KeyFrame內部研究專用

國外瘋傳的 AI 筆記工作流!LLM Wiki 讓你的 Obsidian 筆記升級成能自我進化的第二大腦!

PAPAYA 電腦教室·7月8日週三·18 min中文

三句話摘要

講解如何用 Obsidian 建立知識庫,並通過 AI 助理自動化維護,實現「LLM Wiki」概念。 LLM Wiki 將知識管理從個人手工維護升級為人機協作模式,人提供資料和規則,AI 自動執行整理、連接、維護的重複工作,大幅降低知識庫的維護成本。 Obsidian 的核心在於雙向鏈接,可將散落筆記串聯成知識網絡。通過 [[頁面名]] 語法建立連接,AI 也會自動識別和創建缺失頁面的鏈接,整個知識體系自然演化而成。

重點整理

重點
  • 1

    Obsidian 的核心在於雙向鏈接,可將散落筆記串聯成知識網絡。通過 [[頁面名]] 語法建立連接,AI 也會自動識別和創建缺失頁面的鏈接,整個知識體系自然演化而成。

  • 2

    LLM Wiki 將知識庫維護分工:人負責提供源資料,AI 負責讀取、整合、建立連接。需要準備「史料」、「知識庫」、「目錄」、「日誌」等文件夾和文檔,形成清晰的工作流程。

  • 3

    指導手冊(CLAUDE.md 或 AGENTS.txt)是 AI 助理的工作說明書,需明確告訴 AI 每個資料夾用途、處理流程、輸出規範,這樣 AI 才能按規則自動執行複雜任務。

  • 4

    排程自動化讓 AI 定時執行數據匯入、知識庫維護、內容驗證等任務,無需每次手動觸發,大幅降低維護成本。

實用技巧與重點

乾貨
  • 軟體與工具
  • Obsidian(桌面版筆記軟體)
  • Obsidian Web Clipper(瀏覽器擴充功能,用於擷取網頁)
  • Codex(AI 助理工具)
  • Markdown 語法
  • # 標題、## 中標題、### 小標題
  • 斜體粗體
  • > 引言
  • - 列表
  • --- 分隔線
  • #標籤
  • 核心功能
  • 屬性面板:輸入三條橫線 --- 產生
  • 雙向鏈接:[[頁面名]]
  • 反向鏈接:展開查看有哪些頁面連結到當前頁
  • 未連結但提及:自動檢出頁面中提到但未建立鏈接的關鍵詞
  • 文件夾結構
  • 史料(源資料:PDF、網頁文章)
  • 知識庫(AI 生成和維護的筆記)
  • 附件(圖片和媒體文件)
  • 範本(預設頁面格式)
  • AI 配置文件
  • CLAUDE.md(給 Claude 使用)
  • AGENTS.txt(給 Codex 使用)
  • 排程功能
  • 設定執行頻率:每天、每週
  • 支持定時自動檢查新資料、驗證鏈接、檢查重複內容
  • 輸出格式
  • 目錄:列出所有頁面的鏈接和簡短說明
  • 日誌:記錄每次匯入的資料來源和更新時間
  • HTML 資訊圖表:互動式時間軸和可視化頁面

結論

結論

LLM Wiki 將知識管理從個人手工維護升級為人機協作模式,人提供資料和規則,AI 自動執行整理、連接、維護的重複工作,大幅降低知識庫的維護成本。

完整解析

詳細

Obsidian 是一款強大的筆記工具,其核心特色是支持雙向鏈接。講者透過三國歷史知識庫的案例,展示了從基礎操作到 AI 自動化維護的完整流程。

首先是基礎操作階段。用戶需下載並安裝 Obsidian 桌面版,指定本地儲存庫位置。主界面提供側邊欄導航、屬性面板、關聯圖等功能區。內容編輯採用 Markdown 語法,包括標題、粗斜體、引言、列表等基礎格式。為提高效率,可創建範本(Template)——預設好格式和字段的頁面骨架,新建筆記時即可快速套用,避免重複排版。例如「人物」筆記可設定字、出生年、逝世年等固定欄位,後續新增武將時直接複製填寫。

雙向鏈接是 Obsidian 的核心創新。通過 [[頁面名]] 語法可在筆記中創建鏈接,點擊即可跳轉。如果鏈接指向不存在的頁面,Obsidian 會自動創建空白頁面,用戶稍後補充內容即可。更妙的是「反向鏈接」功能,打開任意頁面會顯示所有鏈接到它的其他頁面,幫助理解知識間的關聯。此外還有「未連結但提及」功能,能檢出頁面中出現但未建立鏈接的關鍵詞,用戶可一鍵升級為正式鏈接。關聯圖功能將整個知識庫可視化為網狀結構,節點是筆記,連線表示關係,支持過濾和分割窗口查看。

但隨著筆記增多,手動維護鏈接變得繁琐。這時 LLM Wiki 的概念就派上用場。講者介紹了 Andrej Karpathy 提出的理念:人類只需提供原始資料,AI 負責讀取內容、建立連接、整理成知識網。實踐這一方法需要改造文件夾結構:創建「史料」存放源資料(PDF、網頁文章等),創建「知識庫」文件夾讓 AI 生成和維護,此外還需準備「目錄」(索引所有頁面)和「日誌」(記錄更新歷史)。

關鍵是編寫指導手冊(CLAUDE.md 或 AGENTS.txt),明確告訴 AI 助理工作流程——從史料讀取數據,在知識庫中創建筆記並建立雙向鏈接,最後更新目錄和日誌。用戶可將手冊和源資料導入 AI 工具(如 Codex),下達「匯入全部史料」的指令。AI 會自動生成人物和事件頁面,套用預設範本,建立頁面間連接,生成目錄和日誌。整個過程可手動核准或自動執行。

為進一步提升效率,可利用排程功能讓 AI 定時自動執行任務,如每天檢查新資料、定期檢查失效鏈接、驗證內容重複等。用戶無需頻繁手動觸發,系統自行運轉。此外 AI 還可生成互動式資訊圖表(HTML),將靜態筆記轉化為可視化網頁,增強內容表現力。整個流程中 AI 的角色從被動接收指令升級到主動維護知識庫。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。