LLM Knowledge Bases: a practical guide — Ben Holmes, Warp

這場演講解決了知識工作者普遍面臨的問題：Apple Notes 和其他工具中堆積的想法無法有效組織、檢索和互聯。Ben Holmes 展示了一套端到端的工作流，核心理念是最小化人工干預，最大化自動化。

第一步是快速捕捉。Holmes 強調大多數人沒有充分利用語音轉文字技術，儘管這在心理上可能有些彆扭（在辦公室對著電腦說話），但它是最快的方式——平均 200 字/分鐘，幾乎沒有人能靠打字超越這個速度。對於不想支付 Whisper Flow 訂閱費的用戶，開源工具 Handy 或廉價應用 VoiceInk（終身 $20）都提供本地、設備端的語音輸入。Holmes 的建議很務實：不要擔心完美的格式和結構，只管快速記錄，越多越好。

第二步是智能增強。Holmes 創建了一個 AI 代理技能，自動將雜亂筆記轉化為結構化知識。這個技能做三件事：首先，根據用戶預先定義的標籤列表為每篇筆記分類（Holmes 特意指示代理要保守地添加新標籤，因為「Claude 喜歡發揮創意」）；其次，用 Web 工具查詢筆記提及的來源，填補 URL 和元數據；第三，透過關鍵詞搜索找到相關筆記並生成反向連結。這一步將孤立的筆記編織成相互關聯的網絡。

第三步是自動化規模。Holmes 使用 Obsidian Headless CLI——一個讓雲端代理同步本地筆記文件夾的工具——結合 os.dev（Warp 提供的雲端自動化平台），設置每日排程任務。流程是：同步筆記到雲端沙箱 → 運行 enriched-note 技能 → 運行 wiki-generation 技能（生成導覽頁面）→ 同步回本地。結果是用戶早上醒來時，所有新筆記都已自動組織、標籤化、反向連結齊全，猶如訂閱的「個人報紙」。

第四步是可視化與探索。Holmes 要求 AI 代理用 HTML 和 Tailwind 為整個知識庫生成交互式圖表視圖。這個可視化展示所有概念節點及其連結，用戶可以點擊節點查看具體筆記、發現興趣聚類（如「創業創辦」、「AI 和工程」、「信仰和經文」）、找出思考空白。Holmes 更進一步展示了三維空間化圖譜——像星座一樣的可視化——以及習慣追蹤圖表（GitHub 風格的活動矩陣），用來監控寫作一致性。所有這些都可以通過簡單地指示 AI 代理「為我構建這個」而生成，無需手動編碼。

整個系統的精妙之處在於分工：人類只需語音輸入想法，其餘的組織、連結、可視化都由自動化代理在後台完成，一切如同睡眠中自動進行。