 AI 到拥有 AI 资产

作者尹家韬用「24 枚硬币」模型理解时间：每天 8 枚给睡眠、4 枚给生活、8 枚换生活成本，只剩 4 枚自由支配——大多数人刷视频打游戏就花完了。想让明天的自己更值钱，得让其中 1 枚停止消费、开始投资。

知识库改写的正是这本账：每天投 1 枚把好文章、好想法存进去，它从此开始「计息」——三个月后写方案、半年后做决策、一年后晋升时连本带利托举你。AI 帮你省下查资料、整理素材的重复劳动（每天省回 1 枚），再把省出来的 1 枚投回去，飞轮转起来就是增长的开始。

对比两个场景：

• 场景一（消费）：行业报告丢给 AI 问答，关掉窗口一切归零，问一百次积累仍是零
• 场景二（复利）：报告存进知识库，AI 归档要点、标注与旧文章的观点冲突、补上印证半年前判断的引用——每存一份材料，整座百科更新一次

这套思路受 Andrej Karpathy 的 LLM Wiki 构想启发：让 AI 承受知识库最繁杂的部分，你做最有意思的部分。用 Obsidian 做可视化和阅读，WorkBuddy 做执行。

五步流程

① 初始化：Obsidian 新建仓库，WorkBuddy 新建会话指向同一文件夹（Obsidian 负责看、WorkBuddy 负责干活），用 Git 管理防误删，编写 AGENTS.md 定义规则。

② 采集：只收高质量内容，宁缺毋滥——原始材料质量决定知识库质量，错误内容会导致对话时得到错误回复。链接来源五花八门（视频、播客、小红书），可用各平台 CLI 工具、开源采集方案或自写 RPA 脚本。存入后可让 AI 出具采集报告。

③ 提炼：一句话「提炼近期新增的内容」，WorkBuddy 按 AGENTS.md 规则阅读新增原始资料，提炼知识点并为每个知识点创建资产页面，通过 Obsidian 双向链接互相关联。存上十几篇后打开关系图谱，知识连成一片网。

④ 查询：向 WorkBuddy 提问，它采用渐进式加载——先读索引文件锁定相关页面再细读，必要时才加载原始资源，不会一上来加载整个知识库。对话中产生的高价值判断可标记为候选内容，随时回填进知识资产。

⑤ 维护与巡检：断链、重复概念页、张冠李戴的引用、被新材料推翻的旧结论，用「维护知识库」对话或定时任务做健康检查。自动化：三条循环——每晚采集当天热点、每早生成三条选题候选、每周日巡检，睡觉时知识库不停工作。

知识库的终极形态

AI 能用极小代价把你在任何领域的深度迅速拔高。深度依然重要，但先铺开广度、再让 AI 补深度，是普通人打出差异化最快的一条路。

公众号「尹家韬」，7 月深耕「AI + 自媒体」。