什么值得买App下载 App ›
连续签到专享现金活动

实测!用Karpathy的LLM Wiki思路,把飞书变成“活”的知识库

传统的知识管理方式往往依赖于人工打标签、建文件夹,导致大量笔记在收藏后沦为“知识坟场”。基于Andrej Karpathy提出的LLM Wiki理念,通过飞书结合OpenClaw或HermesAgent等工具,可以构建一套三层架构的自动化知识库。该系统利用大语言模型承担管理员职责,实现从资料收集、自动分类到双链关联的全流程自动化,将知识库从依赖个人意志维护的“孤立节点”转变为自动生长的“互联网络”。
01核心架构:三层知识体系
LLM Wiki的核心在于构建一个三层架构,通过AI实现知识的结构化处理与动态关联。
  1. 原始资料层
    作为“证据链”基础,原封不动地存储文章原文,确保信息源的完整性。
  2. 维基层(核心层)
    AI负责将原文“编译”为结构化的维基页面。例如,针对同一主题的不同文章,AI会自动去重、提炼要点,并通过双链连接相关主题,生成统一的聚合页面。
  3. 模式层
    用户定义AI的分类规则与关联逻辑。这些规则一次设定后即可长期生效,指导AI自动处理后续新增的内容。
02工具选型与差异对比
在落地实现上,飞书作为交互入口,配合Obsidian作为本地存储,主要对比OpenClaw与HermesAgent两款工具在处理文章归档时的表现。
对比维度HermesAgentOpenClaw
链接获取能力受限:转发头条文章时无法直接获取链接完整:支持“转发即归档”,自动抓取链接
操作便捷性较低:需手动“复制链接”并粘贴至飞书较高:直接转发即可触发归档流程
适用场景非头条类链接转发高频转发场景,特别是头条号内容

两款自动化工具在飞书环境下的功能差异

03配置提示词与工作流
配置该系统需向飞书发送特定的提示词,以设定本地路径及AI处理逻辑。以下为完整的配置指令:
配置LLM Wiki知识库系统:
路径:~/Obsidian/ContentHub
原文存 raw/articles/,维基页面按 entities/concepts/comparisons/queries 四类分目录
收到URL:读取→判断干货(有方法/数据→留,鸡汤/标题党→丢)→干货存Inbox+编译维基(提炼要点+双链关联),口水文丢弃
说“巡检”时:检查未编译、孤立页面、重复主题
每次编译后更新INDEX.md索引
OpenClaw 或 HermesAgent 收到指令后,会自动完成知识库系统配置。
04实测效果与生成结构
在处理17篇测试文章后,系统自动生成了互相关联的知识网络结构。每个节点代表一个维基页面,通过双链实现连通。以“被动收入”页面为例,系统不仅展示了提炼后的核心要点,还自动关联了“AI工具”和“一人公司”等相关维基页面,并保留了原始文章的出处引用。这一过程将原本孤立的笔记转变为一张自动生长、可随时查询的动态知识网络。

评论

评论区空态插画

当前文章无评论,是时候发表评论了