什么值得买App下载 App ›
连续签到专享现金活动

AI Agent使用3个月+最近构建LLM Wiki心得

年初以来,基于“Vibe Coding”理念部署了个人AI Agent,并以此为核心构建了一套包含编程、数据处理及知识管理的自动化工作流。经过三个月的实际应用,从最初依赖Claude Code的技能体系,到近期结合智谱GLM模型与VS Code插件,再到搭建本地LLM Wiki,逐步探索出了一条利用大模型实现“知识复利”的可行路径。
01核心技术栈配置
在实际部署中,针对Claude Code的使用限制,采用了替代方案进行配置。通过订阅智谱Coding Plan(底层使用GLM大模型),在VS Code中集成CC插件,实现了代码编写与调试的本地化运行。配置文件显示,通过将API端点指向智谱服务的地址,并将模型参数统一设置为“glm-4”,成功绕过了原生平台的区域限制,保障了工作流的稳定性。
02实战应用场景
  • 财报数据处理
    利用AI分析财务报表,快速提取关键数据指标。
  • 播客内容转化
    通过Podcast总结功能,将音频内容转化为文字及图表笔记,便于留存与检索。
  • 视频知识提取
    使用自研工具BiliNote(AI编程开发的后端与前端工具)总结B站讲座视频内容。
  • 可视化图表生成
    结合Excalidraw与Mermaid,自动制作思维导图与流程图。
  • 多模态文档处理
    调用Claude官方Skills,覆盖PDF、PPTX解析及前端设计辅助。
03本地知识库搭建策略
参照Andrej Karpathy发布的个人本地知识库指南,将近期自由职业撰稿的所有稿件进行结构化整理,构建了专属的LLM Wiki。针对Obsidian中Claudian插件存在的限制,采取了在VS Code中与AI对话,指令其在Obsidian库内创建文档,并同步完成内容Ingest的工作流。这一过程有效解决了特定领域的知识回溯难题,如针对医药行业的快速研究,可通过检索历史报告与底稿迅速建立认知框架。
04成本与收益分析
维度详情/变化
订阅成本智谱GLM Lite从20元/月涨至49元/月
知识密度研究阶段做厚,写作阶段做薄,Wiki阶段体系化
核心价值实现内容沉淀与“知识复利”,提升回顾与检索效率

AI Agent应用三个月的成本与价值变化

综合来看,通过AI Agent串联起内容生产与知识管理的各个环节,能够有效将碎片化信息转化为结构化的知识资产。这种“研究-写作-梳理”的闭环模式,不仅辅助了日常的学习与研究,也为个人知识库的长期积累提供了技术保障。

评论

评论区空态插画

当前文章无评论,是时候发表评论了