1. 在我看来，AI 时代要想做好自媒体，也要遵循二八原则，什么意思呢？就是将 80% 的时间用来打造自己的知识库或者叫知识系统，知识库/系统打造好了之后，其实，利用 AI ，你可能只需要 20% 的时间（甚至可能根本用不了 20%）就能做到高效的产出。而且，知识库的打造也是一种边际成本递减的行为，符合复利思维。因为知识库/系统是可以重复使用的，在生成式 AI 的帮助下，你的知识库不再只是“笔记堆积”，而是一个会“自己生长”的系统。每次写作、录视频、做分享，你都在往这个系统里添加素材和结构。AI 可以帮你提炼观点、重组表达，甚至帮你发现你自己都没注意到的思维模式。久而久之，你会发现自己输出内容的速度越来越快，但质量反而更高，因为底层逻辑早已沉淀在系统里。你不是在“凭灵感写作”，而是在调用自己的一整套知识引擎。所以，真正的差距不在“谁更会用 AI”，而在“谁有值得被 AI 放大的知识系统”。AI 能让你的产出提速，但它放大的只是你已有的思考深度与结构。当别人还在到处找选题、凑热点的时候，你的系统已经能自动生成选题、组合内容，甚至延伸出新的方向。这时，自媒体不再是“耗力气的活儿”，而是一种持续复利的积累过程。换句话说，AI 让内容创作从“写一篇篇文章”，变成了“经营一个知识系统”。而你要做的，就是不断喂养这个系统，让它越来越懂你，越来越有你自己的思考味道。所以，我再强调一遍，要想在 AI 时代做好自媒体，一定要注重打造自己的知识库/系统。#微博兴趣创作计划##AI创造营##微博新知#

2. 看#徐志胜气笑李诞名场面#，简直是我和“预制车机”的日常重现！但#荣威M7全球首搭豆包大模型AI#，真成了我的带娃神器。路上闺女说“我冷了”，豆包秒懂调温；一句“想听小女孩的歌”，它立刻播放儿歌；甚至说“讲个星星和月亮的故事”，它都能声情并茂地讲起来！这种模糊语义理解和连续对话能力，让它成了真正的“哄娃神车”，家长终于能安心驾驶了。

3. MiniMax M2.7+OpenClaw实战！AI到底能接管多少工作？

4. AI 是否能成为我们的「赛博大脑」，在记忆存储、信息处理与隐私伦理的边界中，我们准备好了吗？

5. github.com/legeling/PromptHubPromptHub：一款开源、本地优先的 AI Prompt 管理工具，帮助你高效管理、版本控制和复用 Prompt。✨ 功能特性 📝 Prompt 管理 - 创建、编辑、删除，支持文件夹和标签分类 ⭐ 收藏系统 - 快速收藏常用 Prompt，一键访问 🔄 版本控制 - 自动保存历史版本，支持查看和回滚 🔧 变量系统 - 模板变量 {{variable}}，动态替换 📋 一键复制 - 快速复制 Prompt 到剪贴板 🔍 全文搜索 - 快速搜索标题、描述和内容 📤 数据导出 - JSON 格式备份和恢复 🎨 主题定制 - 深色/浅色/跟随系统，多种主题色可选 🌐 多语言 - 支持中文和英文界面 💾 本地存储 - 数据完全存储在本地，隐私安全#科技先锋官#

6. 学习新知识时常常需要在多个工具间来回切换，看论文用一个软件，做笔记用另一个，遇到问题还得单独搜索，效率很低。DeepTutor 是香港大学开源的 AI 学习助手，把文档问答、知识可视化、练习生成、深度研究等功能整合到一个平台。上传教材或论文后，系统会构建知识库，支持多轮对话问答并给出带引用的分步解答。还能根据学习进度自动生成练习题，甚至模拟真实考试风格出题。GitHub：github.com/HKUDS/DeepTutor主要功能：- 大规模文档知识问答，支持教材、论文、技术手册等多种格式；- 多智能体协作解题，结合 RAG、网络搜索和代码执行给出分步解答；- 交互式知识可视化，将复杂概念转化为易懂的图解和演示；- 智能练习生成，根据学习水平定制题目，支持模拟真题风格；- 深度研究与文献综述，自动发现知识空白和研究方向；- 个人知识库和笔记本，追踪学习进度并保持上下文记忆。支持 Web 界面使用，通过 Python 和 npm 安装依赖后即可本地运行，适合学生、研究人员和自学者使用。

7. 教程：All-in-RAG | 大模型应用开发实战一：RAG技术全栈指南网页链接本项目是一个面向大模型应用开发者的RAG（检索增强生成）技术全栈教程，旨在通过体系化的学习路径和动手实践项目，帮助开发者掌握基于大语言模型的RAG应用开发技能，构建生产级的智能问答和知识检索系统。主要内容包括： RAG技术基础：深入浅出地介绍RAG的核心概念、技术原理和应用场景数据处理全流程：从数据加载、清洗到文本分块的完整数据准备流程索引构建与优化：向量嵌入、多模态嵌入、向量数据库构建及索引优化技术检索技术进阶：混合检索、查询构建、Text2SQL等高级检索技术生成集成与评估：格式化生成、系统评估与优化方法项目实战：从基础到进阶的完整RAG应用开发实践#微博兴趣创作计划#

8. AI时代最强笔记软件，为什么是Obsidian

9. 个人知识库相比大模型已有海量知识，是否存在独特价值？如果知识库录入越来越多，假设达到了大模型训练数据的 1/1000, 这时候个人知识库是不是没有意义了？因为它的回答和分析，跟训练后的大模型输出结果也许趋于相同？简单直接的回答是：恰恰相反，你的知识库越大，它的“主权价值”和“差异化价值”反而越高，甚至会成为你相对于通用 LLM 的核心壁垒。以下从几个维度来拆解为什么“趋同”是一个伪命题：1. “1/1000” 的含义：信号密度 vs. 数据总量目前的顶级模型（如 Llama 3 或 GPT-4）训练数据动辄在 15 Trillion (15万亿) tokens 以上。如果你个人的知识库达到了它的 1/1000，那就是 15 Billion (150亿) tokens。- 规模参考：整个英文维基百科大约只有 40 亿 tokens。- 分析：如果你拥有一个 150 亿 tokens 的私有知识库，这里面的信息熵（Information Entropy）远高于通用互联网数据。通用模型是“万金油”，它是对全人类平庸知识的最大公约数（Statistical Average）；而你的知识库是针对特定研究领域的高精度垂直采样。2. “平均值” vs. “特异性”：逻辑趋同，但结论可能相反即便模型通过训练“见过”你知识库里的某些公开发表的内容，它在输出时也会被大量的通用语料“稀释”。- 平庸的答案： LLM 的预训练权重倾向于给出最稳妥、最符合大众认知的回答。- 你的“Edge”：你的知识库里包含你个人的 Vibe、你的非共识论据、以及你私有的实验数据。- 结论：知识库存在的意义不是为了重复 LLM 已有的知识，而是为了校准（Alignment）和对抗（Counter-steering）。当 LLM 的权重倾向于 A 时，你的知识库能通过 RAG 强行将它拉回到更深刻的 B。3. 确定性与“溯源”：解决幻觉的终极手段这是 Karpathy 和 Lex Fridman 都非常看重的一点。- 权重是模糊的：模型训练完后，知识被揉碎成了概率分布。你无法确定它说出某个观点是基于哪篇论文。- 知识库是精确的：无论库多大，它始终提供 Citations（引用）。在专业研究中，一个无法溯源的“正确答案”往往是没用的；而一个能够回溯到原始 .md 文件和图片的论证才是真正的资产。4. 动态更新与“时间差”：权重是死的，知识库是活的LLM 的训练数据有 Knowledge Cutoff（知识截止日期）。- 即便是 1/1000 的量级，如果这部分数据是过去 6 个月内产生的、或是你正在进行的实时研究，通用 LLM 的权重里根本不存在这些信息。- 在 Agent Native 的工作流中，知识库是你的 L2 Cache。只要你还在源源不断地产生新 token，你的库就永远领先于模型的权重更新。5. 合成数据的“炼金术”正如你之前提到的“输出原文不直接包含的论据”，当你的库大到一定程度，你其实是在进行更高阶的合成。- LLM 是 CPU，知识库是 RAM： CPU 再强，没有大内存也跑不动复杂的任务。- 反哺训练：当你的库达到 1/1000 量级，你已经具备了微调（Finetuning）一个专属模型的资格。这时候，知识库不再是“没意义”，而是进化成了“种子语料”，让你从“调教 Agent”上升到“训练专属大脑”。总结：如果把通用 LLM 比作一个博学但健忘的教授，你的知识库就是他手边那叠永不磨灭的、带有他个人批注的、且实时更新的精密笔记。教授越博学，那叠笔记反而越珍贵。因为笔记不再需要记录“1+1=2”这种常识，它会进化到只记录最前沿的、最私密的、最能产生逻辑增量的核心洞察。所以，别担心趋同。当你积累到 1000 个文件甚至更多时，你只会发现通用 LLM 越来越像一个“好用的翻译官或打字员”，而真正的“灵魂和护城河”都在你的 .md 文件里。（附图附带排版，内容相同）

10. 我用AI，做了个全网AI热点捕捉器！N8N工作流分享

11. OpenClaw安装+3大超实用玩法，炒股，搞情报，盘收藏夹...

12. 💼 P人工作的松弛感，居然是HarmonyOS 6上的小艺给的同事总说我工作起来像严谨J人，信息归类清晰、会议纪要逻辑满分。但其实...我纯纯大P人，工作的有条理，纯纯归功于我的“超级助理”#小艺#，TA功能又多又实用，一句话就能帮我搞定专业的事。今天分享我用的多的三个功能，帮大家成为职场Queen👸～真的一用就爱！【小艺知识库】：专属私人知识管家-TA是我的个性化知识管理库，能自动整理归类上传的各类资料，和普通AI的区别是，小艺知识库的回答会参考我导入的资料，所以回答会更准确，更棒的是，还可以针对上传的资料多次交互问答，帮我快速厘清信息重点。-另外我还特喜欢把TA当智能备忘录用，繁杂的信息全部丢给他，需要时直接问TA就行，不用再翻遍文件夹找资料~【小艺文档助理】：高效办公加速器再也不用对着大段文字和十几页的pdf逐字啃啦，把文档交给小艺文档助理，TA能快速总结关键信息，还能生成清晰的思维导图。方便又高效，办公效率直接翻倍！【小艺翻译助手】：沟通无障碍神器面对面翻译是我用的最多的功能，不论是和国外同事开会，还是出国游，都很方便，沟通0障碍。前段时间去欧洲玩，真的切身体会到了没有语言障碍的旅途有多快乐，不得不感慨：“越早用小艺、越早拥抱AI时代”。#人类对小艺的开发不足百分之一#

13. PDF转Word还在花冤枉钱？我搭了个免费的转换神器，手把手教学

14. 如何评价Karpathy提出的个人知识库的架构？

15. 我这几天也照着Karpathy的思路在claude code建了个人知识库，我觉得非常有帮助，尤其在跨领域的知识关联上，太方便了。//@卧猫岗的猫:有了AI以后，启动类似的知识库真是方便容易许多。最近首页博主在转卡帕西的这条，其实之前我已经看到不少各领域的up在搞类似的obsidian知识库，我也搞起了自己的，边工作边扩充，原则是不在工具本身上花过多时间，依照第一性原理，只加有用的。obsidian的界面对初学者不那么友好，有了AI代理，你甚至可以不去界面交互，而是让代理做你需要做的一切，我们自己只需要在头脑里有一个关于知识、链接、big picture的空间概念即可。就像的“思维宫殿”，入口是AI命令行。 #职场# #人工智能#

16. “反而我们新近招聘的初年级律师，是真正的AI一代。他们在执业之初就习惯了AI工具，用Lexis AI查法条，用GPT/Gemini训练语言，用Google Workspace生成文件，自己搭建IMA知识库”——好的，中年法务学到了，马上研究

17. ima知识库：如何成为我的第二大脑？

18. 大神Karpathy的AI 知识库系统搭建，5分钟搞定

19. Obsidian 新人指南来了！这样上手不难搭建AI知识库必备

20. #超能小艺一用就爱# 鸿蒙 6 的小艺真的越来越懂生活！工作上存的项目文档、会议纪要，拖进小艺知识库就能自动归纳，想找某个方案细节，语音说一句就精准调出来，不用再翻半天文件夹。生活里更省心，小艺时光机每天会把拍的日常照片、通勤听的歌单整理成时光轴，翻着就想起当天的小事。最贴心的是小艺私语，想偷偷查某个专业术语，小声问小艺就会轻声回应，完全不打扰别人，也避免尴尬。不管是整理工作资料，还是记录生活碎片，都越用越顺手。

21. Obsidian AI 的4种使用方法知识管理效率完全不同了

22. 看懂“超级公司”，普通人也能成为AI时代的赢家#AI #超级公司 #云栖大会 #阿里云 #瓴羊

23. 腾讯会议这波 AI 功能，让我彻底戒掉了整理焦虑

24. 我为什么更推荐大家去用AI知识库这类产品，而不是普通的检索型AI，——因为真正值钱的不是“查到答案”，而是“建立认知”。普通AI的逻辑是：你问什么，它从资料里检索答案，返回给你就结束了。这本质上还是“存储-检索”模式，知识还是躺在那里，没有真正进入你的认知体系。有道宝库这种AI知识库做的是另一件事：它在帮你把信息变成自己的东西。第一步是强制溯源。普通AI最大的问题是会“幻觉”，你很难判断哪句话是基于事实，哪句是推测。有道宝库每句话都能跳转到原文段落，所有回答严格基于上传资料，逼着你保持与原始信息的连接。第二步是建立关联。支持上传50个来源（论文、公众号、B站、播客），你可以通过提问让它帮你找不同材料之间的逻辑关联、矛盾点。比如问“这3篇论文对同一问题的解释有什么不同？”，它会把差异点提炼出来并标注来源，帮你从上帝视角看纵向演进和横向对比，启发深度理解。第三步是持续加工。同一批资料可以转成播客、脑图、PPT等多模态内容，生成的内容都可以二次编辑。这符合大脑的工作方式：同一内容，你看一遍、听一遍、看结构图一遍，每次调动的认知通道不同，理解会立体很多。用下来的感觉是：它不是在帮你“查”知识，而是在帮你“想”知识。从建立关联、验证真伪到反复加工，每个环节都在推动你主动思考。另外有道宝库和有道翻译、词典生态打通，积累的资料可以一键导入，还内置笔记系统，会自动保存思考过程，随时查找回溯。这些细节在实际使用中感知还挺明显。感兴趣可以试试：网页链接互联网的那点事的微博视频

25. 告别“云端依赖症”：AI为何要“锁”进本地硬件里？｜甲子光年

26. 上次写了 LobsterAI（有道龙虾）后，后台好多人问：这种 Agent 确实厉害，但我平时学习、开会的场景能不能也用上？网易有道这次给出了答案 —— 在有道词典里上线了 AI 同传 Agent，在有道翻译里也能一键启用。属于是接着 LobsterAI 的热度又推第二个 Agent 产品，专门为学习场景打造。最近一直在关注 Agent 领域的进展，尤其是 OpenClaw 这种能自主操作电脑的 Agent。这种技术最大的价值，就是把复杂的多步骤任务自动化，让人专注在更高价值的事情上。有道词典 AI 同传就是把这套 Agent 思路落地到了学习场景：你开启录音，它自动把整套流程跑完 —— 听课、翻译、记录、总结、生成脑图，全自动。跟通用翻译工具最大的区别在于，它是专门死磕学习场景的：真专业 —— 针对六大领域专业术语优化，支持 71 种语言 125 种口音识别全自动 —— 一键完成听课、翻译、记录、总结、生成脑图全流程够实用 —— 新增智能转写、AI 笔记、实时高亮，中文课堂和会议也能用我实际体验了一下，有几个感受：1）操作确实简单打开有道词典就能用，不需要额外安装配置。以前听外语讲座要手动记笔记、查单词、事后整理，现在一键完成。2）专业术语翻译很靠谱试了几个技术分享的场景，AI、计算机、金融这些领域的专业词汇翻译都很准确，不像通用翻译工具那样经常出笑话。3）AI 笔记功能挺好用开会时拍个白板照片，AI 自动根据笔记生成总结。讲到重点还能实时打点标记，复习时进度条上直接定位，不用翻半天录音找内容。4）识别质量比预期好支持降噪和远场识别，坐在会议室后排也能准确转写，多人发言、不同口音都能识别。LobsterAI 是帮你干活的 Agent 助手，有道词典 AI 同传就是帮你高效学习的专属记录员。一个负责执行任务，一个负责知识获取，网易有道这波 Agent 产品布局思路还挺清晰。学生、职场人、经常参加会议培训的可以关注一下。

27. Obsidian AI插件 Claudian 基础配置使用教程能和笔记直接对话啦

28. AI 是否能成为我们的「赛博大脑」，在记忆存储、信息处理与隐私伦理的边界中，我们准备好了吗？

29. 【实用向】龙虾退烧了吗？再聊Agent更实际的应用

30. Project N.O.M.A.D.，末世知识库github.com/Crosstalk-Solutions/project-nomad完全离线版的维基百科、本地运行的LLM、离线版的可汗学院教程、离线版的地图及各种工具等等。哪天丧尸来了也许能用上。#How I AI#

31. 管理个人知识库时，经常需要在Notion、Obsidian、Roam等工具间切换，文件分散、搜索困难、AI代理无法有效利用你的积累，效率低下。GBrain 把你的Markdown知识库变成智能大脑，提供完整的AI代理知识管理解决方案。不仅支持混合搜索（向量+关键词）、实体关系图谱和实时索引，还能自动摄入会议、邮件、日历，生成编译真相+时间线，夜间自动优化，让大脑每天变聪明。GitHub：github.com/garrytan/gbrain主要功能：- 混合搜索，支持语义和关键词查询，融合RRF算法；- Markdown知识模型，每页“编译真相”+“追加时间线”，人类可读可编辑；- 实体检测与链接，自动构建3000+人物/公司关系图谱；- 增量同步，支持Obsidian/Notion迁移，git repo即真相源头；- 文件管理，自动迁移二进制到云存储（S3/Supabase），repo瘦身90%；- AI技能包，脑-代理闭环，会议转知识、每日简报、实体丰富管道。支持CLI、MCP服务器、TypeScript库，搭配OpenClaw/Hermes Agent一键部署，Supabase Pro($25/月)即可运行，适合知识工作者和AI代理开发者。#AI代理##知识管理##OpenClaw#

32. 普通人如何充分利用AI！NAS部署AgentChat，打造最强知识库

33. LightRAG 是一个简单快速的检索增强生成（RAG）框架，能高效整合大语言模型和知识图谱，实现智能文档查询和多模态检索。LightRAG支持多种存储方案（PostgreSQL、Neo4j、Milvus、OpenSearch等），支持文本、图片、表格、公式等多种数据类型的端到端知识抽取和问答。还提供了丰富的示例代码、Web UI，以及支持OpenAI、Hugging Face、Ollama、Azure OpenAI等多家模型接口。项目亮点：- 灵活配置的多存储架构，适合大规模知识管理；- 深度集成知识图谱构建与编辑，支持实体关系管理、知识图谱可视化；- 支持强大的Reranker提升检索效果；- 新增RAG-Anything，打通多模态文档处理与检索能力；- 丰富文档导入格式、引用功能、缓存管理、Token使用统计；- 还支持Langfuse可观测性监控以及RAGAS自动评价指标。无论是科研研究、企业知识库、还是多模态智能问答应用，LightRAG都提供了极具扩展性且高性能的解决方案。GitHub：github.com/HKUDS/LightRAG#在线智能检索# #知识图谱# #大语言模型# #RAG# #开源项目#

34. #AI时代的无纸化学习方法#在当下这个AI时代，基于传统的技术图书学习软件开发技术，这种学习方式，估计不错的话，大约将会被淘汰。它的致命弱点有两个：一是纸质书籍严重缺乏交互。当你有什么不明白时，往往还需要使用手机或PC联网搜索和询问，复制与查找也比较困难。二是纸质书籍是“静态”的，其内容无法及时更新。当一本书印刷出来时，它所讲述的技术，可能又更新了不止一个版本，“一出版即过时”。不过有一种场景，纸质书还有优势，那就是讲述已经比较稳定的科学理论成果（最典型的是数学书籍），这些知识，往往需要人进行深度专注地学习、加以深入地思考才能掌握。当前一种效率比较高的学习方式，就是找到要学习的技术领域资源比较集中的信息源，比如，想学习华为鸿蒙手机App的开发技术，那到华为开发者官网去看教程、视频和技术文档，就比购买相关纸质技术书籍去学要高效得多。找到信息源之后，就要开启一场“知识拼图”游戏，主要方法是：（1）在信息源中浏览，寻找适合自己的学习资源。（2）找到合适的学习资源之后，一边学习，一边同时进行知识整理，比较有效的方式，是人工绘制思维导图，或者是自行整理出要点笔记，（注意，这些工作，绝不要用AI辅助，必须纯手工完成！）（3）学习过程中，有任何想法或困惑，记下来，直接问AI，再把AI给出的回答，补充到自己的笔记中。（4）学一段之后，停下来，对照着思维导图或笔记，尝试着在大脑中把要点都回顾一遍，努力把它们“串”起来，织成一张“网”，这点非常关键，它决定了你是否能“学会”。（5）有可能的话，尽早地投入实践，比如，对于软件技术来说，可用已经当前掌握的东西，去开发一个解决实际问题的或者自己觉得有意义的小程序。这个，能真正地将知识“融入”到你的大脑中，让它成为你不可分割的部分，成为“随着你走”的专业技能。整个这个过程，可以完全做到“无纸化”。我觉得，这个，可能是AI时代一种比较有效的学习方式，传统的看书、听课这种方式，效率太低，实在弱爆了。

35. 【保姆级】RAG智能体终极方案：n8n+Google File Search，零门槛搭建高精度RAG工作流！

36. 在线文档智能检索新利器——OpenRAG（GitHub: github.com/langflow-ai/openrag）是一款集成Langflow、Docling和OpenSearch的Retrieval-Augmented Generation平台，专为实现智能问答和文档搜索设计。OpenRAG核心优势：- 一键安装即用，所有核心组件无缝对接，开箱即用体验。- 支持多文档快速索引，能处理复杂的真实世界数据，实现精准语义检索。- 集成Langflow的可视化拖拽流程编辑器，方便快速搭建和调试RAG工作流。- 以OpenSearch为底层引擎，保证企业级海量数据检索的高性能和稳定性。- 多agent智能协调和重排序机制，提升问答质量和响应智能度。- 提供Python和TypeScript官方SDK，方便开发者灵活集成入自有应用系统。快速上手：1️⃣ 部署OpenRAG（支持Docker、一键安装）2️⃣ 导入文档进行智能语义索引3️⃣ 即刻开始基于大模型的智能聊天问答体验OpenRAG将文档检索和生成式AI完美结合，助力企业和开发者打造强大的智能知识库和客服机器人，体验未来智能搜索的无限可能。#AI创造营##人工智能#

37. 会用AI的人，都在这样听播客了 Obsidian + Ai好记

38. 这届患者太有才，看病前居然会问医疗AI助手！ #AI看病 #人工智能 #医疗 #健康科普 #抖出健康知识宝藏

39. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

40. 字节火山开源的上下文数据库OpenViking, 专为 AI Agent 设计。该项目通过文件系统范式，统一管理智能体所需的记忆、资源与技能，解决了传统 RAG 架构中信息碎片化和检索低效的问题。1. 文件系统管理范式 → 解决碎片化问题：基于文件系统范式，将记忆、资源、技能进行统一上下文管理；2. 分层上下文按需加载 → 降低 Token 消耗：L0/L1/L2 三层结构，按需加载，大幅节省成本；3. 目录递归检索 → 提升检索效果：支持原生文件系统检索方式，融合目录定位与语义搜索，实现递归式精准上下文获取；4. 可视化检索轨迹 → 上下文可观测：支持可视化目录检索轨迹，让用户能够清晰观测问题根源并指导检索逻辑优化；5. 会话自动管理 → 上下文自迭代：自动压缩对话中的内容、资源引用、工具调用等信息，提取长期记忆，让 Agent 越用越聪明。项目：github.com/volcengine/OpenViking#HOW I AI# #过个有ai年#

41. 开源项目VideoRAG 让“观看视频”升级为“与视频对话”，使数百小时的视频内容变成可随时提问、可深度理解的智能知识库。 1、从“搜索视频”到“对话视频” VideoRAG不是关键词检索，而是支持自然语言提问的智能对话系统。视频不再是被动播放的媒介，而是可以像专家一样被反复追问、追溯和推理的知识体。 2、极端长视频处理能力真正落地 VideoRAG可处理数百小时的超长视频内容，并且长视频仅需一张消费级 RTX 3090 显卡即可完成分析，极大降低了深度视频理解的硬件门槛。 3、关键技术在于“图谱 + 分层理解” 其双通道架构通过知识图谱索引、多模态理解、分层上下文编码和自适应检索，使模型既能把握整体脉络，又能精确定位细节，甚至支持跨视频对比理解。 4、Vimo 将前沿技术交到普通人手中 Vimo 桌面应用让普通用户也能通过拖拽方式与长视频对话，同时为专业用户和研究者提供多视频分析、高级检索和完全开源的研究框架。项目：github.com/HKUDS/VideoRAG #ai创造营# #程序员#

42. RAG退潮，“文件系统+grep”回归，智能体检索的返璞归真

43. AI智能体之所以强大，核心在于它们的“记忆系统”。没有记忆，智能体只能盲目行动，无法学习和适应。记忆让它们能够跨时推理、优化决策，真正实现智能。短期记忆（工作记忆）负责暂时存储任务相关信息，帮助智能体追踪当前用户问题、对话上下文和任务中间步骤，从而做出连贯且有针对性的回应。长期记忆则保存跨任务的知识与经验，积累事实和规律，使智能体随着时间变得更高效、更准确。情景记忆像人类的经历记录，存储状态、行为、结果和奖励，助力强化学习中识别哪些行为带来成功或失败。语义记忆包含结构化的世界知识——概念、规则、语言和领域信息，支持智能体推理和理解新信息。检索机制根据上下文、关键词或相似度精准调用所需记忆，避免信息混乱和过时。记忆还支持多步规划，智能体能记住子目标、进展和障碍，提升长远策略，而非仅解决眼前问题。多任务环境中，智能体为每个任务维护独立记忆，防止任务混淆，提升切换效率，并跟踪用户偏好。强化学习中的经验回放机制，通过反复利用历史经验，稳定训练过程，避免重复错误。记忆系统是动态演进的，智能体通过反馈、奖励和新交互不断更新，持续优化表现。记忆不仅是AI智能体的“知识库”，更是其“成长引擎”。理解短期、长期、情景和语义记忆的区别与协作，是构建高效智能体的关键。未来，记忆与检索机制的进步，将推动AI从“会思考”向“会记忆、会学习、会进化”迈进。原文：x.com/e_opore/status/1994331859661000712

44. 和AI搭配最顺畅的笔记软件，被我找到了 Obsidian

45. 如何评价Karpathy提出的个人知识库的架构？

46. #昀哥推荐阅读# 个人知识管理第一阶段：有道云笔记（树状仓储）。第二阶段：迁移到Obsidian（图谱网络）上。第三阶段：基于LLM Wiki+Obsidian Cli+CodeX完成个人知识库新生和呼吸。正如 Karpathy 所言：“Obsidian is the IDE, the LLM is the programmer, the wiki is the codebase.”当你再把一个 Raw 文件（比如一段杂乱的会议记录或笔记）丢进 Inbox 时，Codex 会根据 AGENTS.md 定义的规范，读取原文，提取出核心实体、观点和决策。它会自动去 wiki/ 目录下找：“有没有关于‘XXX’的现有页面？” 如果有，它会把新信息合并进去；如果没有，它会新建。这种“去重并融合”的能力，让你的笔记从“碎纸片”变成了“系统化文档”。正如 Karpathy 提到的，当这个系统跑顺之后，你会发现“检索”变得不再重要。因为当你打开任何一个 Wiki 页面时，Codex 已经帮你把所有跨越 8 年的、散落在有道云和本地文件夹里的碎片，物理性地聚合在了你眼前。

47. #AI龙虾到底能干什么# 能干的不少，像是可以变成办公助手，整理邮件安排定时推送；或者对接包括PDF、Word等文件快速转换格式，给论文、一些资料进行总结，建立自己的知识库等。作为一个开源的AI Agent框架，能做到这样其实已经很出彩了

48. 手把手教你用Obsidian + OpenClaw重构AI知识管理体系

49. OpenViking：一个非常实用的开源项目，专为AI Agent设计的上下文数据库，通过创新的“文件系统范式”统一管理Agent所需的记忆、资源和技能，彻底解决了传统向量数据库碎片化、检索效果差、上下文不可见的问题。主要亮点包括：- 文件系统管理范式，实现统一结构化管理，轻松浏览和操作上下文，像管理本地文件一样简单- L0/L1/L2三层上下文分级加载，按需调用，大幅降低Token消耗- 目录递归检索策略，结合目录位置和语义搜索，实现更精准、更全局的上下文获取- 可视化检索轨迹，完整呈现检索过程，方便调试和优化- 会话自动管理，自动提取长期记忆，Agent能“用得越久越聪明”支持Python包安装，也有Rust CLI工具；支持多家主流模型提供商，包含Volcengine、OpenAI、Anthropic、本地vLLM等等；同时提供详尽配置示例，轻松上手。新手快速开始示例脚本也非常简洁，几行代码即可增加资源、浏览文件结构、等待语义处理、抽取摘要、执行语义搜索，非常适合开发者验证和应用。同时官方推荐在云服务器（推荐Volcengine ECS + veLinux）环境中部署，保证稳定性和性能。如果你正打造智能Agent或者想优化上下文管理，强烈建议一试OpenViking，这个项目将让上下文管理和检索变得前所未有的清晰、高效、智能。GitHub地址：github.com/volcengine/OpenViking 官网：www.openviking.ai 文档：www.openviking.ai/docs

50. AI时代，更需要搭建个人知识库

51. 跟大家说一个 TRAE 非常好用的功能，就是帮你整理文件。这个功能实在是太实用了。大家在电脑上肯定存了很多文档，这些文档你自己去整理也不知道怎么入手，因为有些文档里面的内容，确实很重要，但是有一些内容又分散在不同的文档里，然后有一些文档的内容又相互有一些重合的部分。你要把这些文档整理出个头绪的，比理毛线团还乱。这个时候，你就可以用TRAE。你把你的需求告诉他，就是分门别类，把这些文档整理合并精简。大模型做这种事情做得非常好。

52. 用 openclaw 的大半个月，从傻傻的，到部署小小自动化任务，AI 很快会干掉很多人工的活。考虑到 8 点有时候睡个懒觉，现在统一改为 10 点。还在看看搭建本地知识库中：用 Obsidian+ClaudeSkills搞定AI时代知识管理；用Obsidian+Claudian ObsidianSkills，搞定Al时代的知识管理与内容创作。#微博新知博主#

53. 很多人问我：现在做AI创业，到底还有没有机会？其实机会很大，但试错的空间正在被快速压缩。#大咖观察 #红衣聊AI #创业 #AI创业 #人工智能技术

54. 用我们自家的AI，普通人也能享用优秀分析师的服务#AI #Reportify #商业研究 #智能体

55. #OpenClaw都能做什么#OpenClaw的爆火，让“能做事的AI”从概念落地现实，它打破传统AI仅被动对话的局限，凭主动执行、全场景适配的特性，成为AI智能体发展的重要探索，或引领下一代AI应用方向。它能实现办公自动化，快速检索文件、填充报表、批量处理文档；可完成跨工具协同，联动多平台实现指令一次下达多端执行；能提供全流程代码辅助，生成代码、排查Bug甚至开发简易App；可搭建私有知识库，快速检索并整合多格式内容；还能实现设备智能监控，主动检查任务、预警故障。此外，其开源属性让开发者可无限拓展功能，虽尚存部署门槛与安全问题，但它让AI从“对话助手”变成“数字员工”，这种落地性的突破，正是未来AI的核心发展方向。#how i ai# http://t.cn/AXVbL8bn

56. Moltbook 保姆级部署教程：从 0 到 1 本地运行 AI Agent（OpenClaw 对接） | 零度解说

57. 9.3k星Skill Seekers：一键把文档变成Claude技能，文档党狂喜

58. 五年干货免费送？我为什么把知识库交给PandaWiki

59. 我以前挺喜欢在笔记里收集一些小工具的，比如说PDF转Word、PDF转HTML，或者是合并PDF之类的小工具。昨天整理笔记的时候，把这些都删了，因为没有必要。有AI以后，需要用到什么工具，直接用提示词一两分钟就能做一个出来。

60. 开发者想快速把文档网站、GitHub仓库和PDF资料一键转换成Claude AI skills？Skill Seeker帮你实现自动化处理，无需手动整理各类文档。它支持多源抓取（网页、仓库、PDF），用深度AST解析代码，自动检测文档和代码间的冲突，智能分类内容，并结合AI提炼关键示例和知识点，最后打包成Claude可用的skill文件。核心功能包括：- 支持任意文档网站的自动抓取与解析- PDF文字提取、表格解析，支持扫描件OCR和加密PDF- GitHub深度代码分析，提取API、Issue、版本历史- 自动检测文档与代码实现的差异，生成冲突报告- 多源合并，构建统一的skill知识库- AI增强生成高质量教学参考和示例- 并行异步处理，提升大规模文档抓取效率支持Python环境下命令行操作，也能结合Claude Code MCP服务实现自然语言交互式管理，极大提升开发效率和文档维护质量。项目地址：github.com/yusufkaraaslan/Skill_Seekers适合开发者、开源维护者、学习者和团队，用最少时间获取高质量、结构化的AI Skill文档。

61. AI浏览器打起来了！Atlas Comet对比测评优缺点分析盘点我的使用案例

62. 整理桌面文件时，文件一多就容易变成靠记忆找，时间一长基本失控，重命名和分类本身又很耗精力。TagSpaces是一个完全基于本地文件的标签管理工具，不依赖数据库，也不改文件内容，而是通过文件名和侧边信息来做整理。项目地址：github.com/tagspaces/tagspaces主要功能1.通过标签方式管理本地文件，不改变文件结构；2.支持PDF、图片、音频等多种文件预览；3.可为文件添加备注和颜色标签，方便快速区分；4.完全离线使用，不需要账号或同步服务；5.跨平台支持Windows、Mac、Linux；TagSpaces更适合文件杂、但又不想折腾复杂系统的人，用标签替代文件夹层级，找资料会轻松很多。

63. github.com/Tencent/WeKnora 腾讯开源的RAG框架：WeKnora（维娜拉）这是一款基于大语言模型的文档理解与语义检索框架，专为结构复杂、内容异构的文档场景而打造。框架采用模块化架构，融合多模态预处理、语义向量索引、智能召回与大模型生成推理，构建起高效、可控的文档问答流程。核心检索流程基于 RAG（Retrieval-Augmented Generation）机制，将上下文相关片段与语言模型结合，实现更高质量的语义回答。核心特性 🤖 Agent模式：支持ReACT Agent模式，可调用内置工具检索知识库、MCP工具和网络搜索，通过多次迭代和反思给出全面总结报告 🔍 精准理解：支持 PDF、Word、图片等文档的结构化内容提取，统一构建语义视图 🧠 智能推理：借助大语言模型理解文档上下文与用户意图，支持精准问答与多轮对话 📚 多类型知识库：支持FAQ和文档两种类型知识库，支持文件夹导入、URL导入、标签管理和在线录入 🔧 灵活扩展：从解析、嵌入、召回到生成全流程解耦，便于灵活集成与定制扩展 ⚡ 高效检索：混合多种检索策略：关键词、向量、知识图谱，支持跨知识库检索 🌐 网络搜索：支持可扩展的网络搜索引擎，内置DuckDuckGo搜索引擎 🔌 MCP工具集成：支持通过MCP扩展Agent能力，内置uvx、npx启动工具，支持多种传输方式 ⚙️ 对话策略：支持配置Agent模型、普通模式模型、检索阈值和Prompt，精确控制多轮对话行为 🎯 简单易用：直观的Web界面与标准API，零技术门槛快速上手 🔒 安全可控：支持本地化与私有云部署，数据完全自主可控 #科技先锋官#

64. Obsidian 搭配什么AI工具？腾讯WorkBuddy篇保姆上手教程

65. 这两天学着用kimi code做两个工具，一个是本地部署的声音克隆工具，用阿里的CosyVoice2，这个模型本地部署需要的依赖特别多，所以失败了很多次。另一个是图表和图片的数据验证工具，用来查错。我们最近的节目，都在尝试用AI赋能。比如：说错或漏说的稿子，都不再补录音，而是用AI直接克隆，对比补录的环境声差异很小。这个可以用Pr的第三方插件，或者直接用MiniMax云端克隆就行。如果你喜欢折腾，也可以跟我一样，试试本地部署语音模型。还有就是动画空镜，这次大横评的开场用了一个，到时候大家可以看看效果。公司的飞书也接了一个OpenClaw，查询新闻、整理文稿，检索链接什么的，都非常方便。AI时代，还是得多学多试，让团队和工作都能升维。

66. #谷歌Gemini推出笔记本功能# 聊一下这个话题，刚好也是我最近的研究和使用方向，其实就是建立「AI知识库」Gemini这个NotebookLM我之前用过了，其实就是你丢一些文档和资料给它，它在这些文档内容范围内，使用Gemini帮你总结内容、制作PPT、思维导图等等。我觉得算是真正适合打工人的工具了，解决的问题是，你问ai的时候，联网搜索被一些垃圾信息污染，从而出现的ai幻觉和垃圾结论。国内也有替代的工具，我最近在用的就是腾讯的ima，等后面WPS的灵犀过了，我再试下这些工具之间的区别。说回ima这个产品的逻辑，它其实就是一个ai知识库，支持的模型是DeepSeek，你可以把平时看到比较好的信息归类给它，比如我就建立了一个「小米集团」的知识库，我把财报文档还有一些报道分析都归类在里面，以后类似公司分析的内容，就先在知识库里提问，过一遍。我还在做的一个尝试是，我先用workbuddy把影视飓风极客湾每次的视频都扒下来，转成字幕保存，然后建立一个知识库，以后要写脚本的时候就丢产品信息给它，让它参照风格来写一篇评测脚本。最近在尝试这个东西，后面有结果了再来给大家分享。所以其实用ai用到现在，我的感受就是，一定要有开放的心态，不要觉得用ai就是偷懒，其实是帮你增效的。比如我建立的这些知识库，其实是帮你完善信息的。因为很多时候你看到一个话题也就5分钟，很多信息你可能会遗漏，所以我会先在知识库里过一遍，相当于帮你回忆一遍记忆。这时候你自己的大脑，相当于一个主agent，再重新梳理一遍，表达一遍，写出来的东西就比较完善且专业了～这是我目前的感受，不知道大家怎么看？

67. REDMI Book Pro 14 2026开启智能 PC 体验新纪元！全新超级小爱，功能更丰富，操作更便捷可本地创建个人知识库，守护隐私安全AI 深度搜索，文件无需解压，图片也可识别一键远程开关机，出门在外满足应急办公需求预约已开启，本月与#K90Max#同场发布#REDMIBook#

68. Flux 2.0 突然发布！最强开源、叫板谷歌 Nano Banana Pro 模型，在线免费实测及本地部署教程！ | 零度解说

69. 两个教学项目：1️⃣从零开始构建 AI 智能体github.com/pguso/ai-agents-from-scratch本仓库教你从基本原理开始，使用本地 LLM 和 node-llama-cpp 构建 AI 代理。通过完成这些示例，你将理解：✨LLM 的基本工作原理✨智能体究竟是什么（LLM + 工具 + 模式）✨不同智能体架构的运作方式✨框架为何做出某些设计选择理念：通过构建学习。深入理解后，再明智地使用框架。2️⃣从零开始构建RAGgithub.com/pguso/rag-from-scratch通过一步步构建RAG（检索增强生成）来解密它的原理。没有黑箱。没有云API。只有清晰的解释、简单的示例和你完全理解的本地代码。这个项目遵循与《从零开始构建 AI 智能体》相同的理念：通过简洁、解释清楚的真实代码，使开发者能够理解先进的AI概念。你将学到：✨RAG到底是什么，以及它为何在知识检索中如此强大。✨嵌入（embeddings）如何工作，如何将文本转化为模型能理解的数字。✨如何构建本地向量数据库，高效地存储和查询文档。✨如何连接所有内容，检索上下文并将其输入到大语言模型（LLM）中以获得有依据的答案。✨如何重新排序和规范化，提高检索精度并减少噪声。✨一步步的代码演示，每个函数都有解释，毫不隐瞒。#科技先锋官#

70. 我一直推荐大家使用 ima 知识库（没收钱）主要是确实方便，你把自己的所有资料放进去，问 AI 会很方便。我使用这个还有一个很重要的原因，就是生成的内容很方便就能保存成笔记，而且追加笔记也很方便。听力营里有家长用起来，整理孩子的听力材料就发现有些表达很多场合都练过了。如果你点开知识库广场，可以输入关键词找一找自己需要的资料。比如高考真题，TED 演讲之类的，基本上都能找到。加入其他人分享的知识库就能获取到资料了。不过目前 ima 不支持批量下载，有一些知识库里的资料分享人也有限制。总体来说还是很好用的。

71. 为什么说Agentic AI的“大脑”在GPU，但“手脚”在CPU？🧠💻 从一个冷知识说起：OpenClaw这只“龙虾”能火，不只是因为它功能强，更因为它重新定义了CPU在AI里的角色。传统AI：你问它答，GPU从头算到尾 Agentic AI：它得“自己思考→自己查资料→自己动手执行” 比如你要它帮你整理照片： ❶ CoT推理（拆解步骤：先分类→再重命名→最后备份）→ CPU参与逻辑调度 ❷ RAG检索（去知识库查“照片分类标准”）→ CPU狂跑向量搜索 ❸ 执行Bash脚本（实际动手干活）→ CPU全程负责结果呢？深度分析发现：78.7%的延迟其实卡在CPU侧❗️ 所以别再只盯着GPU参数了。Agentic时代，CPU和GPU是“夫妻档”，谁拖后腿都白搭。你对现在AI的理解，可能该刷新一下下了。 #ai智能体##OpenClaw#

72. 当需要快速管理和优化团队的文档协作流程时，手动整理版本或依赖分散的工具往往导致内容冲突，难以保持一致性。GitHub上的开源项目OnlyOffice是一个强大的在线文档协作平台，专为实时编辑和共享办公文档设计，结合大语言模型（LLM）的智能内容校对或翻译功能，能显著提升文档处理效率，适合行政团队、项目经理或内容创作者。GitHub:github.com/ONLYOFFICE/DocumentServer主要功能：1. 实时协作编辑：支持多人同时编辑Word、Excel和PPT文件，自动同步；2. 格式兼容：完美支持DOCX、XLSX、PPTX等主流办公格式；3. 大模型AI集成：利用大语言模型校对文本或生成多语言版本；4. 自托管部署：通过Docker运行，数据本地存储，保障隐私；5. 集成支持：连接Nextcloud、ownCloud等，统一文档工作流；6. 移动端访问：提供Web和移动端界面，随时随地编辑。OnlyOffice通过Docker快速部署，几分钟即可启动，界面直观且功能强大。它在文档协作领域广受好评，尤其适合需要高效编辑办公文档的职场场景，AI大模型的集成让内容优化更智能。实际使用后，你会发现它让文档协作变得流畅可靠，团队生产力显著提升。#AI生活指南##ai创造营##微博兴趣创作计划#

73. Notion + AI 打造5个效率APP 客户管理｜项目管理｜时间管理｜每日复盘｜记账管理

74. 我提交到ClawHub的第一个skill，file-splitter，刚才成功，Claw用户都可用。file-splitter是打磨本地知识库过程中产生的一个用于拆分文件的外围小工具，可提高文件入库和向量化速度防止显存溢出等，日常也可以用来拆文本文件，简单实用。开源生态贡献再小小小小小小也要动手。下载地址网页链接本地知识库是重点，已经迭代好几版，打磨好后近期也会提交为skill。Vibe Coding每一天。

75. 如何评价Karpathy提出的个人知识库的架构？

76. 如何用AI搭建个人知识库_保姆级教程_图文版

77. 2026最新

78. 大神 Karpathy 最新分享！搭建让 AI 自我进化的个人知识库

79. 【平姐AI效率笔记】ima知识库

80. 提问能力才是保持知识库持续成长的核心能力 - 哔哩哔哩

81. AI笔记整理三步法

82. 普通人用AI赚钱的100个方法（49）知识库问答系统