7.2
深览指数
产品人人都是产品经理·王三思··AI 生成
我下了 Obsidian 三次，终于搞懂 LLM Wiki 该怎么用
本文作者通过亲身经历，揭示了自己三次下载又卸载 Obsidian 后，最终掌握 LLM Wiki 用法的关键转折点。核心思路不是先搭建完美的文件结构，而是先让 AI 通过对话历史深入了解你（职业、兴趣、项目），再基于你的个人档案生成专属知识库框架。文章详细拆解了三个常见卡点（英文框架不亲切、不知放什么、感觉在帮 AI 打工），并给出了具体可操作的提示词模板以及知识库体检方案。适合被 Obsidian 劝退过、或想用 AI 驱动而非手动维护知识库的用户阅读。原文 ↗
核心观点
- ▍LLM Wiki 的核心用法是让 AI 主导知识库的整理与维护，用户只需提供内容并提问；关键在于先让 AI 通过对话历史认识你，再生成专属的知识库结构，而不是从通用模板开始或自己手动分类。
- ▍Obsidian + LLM Wiki 能解决传统笔记的『收藏即遗忘』困境，通过 AI 自动跨文档链接和定期『体检』，让零散内容变成持续生长的知识网络。
- 01作者曾三次下载 Obsidian，前两次因空白界面不知如何操作而放弃；卡帕西（Karpathy）的 LLM Wiki 推文是促使他再次尝试的直接原因。
- 02第一个卡点是『框架都是英文的，感觉不是自己的东西』——作者通过让 AI 把框架改成中文来缓解心理距离，但发现工具的核心是服务用户，不必纠结文件夹命名。
- 03第二个卡点是『不知道往里面放什么，想着先把文件结构整理好』——作者反思这是错误逻辑，应该先放内容，结构是『用出来的』，卡帕西本人也是边用边调。
- 04第三个卡点是『感觉我在帮 AI 整理，不是它帮我』——作者指出 LLM Wiki 的设计是 AI 主导（总结、关联、更新由 AI 决定），而非用户指挥 AI 搬运。
- 05关键转折点：作者让 AI 扫描全部对话历史，生成个人信息档案（职业、项目、偏好等），然后基于此档案让 AI 构建专属知识库结构，生成的框架不再是通用模板。
- 06现在使用场景包括：用 Web Clipper 一键存文章后让 AI 归档总结；直接提问「Agent 设计相关的几篇文章共同观点是什么」获得跨文档对比；写竞品分析时知识库串连了数月前和最新的文章，揭示了作者自己遗漏的趋势变化。
- 07针对知识库变乱的问题，作者编写了『体检助手』提示词，让 AI 定期扫描并报告孤岛页面、断链、待确认条目等，用户只需说『修复』即可让 AI 处理。
反方 / 局限
- — 文章未提及对 AI 幻觉风险及知识库中错误信息自动传播的讨论——如果 AI 理解文章有误或生成不准确的总结，这些错误会被自动链接和放大，且没有纠错机制。
13 分钟 · 5 卡片 · 13 资料
读原文 →