最近两个月，「个人知识库」这个圈子难得地热闹了起来。
导火索是 Karpathy（OpenAI 创始团队成员、前特斯拉 AI 负责人）4 月初发的一篇长帖。他说自己现在大部分 token 消耗不再是写代码，而是"处理知识"——用 LLM 把各种原始资料增量式地"编译"成一套 Markdown Wiki，Obsidian 只拿来当查看器。知乎这篇帖子在知乎衍生出一个 29 万+浏览的讨论帖，7 月到 8 月，跟进实践、晒方案的文章一波接一波：「Codex+Obsidian，打造会自增长的知识库」「基于 Obsidian+Claude Code 的个人知识库构建」拿了五百多个赞。知乎
但更有意思的是，吹捧的同时，反对派的声音一样大。有人直接写「别搞 AI 个人知识库了，真的没用」，说 95% 的人最后建了个"数字版废品收购站"；有人在 Karpathy 的帖子底下泼冷水，说这是"企业 Wiki 项目的限时返场"，是拿 token 烧钱换一个只适合少数博主的工具。知乎知乎
我把两派的帖子、回答、评论都翻了一遍，今天不聊工具选型，先聊一个被这场争论照出来的根本问题：你的知识库，到底是给谁用的？
一、先说清楚 Karpathy 到底在干嘛
很多教程只转述了个大概，这里把他的原始流程拆完整：
数据摄入：原始资料（文章、论文、代码库、图片）全部索引进一个 raw/ 目录，网页用 Obsidian Web Clipper 转成 .md 存本地；
LLM 编译：让 LLM 增量式地把 raw/ "编译"成一套 Wiki——一堆 .md 文件，包含摘要、反向链接、概念归类，还会自动撰写关联文章；
前端查看：Obsidian 只是"前端 IDE"，用来看原始数据、编译后的 Wiki 和生成的可视化图表。注意他的原话：Wiki 全部由 LLM 编写和维护，“我很少直接改动它”；
问答：Wiki 规模够大之后（他举例：某个研究主题的 Wiki 约 100 篇文章、共 40 万字），直接向 LLM 提复杂问题，让它自己检索、研究、作答。他说原以为要上复杂的 RAG，结果这个规模下 LLM 自己维护索引文件就够用了；
回流：输出的 Markdown、幻灯片、图表再"归档"回 Wiki，“我自己的探索和查询总是在为知识库增值”；
健康检查：定期让 LLM 跑 Linting——查矛盾数据、补缺失信息、发现新关联。知乎
思路源头是 1945 年 Vannevar Bush 提出的 Memex——一台用"联想迹线"而非分类目录组织知识的假想设备。知乎八十年来所有笔记软件都在试图实现它，但都把"建立关联"的体力活推给了用户。Karpathy 的版本等于说：这个活，让 LLM 干。
二、实践派：知识库的第一读者，已经换成 AI 了
为什么有人对这套方案上头？看一个真实案例就懂了。
知乎上有个 3.7 万浏览的回答，作者照这个思路搭了一个多月，结论是"我根本不是这个知识库的目标用户，AI 才是"。知乎他以前在微信收藏、备忘录、Obsidian 攒了几百条笔记，“记完就再也没打开过，不是懒，是根本想不起来去翻”。现在他写文章要查"上次本地 OCR 怎么部署的"，直接问 AI，AI 从知识库把教程翻出来递给他。
他还做了个细节改造：给知识条目加置信度标注——实操验证过的标"高"，单一来源标"中"，论坛观点标"低"，AI 调用时优先信高置信度内容。知乎用他的话说：没有知识库的 AI 像个没有长期记忆的人，“每次都要从头解释我的 NAS 是什么型号、代理端口是多少，同一个坑踩十次”。
另一个 7 月底的讨论帖说得更直白：知识库的受众不再是人，而是 Agent。 你脑子里浮现的"随时翻阅的第二大脑"已经过时了，新的图景是：你往库里存的东西，是给 AI 准备的上下文和长期记忆。知乎
在这批实践者里走得更远的，已经开始把"方法论"沉淀成 AI 可执行、可版本管理的 skill 文件——有位博主的每日复盘 skill 迭代到了 v3.7，写作 skill 迭代到 v4.0。知乎知识库从"存资料"进化成了"存可复用的经验"。
三、反对派：这笔账必须算给你看
但质疑派给的成本核算，同样值得认真看。
知乎那条 283 赞的高赞反对回答，核心是三条：
token 账单：不用 Embedding 索引、全靠 LLM 增量维护，token 消耗随文档量至少线性增长。而 Embedding 模型的单价只有 LLM token 的几分之一甚至更低，用 LLM 去维护知识库，相当于"用光刻机的零件拼珍妮纺纱机"；
老病没治：从 Evernote 到 Notion 到 Obsidian，知识库的死穴从来不是"结构不够好"，而是分类和关联拉到长期一定会失效——不管维护者是人还是 LLM；
受众太窄：这套方案"极大增加管理维护复杂度，只适用于一小撮播客或自媒体博主"。这位答主自己常用的反而是 NotebookLM 和 ima：一个把格式转换压榨到极致（音视频、PPT、脑图、文档互转），一个直接往里丢文件、装个浏览器插件采集网页，然后提问就行。知乎
另一位更扎心：他观察身边搭 AI 知识库的人，大多数结局是"数字版废品收购站"——需要查东西时不如直接问 AI，做决策时库里那些"金句"一条都想不起来。知乎这个数字是个人观察，谈不上严谨统计，但它戳中的痛点是真实的：「收藏→整理→打标签→以备调用」这条路，从印象笔记时代起就反复被证明走不通。
连实践派自己也承认这一点。有位做 Obsidian+Claude Code 全记录方案的作者，把公式写成了"仓库思维 vs 加工厂思维"：仓库是"觉得以后用得上就存进去"，只进不出，越堆越乱；加工厂是"原料进来→分类→加工→输出成品→清理废料"。知乎他给自己定的规矩是：不按天记流水账，只记"明天还能用"的东西，一周只有 2-3 条值得入库，才是健康状态。
四、争论的本质：不是工具之战，是"读者"换代
看完两派所有帖子，我的判断是：他们吵的根本不是 Obsidian 还是 NotebookLM，而是一次用户定义的变更。
过去二十年的知识库，默认假设都是"人会翻"——所以你要分类、打标签、建双链，所有负担压在用户身上，最后 99% 的人败给了"想不起来翻"。Karpathy 的方案第一次把假设换掉了：翻知识库的是 AI，人只负责喂原料和提问。知乎
实践派在为这个新范式投票：知识库存下来不是给我看的，是给 AI 调用的，所以"找不到"的问题被 AI 解决了，"懒得整理"的问题也被 AI 解决了；
反对派在质疑这个新范式的成本：token 要钱，数据清洗的脏活还是得自己干，而且"编译"本身才是最难的部分——知识不内化，AI 怎么调用都是垃圾进垃圾出。
有意思的是，两派有一条难得的共识：死掉的都是仓库。 无论你走哪条路线，只存不用、存了不加工的知识库，结局都是废品收购站。AI 没有改变这一点，只是把审判来得更快了。
五、你该走哪条路：对号入座
结合社区实践和两派的论据，给三类人三个建议：
第一类：你的"知识库"只是收藏夹——别搭了。 如果你的状态是"先存起来以后可能用得上"，搭知识库只会制造更大的心理负担。需要信息时直接问 AI、直接搜索，比翻自己三个月前存的摘要快得多。知乎承认自己不需要知识库，比硬搭一个省事。
第二类：有明确的资料查询场景——用托管型产品。 比如要处理论文、行业报告、工作文档、会议纪要的人，NotebookLM、ima、Get 笔记这类产品是正解：丢文件进去直接提问，零维护、多端同步，不用碰任何目录结构。代价是功能限制（比如 ima 被用户吐槽一次只能导入 10 条链接）和数据在云端——介意隐私的慎选。
第三类：每天都重度用 AI、愿意动手——才考虑本地方案。 Obsidian + Claude Code/Codex 是当前社区主流组合，适合程序员、写作者、内容创作者。知乎但社区实践者共识的三条规矩，建议照抄：① 只记"明天还能用"的，一周两三条是健康值；② 用自己的话重述后再入库，带上条件和结论，摘抄原文不算知识；③ 给条目标置信度，验证过的和道听途说的分开存。做不到这三条，本地方案只会更快变成废品站。
最后说个值得蹲的信号：Karpathy 在原帖结尾写了一句——“我认为这里有巨大的空间去打造一款令人惊叹的新产品，而不仅仅是一堆简陋的脚本集合”。知乎换句话说，连他自己都承认现在的玩法还是极客手工活。接下来一年，笔记产品大概率会跟进"AI 自动维护"这个方向，届时第二类人和第三类人的边界会被重新画一遍。
搭知识库之前，先回答一个问题：这个知识库，谁会调用它？在什么场景调用？ 答不上来，你存的不是知识，是焦虑。
