技术知识库 · 知识管理 · 2026-09-10 · 国科智飞 Gavin

AI 时代如何搭建个人知识库

从 Obsidian 14 天计划到 LLM Wiki 文档编译，再到给 Agent 装记忆：一套能真正落地的个人知识库搭建方法。

大部分人的知识库死在同一个地方：收集很勤奋，回顾和输出为零。工具换来换去，笔记越存越多，真正要用的时候找不到、不敢信，也不想再看。问题不在工具，而在循环没有闭上——输入、加工、输出这三步，任何一步断了，库就成了仓库。

这篇给一套能落地的方法，分三条路径：先用 14 天在 Obsidian 里跑通最小闭环，再考虑用 LLM Wiki 把成堆的 PDF / Markdown 编译成可查的 Wiki，最后才是给 Agent 加一层可检索记忆。三条路径有明确的先后建议：A 成本最低、最容易坚持；B 和 C 分别解决"文档太多、懒得整理"和"想让 Agent 用起来"，都不是起步必需。

先记住三条操作规则

1. 输入：新资料先放收件箱，当天或第二天处理，处理不掉就删；
2. 加工：存进库之前，用自己的话写至少三行摘要；
3. 输出：每周把一条「可复用做法」写进周整理，或写进工作文档。

三条规则分别对应知识库的入口、加工和出口。工具可以换，规则不必换。可以先自测一下：过去一个月，你有多少条新资料在 48 小时内被处理过？如果没有"收件箱清空"的动作，说明入口是漏的；如果笔记从没被翻出来用过，说明出口是断的。对照这两条，就知道该补哪一步。

开始之前：三条路径的投入

路径之间没有硬性先后，但投入差异很明显。先看这张表，再决定从哪条开始，比边做边纠结工具省事得多。

路径 A：14 天 Obsidian 计划

目标不是完美的文件夹结构，而是先跑通最小闭环：日结习惯、模板库，以及用 AI 发现笔记之间的关联。14 天可以按周理解：第一周解决"每天写"，第二周解决"写的东西连起来"。

第 1 天：从 obsidian.md 下载安装，新建 Vault。位置要选稳定目录，别放桌面或下载文件夹；想多端同步可以放到 iCloud。然后在 Settings → Community plugins 安装并启用三个插件：Calendar、Templater、Dataview。最后配置 Daily notes：日期格式 YYYY-MM-DD，路径 日记/，并建一个日记模板：

---
date: {{date}}
---
# {{date}} 的日结
## 今天做了什么
-
## 今天学到了什么
-
## 今天遇到的问题
-
## 明天第一件事
-

验收标准：点日历上的今天，自动生成一篇带模板的日结。

三个插件是刻意选少的：Calendar 负责回看，Templater 负责模板，Dataview 负责聚合，刚好覆盖最小闭环。插件越多，维护成本和分心概率越高——这也是后文常见问题里"打开库变复杂"的解法。

第 2–3 天：每天写一篇日结，四段各写一行，写具体事项，比如「用 AI 整理了 3 条会议纪要」。同时用 AI 完成一件真实工作，在日结里记下任务名和效果（好 / 一般 / 差）。为什么要用真实工作而不是练习？因为只有真实任务才能暴露"AI 在哪些环节帮不上忙"，这份体感比任何教程都值钱。

第 4–5 天：把已有材料搬进库里，按优先级处理：

• 最高：近三个月的项目复盘，用自己的话写三行，放进 项目/；
• 中：提示词和写作模板，保留原文，放进 模板/，标题注明使用场景；
• 低：文章不存原文，只写三行——观点是什么、我是否同意、准备怎么用，放进 阅读/。

验收：日结不少于 3 篇，模板至少 1 个，项目复盘至少 1 篇。三类材料处理方式不同，原因也不同：项目复盘是经验，必须重写才能内化；模板是工具，保留原文才能直接用；文章是观点，属于别人的思考，只该留下你的判断。

第 6–7 天：第一次周整理，约 30 分钟：

1. 汇总本周日结里「今天学到了什么」，存成 周整理_YYYY-MM-DD.md；
2. 把汇总粘贴给 AI，请它找出可复用方法、反复出现的问题、下周一件事；
3. 在笔记里写下你自己的判断——AI 说的哪些采纳、怎么用；
4. 新建 待深入清单，把暂时不研究的问题记下来。

第 3 步常被省略，但它是这套流程成立的关键：AI 负责发现模式，判断必须由你做出。没有判断的周整理，只是一份更长的日结汇总。

第 8–14 天：让 AI 帮你找笔记之间的关联。推荐把本周新增或修改的 .md 文件拖进 AI 对话，问三个问题：

• 有哪些我可能忽略的笔记关联？
• 哪些笔记应该互相链接但没有？
• 有没有反复出现、却没有被追踪的主题？

然后把结论写回相关笔记，建立双向链接。进阶可以用社区插件 Copilot + Vault QA 在库内问答，但敏感内容建议用前一种方式，避免全文上传云端。

第 14 天验收（六条满足四条即可）：日记不少于 10 篇；模板不少于 3 个；项目复盘不少于 3 篇；AI 能答出有意义的关联；待深入清单不少于 1 条；日结仍保持四段结构。

路径 A 的常见问题

这张表里最值得留意的是最后一行：AI 关联不准，通常不是 AI 的问题。笔记标题模糊、内容太薄，任何工具都连不起来；先攒到 30 篇左右的实质内容再试，效果会完全不同。

路径 B：把文档编译成 Wiki

当 PDF 和长文档多到懒得整理时，路径 A 就不够了——日结适合记录你的思考，不适合消化别人的 300 页报告。思路是让 LLM 先把文档编译成结构化 Wiki。

工具用开源的 LLM Wiki（github.com/nashsu/llm_wiki）：下载最新 release，新建项目，在 Settings → API 里配置 OpenAI / Claude / MiniMax 等任意一家的 Key，先点「测试连接」。之后把 PDF 或 Markdown 拖进窗口（或按 Cmd+I），左侧出现文件列表，Wiki 标签页生成结构化条目和知识图谱。这条路径预计需要 60–90 分钟。

和 Obsidian 的联动是它最实用的设计：项目下的 wiki/ 目录可以直接作为 Obsidian Vault 或子文件夹打开，用 Cmd+O 搜索生成的词条，用 Cmd+G 查看链接。它还有 Deep Research 和 Chrome 剪藏等可选能力。

要管理预期：LLM Wiki 擅长把成体系的长文档编译成条目，对零散小文件和时效性很强的内容，编译收益有限——那类内容留在路径 A 的收件箱流程里处理更合适。它解决的是"消化长文档"的问题，不是"替代日结"的问题。

如果已经在用本地 Agent（例如 NousResearch 的开源 Hermes Agent），还能把导入自动化：对 Agent 说一句「把某个文件导入知识库」，由它调用 LLM Wiki 处理、把结果写入 wiki/ 并同步到 Vault。注意 macOS 需要在「系统设置 → 隐私与安全性 → 辅助功能」里放行终端或 Agent，可以用 osascript 命令测试权限是否生效；没反应时依次检查辅助功能权限、LLM Wiki 是否打开、触发词是否正确；条目为空先查 API Key。自动化依赖 AppleScript，所以这条路径目前主要适合 macOS。

路径 C（可选）：给 Agent 装记忆

如果已经在跑 Agent，希望笔记能按人、公司、关系被查询，可以再上一层 gbrain（github.com/garrytan/gbrain），它把笔记做成图谱加向量加关键词的可检索记忆层：

git clone https://github.com/garrytan/gbrain.git && cd gbrain && bun install && bun link
gbrain init
gbrain import ~/notes/
gbrain query "我笔记里反复出现的主题是什么？"

注意别装错同名的 npm 包。它和 LLM Wiki 的分工是：Wiki 偏「文档编译成百科」，gbrain 偏「Agent 可查询的大脑」，两者可以并存。路径 C 的适用条件也很明确：你已经在用 Agent，并且确实需要按关系查询笔记。不具备这两个条件，不必提前引入。如果想让 Agent 自己完成安装，可以把 gbrain 仓库里的 INSTALL_FOR_AGENTS.md 指引文件交给它读取，省去手动排错。

从上手顺序说起

工具堆得越多，弃用得越快。先把路径 A 稳定用一个月，再决定要不要 B 和 C。一个月是一个合适的检验周期：能连续用满四周，说明习惯已经立住，再叠加新工具才不会被反噬。路径 A 本身已经是一套完整的个人知识库——收件箱、日结、周整理、双向链接，这些习惯比任何工具都值钱。

如果路径 A 稳定使用一个月后还想往前走，下一步是把周整理沉淀的规则、当前工作重点和项目复盘，分别同步到 Agent 工作区的上下文文件、长期记忆和项目目录里；再往后才是让 Agent 参与自动归档与深度检索。顺序始终是：先有习惯，再谈自动化。

回到开头的诊断：知识库死于循环断裂，而不是工具落后。三条规则对应的入口、加工、出口，才是这套方法的骨架；Obsidian、LLM Wiki、gbrain 只是分别让这三个环节更省力的零件。先修循环，再换零件——顺序反了，换什么工具都只是重复上一次的失败。

最后回答一个常见顾虑：工作内容涉密，还能不能做知识库？路径 A 可以——全程离线，AI 协作靠手动粘贴少量笔记，不上传整个库；路径 B 需要把文档交给模型 API，敏感材料要先评估合规边界。隐私要求决定你该走哪条路径，这个判断应该排在功能对比之前。