KeyFrame內部研究專用

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

AI Engineer21 min中文
觀看原始影片

三句話摘要

用語音輸入、AI 代理自動增強、雲端自動化和互動式可視化,將零散的筆記轉化為有組織、可探索的 LLM 知識庫系統。 語音輸入 + 自動化 AI 代理 + 雲端排程 + 交互式可視化,無需人工勞動就能將零散思想變成動態、可搜索、自我組織的知識系統。 語音輸入是最快的思想記錄方式,勝過打字,推薦 VoiceInk 或開源 Handy 工具,無需付費訂閱就有本地模型可用。

重點整理

  1. 語音輸入是最快的思想記錄方式,勝過打字,推薦 VoiceInk 或開源 Handy 工具,無需付費訂閱就有本地模型可用。

  2. 用 AI 代理自動增強筆記:根據預設標籤集添加分類(避免代理隨意創造新標籤)、用 Web 工具查詢並驗證來源 URL、透過關鍵詞搜索生成反向連結。

  3. 透過 Obsidian Headless CLI 實現完全自動化流程,每日同步本地筆記到雲端沙箱、運行增強和維基生成技能,晨間喚醒時所有筆記已自動組織完成。

  4. 生成互動式圖表可視化知識圖譜,顯示概念間的連結、發現思考空白、添加習慣追蹤圖表監控寫作一致性,讓知識系統變成可探索的地景。

實用技巧與重點

  • VoiceInk:$20 終身費用,支持快捷鍵(Option/Function)和移動應用
  • Handy:開源本地語音輸入工具,設備端運行
  • 語音輸入速度:平均 200 字/分鐘
  • Obsidian Headless CLI:同步本地 Markdown 文件夾和雲端
  • os.dev(warp.dev/aus):雲端自動化排程平台,支持日/週循環、Slack/iMessage 觸發
  • Hubble.md:免費開源筆記應用,支持 Agent 訪問 HTML
  • 自動化技能清單:enriched-note(標籤、反向連結)、wiki-generation(導覽頁面)
  • 標籤管理:預設標籤存放在偏好設定資料夾,代理參考但謹慎添加新標籤
  • 可視化工具:圖表視圖、習慣追蹤圖表(GitHub 風格活動矩陣)、三維空間可視化

結論

語音輸入 + 自動化 AI 代理 + 雲端排程 + 交互式可視化,無需人工勞動就能將零散思想變成動態、可搜索、自我組織的知識系統。

完整解析

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。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。