这两天刷 B 站和小红书的知识管理爱好者，大概率被同一个组合拳刷屏了：8 月 29 日，B 站一条《20 分钟构建 AI 第二大脑知识库》的 Codex+Obsidian 实操教程，两天播放破了 4000。哔哩哔哩往前翻一个月的爆款，小红书教程《Codex+Obsidian，搭自生长知识库手把手教程》半年里收了 25000 多个赞藏、300 多条评论。小红书再按收藏数把近半年同主题高热笔记拉一遍，能排出整整 40 条，8 月 22 日深夜还有人在交《自生长知识库 2.0》的新作业。
但评论区里风向不对。抄作业的人没几个，晒"翻车复盘"的人倒是越来越多：有人花一个多月搭好的知识库，最后把 6 个根目录直接砍到 4 个；有人直言"收藏了无数文章、视频和报告，最后却再也没打开过"。
这场从 4 月吹到 8 月底的"自生长知识库"风，到底该不该跟？我把知乎、B 站、小红书三个平台 4 个月的内容拉了一遍，把教程党和翻车党的原话放在一起对，发现大多数人的问题根本不是工具选错了。
这场风的源头：Karpathy 说知识库不该是仓库，该是编译器
把时间拉回 2026 年 4 月 3 日前后。Andrej Karpathy 发了一条全网刷屏的推文，核心意思被社区翻译成一句大白话：你的知识库不该只是仓库，它应该是编译器。知乎
他反对的正是过去十几年笔记软件的主流玩法——“收藏→整理→标签→以备后用”。他的主张是：LLM 不该每次回答时再去你的原始资料里检索（传统 RAG 做法），而应该先把你积累的所有素材先编译成一个结构化的 Wiki，再用这个 Wiki 回答你。知乎配套的落地链路也被他列了出来：Raw Data → LLM Compiled Wiki → Q&A → 文件产出 → 反馈回流。
4 月 5 日，知乎"如何评价 Karpathy 提出的个人知识库的架构"的问题上线，很快聚起几十条评论。知乎随后一个多月里，“LLMWiki 火爆了”"Karpathy 知识库方案已有人开源"之类的文章密集出现。知乎这是第一波：讨论和开源实现。
真正的第二波在 5 月之后启动，形态变成了手把手教程。到 8 月底，知乎"个人知识库"话题下近半年新增 36 条问答，组合从 Obsidian+DeepSeek、Obsidian+Claude，一路卷到 Codex+Obsidian、Hermes+Obsidian、WorkBuddy+Obsidian——连"几分钟让 AI 给我的 Obsidian 写个新插件"这种衍生玩法，B 站播放都干到了 3.9 万。哔哩哔哩
教程许诺的生活高度一致：AI 自动收集、自动整理、自动复盘，知识库"越用越聪明"。有篇被大量转发的实测写得很有迷惑性：长文、知识库文章加视频三份素材，交给 AI"编译"成三张主题卡，总共花了大概 15 分钟，而自己读、做笔记、整理要点"至少一个半小时"；每天编译两三篇，一个月就是六七十张主题卡。知乎
单看这些数字，确实该冲。但把时间轴往后拉两个月，另一批声音出现了。
翻车党说的是什么：不是没搭成，是搭成了却不敢用
知乎上被反复引用的一条回答来自一位用 Hermes+Obsidian 的用户：花一个多月搭库，6 个根目录、微信读书摘抄按书名分了上百本，“看起来很专业”。7 月初他做了一次大重构，不是加分类，是砍——“04-技能从建好那天起就是空的，05-归档里全是发完就不看的旧稿”。他给自己定的删除标准只有一条：这个月用得上吗？结果"之前舍不得删的东西，一问『一个月内用不用得上』，90% 都可以移走"。知乎
更早的 5 月底，一篇《别搞 AI 个人知识库了，真的没用》说得更狠：95% 的人下场只有一个，建了个"数字版的废品收购站"。这位作者反对的不是 Obsidian，也不是 Claude Code，反对的是把旧方法论原封不动搬进 AI 工作流——"收藏→整理→标签→以备调用"这套动作，加上 AI 自动化采集，等于给废品收购站装了传送带。知乎
7 月中旬一篇从卢曼卡片盒讲到 LLMWiki 的文章，则点了一个更专业的坑：知识库需要的不是连贯，是准确，“一个过度连贯的知识库比一个充满矛盾的知识库更危险——因为矛盾至少让你警觉”。让 AI 自动整理最大的风险，是它把你的原文抹平成一团顺滑的摘要，你既看不出删了什么，也看不出它编了什么。
8 月，连"自生长"阵营内部都开始提同一个词：结构腐化。一个基于 Karpathy 理念开发、刚开源的知识铸造平台在说明里直说：知识库规模扩大后必然出现结构腐化，所以要做"知识体检、一键修复、人机协同"。翻译一下：AI 生长出来的东西，还得人盯着修剪。知乎
看清楚这场风里的关键错位：教程卖的是"收藏"，Karpathy 讲的是"编译"
把两拨人的原话放在一起，就能看出大多数翻车的真正原因。
Karpathy 那条推文的关键在后半段工序：原始资料进来之后，要有一道"压缩"——100 页财报压成 3 个指标，100 篇文章压成"一句话结论+三个可写角度+两条金句"。编译的前提，是你说得出"编译成什么样对我有用"。
而大多数教程把镜头对准的是前半段：一键剪藏、自动同步、自动写入 Obsidian。收进来这个动作被自动化了，压没压缩、留没留对，没人管。反方文章里有句话糙理不糙：“知识不内化 = 死数据”——数据从你的浏览器搬到你的 Vault 里，还是死数据，只是死得更整齐。
还有一个更少人说的成本：这类工作流不是"一次搭好、终身省事"，而是把整理笔记的体力活，换成了维护规则和审核输出的新活。给 AI 定主题卡模板、写日报复盘 skill、检查它有没有瞎总结——这些全是新工序。那位"废品收购站"作者的补充说法很实在：清洗和提炼是每个人必须要做的脏活、苦活、累活，任何人都帮不了你，包括 AI。知乎AI 没有取消这道工序，只是把你从搬运工变成了流水线质检员。
顺带一提，这场风里连"用户"这个概念都被重写了。知乎那条高赞回答干脆直接说：我根本不是这个知识库的目标用户，AI 才是。知识库是检索工具，不是记事本。知乎这句话既是这套玩法真正的增量，也是它最大的陷阱——如果 AI 是主要读者，那"存了多少"就彻底失去意义，“能不能被正确调用"才是一切。而绝大多数人建库的潜意识，还停留在"存下来=拥有了”。
要不要跟：三类人适合切，三类人先别动
适合切的：
已经有稳定输出场景的人——每周要写东西、做方案、带团队复盘，知识库对你是"弹药库"，编译后的主题卡直接进你的工作流。
笔记资产本来就在本地 Markdown 的人，Obsidian、思源用户切换成本最低，AI 直接读写本地文件，隐私风险也最小（反省、财务、真实评价这类内容，云端笔记工具全部不占优势）。
愿意花一个周末写清楚"我的编译模板"的人——定义主题卡长什么样、留什么字段，这比装十个插件都重要。
先别动的：
收藏夹型用户——如果现在的 Obsidian/Notion 里八成内容存完没打开过，自动采集只会加速腐化，先做删除再谈生长。
没有固定输出场景、纯粹被"第二大脑"四个字种草的人——这类搭建热情通常撑不过三周，最后收获一个更精致的数字废品站。
重度依赖云端笔记、又不愿意迁移的人——不是不能玩，而是链路里同步、权限、导出环节都在给工作流加摩擦，先解决搬家再谈编译。
如果决定试：三步走，第一步是删不是装
第一步，先审计，再搭建。把现有库打开，问三个问题：哪些目录建好从没点开过？哪些内容这个月用不上？哪些"素材"其实只是没读完的焦虑？那位把 6 个目录砍回 4 个的用户，重构完两天的体感就两个字：清爽。没做这一步就上自动采集，等于先修高速公路再问车去哪。
第二步，从单一场景做起一个小闭环。不要一上来"全库自动整理"。挑一个你每周都有的动作——写作选题、每日复盘、或者行业信息跟踪——只让 AI 编译这一类内容，定义清楚输出模板（一句话结论、可写的角度、原文引用回链），跑两周，人工抽查它有没有编造和抹平。
第三步，给知识库设一个"4 周观察信号"：连续四周没有一条笔记被调用过（写作时没引用、问答时没检索到），说明这个库对你没有现金流价值，降级归档，别让它继续吃你的维护时间。Karpathy 架构里最容易被教程剪掉的那一环，恰恰是最后那个 Feedback：编译结果没有被使用，就没有资格继续生长。
接下来盯什么
9 月起值得观察三个信号：一是各家 AI 编程工具（Codex、Hermes、WorkBuddy 这一批）对本地笔记库的读写权限和插件生态有没有新变化，这决定迁移成本的下限；二是"自生长 2.0""3.0"类教程的评论区，翻车复盘的密度比教程本身的播放量更真实；三是那批基于 LLMWiki 理念的开源项目会不会公布半年后的真实留存数据——知识库这个行当，从来都是搭建的人多，用满一年的人少。
一句话收束：这轮"自生长知识库"风里，AI 确实改变了一个游戏的规则——知识库的主人从你变成了你的 AI。但规则改变不等于门槛消失。先删，再编，最后才谈生长。顺序反了，生长出来的只会是腐化。
