Claude Code + Obsidian 實戰，Karpathy 推薦的知識管理方式

筆記越記越多，但從來唔翻。你係咪都係咁？

Karpathy 最近分享咗佢嘅解法：用 LLM 將散亂資料編譯成可以查、可以自我修復嘅知識系統。

大家好，我係陸徐洲。

由一月底到而家，我個公眾號陸續寫咗 43 篇實戰文章，5 個欄目，涉及二十幾個 AI 工具。寫嘅時候一篇一篇趕住出，回頭一睇全部都散收收。

最近有出版社揾我傾合作出書，我先發現呢啲內容欠一次系統性嘅梳理，寫過啲乜、邊啲未覆蓋、下一步去邊度，我自己都講唔清楚。

個幾月前我寫過一篇 Obsidian 嘅介紹文章，當時講得比較粗疏。

唔好搞 NotebookLM 啦，呢套免費方案對中文用戶更友好

今次結合 Karpathy 嘅方法同呢段時間嘅使用經驗，我想將完整嘅實操過程呈現一次，亦都俾大家嘅知識管理提供一啲思路。

先俾 Claude Code 掃描成個目錄，生成內容清單。 43 篇文章嘅標題、字數、涉及嘅工具，幾秒鐘全部列曬出嚟。呢一步唔複雜，但意義在於你第一次喺一個地方見到自己所有內容嘅全貌。

然後係最核心嘅一步：LLM 編譯。

我喺公眾號目錄下新建咗一個 wiki/ 文件夾作為 Obsidian vault。Claude Code 逐篇讀完 43 篇文章，每篇生成一張摘要卡片，三幾句話概括內容，標註核心觀點同涉及嘅工具。所有工具名用 Obsidian 嘅 [[雙向連結]] 語法標註，例如 [[Claude Code]]、[[MCP]]。呢個唔係裝飾，後面成個知識網絡行得鬱就靠呢啲連結。

成個編譯過程我拆成咗多個任務，Claude Code 按順序一步步行。

生成摘要卡片呢步最耗時，4 個 agent 按欄目同時行，十幾分鐘全部行完。

43 張卡片出咗之後，Claude Code 又從裏面提取高頻概念，每個概念生成一個獨立頁面。呢一步同樣並行處理，兩個 agent 同時行上下兩批。

比如 [[Claude Code]] 嘅概念頁，自動列出咗 28 篇提到佢嘅文章，仲標註咗同 [[Codex CLI]]、[[Superpowers]]、[[MCP]] 之間嘅關係。你唔使手動整理「邊篇文章用咗咩工具」，LLM 幫你將關聯全部抽曬出嚟。

最後自動生成四張索引：全局索引、按欄目分類、按工具分類、按時間線排列。

行完之後 wiki 裏面有 73 個 .md 檔案：43 張文章卡片、25 個概念頁、5 張索引。

呢啲唔係原文嘅複製貼上，而係 LLM 理解之後重新組織嘅結構化產物。是但打開一張摘要卡片，係咁樣：

按工具索引頁裏面，每個工具下面掛住所有提到佢嘅文章連結，一目瞭然：

點解叫「編譯」？直接俾 Claude Code 讀 43 篇原文都可以回答問題，但咁樣每次開新對話都要重新解析 30 萬字，每次推導出嚟嘅關係仲未必一樣。wiki 係編譯之後嘅產物，摘要濃縮到 5 萬字，概念關係已經物化成檔案，唔使每次都從頭嚟過。

打個比喻，你每次執行程序係行編譯後嘅二進制，唔係每次都從源碼重新解釋執行。知識管理都係一樣，編譯一次，後面反覆查就得。

打開 Obsidian 載入 vault，Graph View 可以直接見到知識網絡嘅全貌。

Claude Code 係最大嘅節點，28 條線連出去。OpenCode 第二大，9 條線。MCP 喺中間位置，一邊連住 Figma 同 Pencil 呢啲設計工具，一邊連住 Obsidian。

㩒入任何一個概念節點，跳去概念頁，再㩒文章連結跳去摘要卡片，一路㩒落去會發現之前完全冇留意到嘅關聯。例如我寫過 Pencil 同 gstack 各自嘅文章，但從未想過將佢哋組合埋一齊。喺圖譜上佢哋離得好近，呢個交叉選題就浮出嚟。

首頁 INDEX 都可以直接導航到各個索引同最近文章：

接下來係我覺得收穫最大嘅環節——對知識庫發問。

我問 Claude Code：「寫過邊啲 Claude Code 能力點，仲有咩重要功能未覆蓋？」佢掃完概念頁同卡片，俾咗一張覆蓋矩陣。Agent Teams、Subagents、Skills、git worktree 都有深度文章。

但空白區令我冇諗到：Hooks 系統、IDE 插件、CI/CD 集成、Memory 持久記憶全部係零覆蓋。 寫咗兩個月，呢啲重要功能我完全未掂過。

再問關聯發現。OpenCode 有 9 篇，Superpowers 有 4 篇，兩者零交叉。MCP 出現 6 次但從未做過文章主角。佢仲行出一張概念引用頻率表同 7 個聚類拓撲圖，將我所有文章涉及嘅工具分成咗 CLI 工具層、Agent 架構層、設計協作層、方法論層呢啲聚類。邊啲聚類之間有連線、邊啲係孤島，一眼就睇得出。

第三個問題叫佢推薦接下來應該寫咩。佢俾咗三個選題：Claude Code Hooks 實戰（零覆蓋嘅高級功能）、MCP Server 橫評（散見各文但冇專題）、OpenCode + Superpowers（兩座孤島嘅橋）。每個都附咗關聯已有文章同理由。呢啲靠自己翻文件夾係發現唔到嘅。

呢啲問答結果唔係聊天記錄。Claude Code 將分析保存成咗兩個 .md 檔案，下次規劃選題直接打開就可以用。

最後做一輪校驗。 俾 Claude Code 掃描所有雙向連結，睇下邊啲連結冇對應檔案。掃出 32 個斷鏈——[[Kimi]] 被 4 篇文章引用但冇概念頁，[[GLM-5]]、[[BMAD]] 都一樣。Claude Code 自動補建咗 7 個高頻概念頁，斷鏈降到 25 個。剩低嘅都係低頻嘅模型版本號，唔值得單獨建。

呢個就係 Karpathy 講嘅「知識庫自我修復」。你唔使盯住每個細節，LLM 幫你查漏補缺。

而且呢套嘢係生嘅。每次寫新文章，生成一張摘要卡片掟入 wiki，更新索引同概念頁。知識越查越厚，連結越修越密。

簡單睇下每個步驟都做咗啲咩。

對我嚟講收穫最大嘅唔係圖譜幾靚，而係嗰幾個問題嘅答案。兩個月寫咗啲咩、仲缺啲咩、下一篇應該寫咩，行完呢套流程心裏就有數。出版社再問內容規劃，都唔使當場翻文件夾。

呢套方法適合任何有大量散落 .md 檔案嘅人，筆記、文檔、讀書摘錄都得。侷限係初次編譯需要行十幾分鐘，Obsidian 對非技術用戶有門檻。

大多數人用筆記軟件，嘢存咗入去就唔會再翻。工具唔係問題，問題係你嘅知識有冇被用起嚟。

我係陸徐洲，一間 LIMS 公司嘅 AI 算法負責人。關注我，等我哋一齊喺 AI 落地實踐嘅路上，行得更遠。

多謝你睇我嘅文章。有任何關於 AI 提效或者工程落地實踐方面嘅問題都可以加我微信，交個朋友，一齊探討，共同進步。

筆記越記越多，但從來不翻。你是不是也這樣？

Karpathy 最近分享了他的解法：用 LLM 把散亂資料編譯成可查詢、能自我修復的知識系統。

大家好，我是陸徐洲。

從一月底到現在，我的公眾號陸續寫了 43 篇實戰文章，5 個欄目，涉及二十多個 AI 工具。寫的時候一篇一篇往前趕，回頭一看全是散的。

最近有出版社找我聊合作出書，我才發現這些內容缺一次系統性的梳理，寫過什麼、哪些還沒覆蓋、下一步往哪走，我自己都說不清楚。

一個多月前我寫過一篇 Obsidian 的介紹文章，當時講得比較粗淺。

別折騰NotebookLM了，這套免費方案對中文用戶更友好

這次結合 Karpathy 的方法和這段時間的使用經驗，我想把完整的實操過程呈現一次，也給大家的知識管理提供一點思路。

先讓 Claude Code 掃描整個目錄，生成內容清單。 43 篇文章的標題、字數、涉及的工具，幾秒鐘全部列出來。這一步不復雜，但意義在於你第一次在一個地方看到自己所有內容的全貌。

然後是最核心的一步：LLM 編譯。

我在公眾號目錄下新建了一個 wiki/ 文件夾作為 Obsidian vault。Claude Code 逐篇讀完 43 篇文章，每篇生成一張摘要卡片，三五句話概括內容，標註核心觀點和涉及的工具。所有工具名用 Obsidian 的 [[雙向連結]] 語法標註，比如 [[Claude Code]]、[[MCP]]。這不是裝飾，後面整個知識網絡能跑起來就靠這些連結。

整個編譯過程我拆成了多個任務，Claude Code 按順序一步步跑。

生成摘要卡片這步最耗時，4 個 agent 按欄目同時跑，十來分鐘全部跑完。

43 張卡片出來之後，Claude Code 又從裏面提取高頻概念，每個概念生成一個獨立頁面。這一步同樣並行處理，兩個 agent 同時跑上下兩批。

比如 [[Claude Code]] 的概念頁，自動列出了 28 篇提到它的文章，還標註了和 [[Codex CLI]]、[[Superpowers]]、[[MCP]] 之間的關係。你不用手動整理"哪篇文章用了什麼工具"，LLM 幫你把關聯全部抽出來了。

最後自動生成四張索引：全局索引、按欄目分類、按工具分類、按時間線排列。

跑完之後 wiki 裏有 73 個 .md 文件：43 張文章卡片、25 個概念頁、5 張索引。

這些不是原文的複製粘貼，而是 LLM 理解之後重新組織的結構化產物。隨便打開一張摘要卡片，長這樣：

按工具索引頁裏，每個工具下面掛着所有提到它的文章連結，一目瞭然：

為什麼叫"編譯"？直接讓 Claude Code 讀 43 篇原文也能回答問題，但那是每次開新會話都要重新解析 30 萬字，每次推導出來的關係還不一定一樣。wiki 是編譯後的產物，摘要濃縮到 5 萬字，概念關係已經物化成文件，不用每次從頭來。

打個比方，你每次運行程序是跑編譯後的二進制，不是每次從源代碼重新解釋執行。知識管理也是一樣，編譯一次，後面反覆查就行了。

打開 Obsidian 加載 vault，Graph View 能直接看到知識網絡的全貌。

Claude Code 是最大的節點，28 條線連出去。OpenCode 第二大，9 條線。MCP 在中間位置，一邊連着 Figma 和 Pencil 這些設計工具，一邊連着 Obsidian。

點進任何一個概念節點，跳到概念頁，再點文章連結跳到摘要卡片，一路點下去能發現之前完全沒注意到的關聯。比如我寫過 Pencil 和 gstack 各自的文章，但從沒想過把它們組合起來。在圖譜上它們離得很近，這個交叉選題就浮出來了。

首頁 INDEX 也能直接導航到各個索引和最近文章：

接下來是我覺得收穫最大的環節——對知識庫提問。

我問 Claude Code："寫過哪些 Claude Code 能力點，還有什麼重要功能沒覆蓋？"它掃完概念頁和卡片，給了一張覆蓋矩陣。Agent Teams、Subagents、Skills、git worktree 都有深度文章。

但空白區讓我沒想到：Hooks 系統、IDE 插件、CI/CD 集成、Memory 持久記憶全是零覆蓋。 寫了兩個月，這些重要功能我完全沒碰過。

再問關聯發現。OpenCode 有 9 篇，Superpowers 有 4 篇，兩者零交叉。MCP 出現 6 次但從沒當過文章主角。它還跑出來一張概念引用頻率表和 7 個聚類拓撲圖，把我所有文章涉及的工具分成了 CLI 工具層、Agent 架構層、設計協作層、方法論層這些聚類。哪些聚類之間有連線、哪些是孤島，一眼就看出來了。

第三個問題讓它推薦接下來該寫什麼。它給了三個選題：Claude Code Hooks 實戰（零覆蓋的高級功能）、MCP Server 橫評（散見各文但沒有專題）、OpenCode + Superpowers（兩座孤島的橋）。每個都附了關聯已有文章和理由。這些靠自己翻文件夾是發現不了的。

這些問答結果不是聊天記錄。Claude Code 把分析保存成了兩個 .md 文件，下次規劃選題直接打開就能用。

最後做一輪校驗。 讓 Claude Code 掃描所有雙向連結，查哪些連結沒有對應文件。掃出 32 個斷鏈——[[Kimi]] 被 4 篇文章引用但沒有概念頁，[[GLM-5]]、[[BMAD]] 都一樣。Claude Code 自動補建了 7 個高頻概念頁，斷鏈降到 25 個。剩下的都是低頻的模型版本號，不值得單獨建。

這就是 Karpathy 說的"知識庫自我修復"。你不用盯着每個細節，LLM 幫你查漏補缺。

而且這套東西是活的。每次寫新文章，生成一張摘要卡片扔進 wiki，更新索引和概念頁。知識越查越厚，連結越修越密。

簡單看下每個步驟都做了些什麼。

對我來說收穫最大的不是圖譜多好看，是那幾個問題的答案。兩個月寫了什麼、還缺什麼、下一篇該寫什麼，跑完這套流程心裏就有數了。出版社再問內容規劃，也不至於現場翻文件夾。

這套方法適合任何有大量散落 .md 文件的人，筆記、文檔、讀書摘錄都行。侷限是初次編譯需要跑十來分鐘，Obsidian 對非技術用戶有門檻。

大多數人用筆記軟件，東西存進去就再也不翻。工具不是問題，問題是你的知識有沒有被用起來。

我是陸徐洲，一家 LIMS 公司的 AI 算法負責人。關注我，讓我們一起在 AI 落地實踐的路上，走得更遠。

感謝您閲讀我的文章。有任何關於AI提效或者工程落地實踐方面的問題都可以加我微信，交個朋友，一起探討，共同進步。