收藏夹越来越乱？试试 AI 帮你维护的个人知识库 LLM Wiki

你有没有这种感觉：收藏夹里的文章越来越多，但下次想找的时候完全想不起来看过什么？

今天介绍一个完全不同的思路——LLM Wiki，不是让你去整理，而是让 AI 来帮你”记账”。

它解决什么问题

传统知识管理有两个极端：

• 笔记软件（Notion、Obsidian）：手动整理，累死人，最后吃灰
• RAG 检索（AI 问答）：每次从零检索，没有积累，用完就忘

LLM Wiki 走的是第三条路：让 AI 持续维护一个结构化知识库，每次提问都是站在历史积累的肩膀上。

类比来说：Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库。

它是怎么工作的

你往 raw/ 目录扔一篇文稿，告诉 Claude：

“请导入这篇文章到知识库”

Claude 会自动做这几件事：

1. 读完全文，和你讨论关键要点
2. 创建资料摘要页（source-xxx.md）
3. 创建/更新相关的实体页（工具、产品、人名）和概念页（方法论、模式）
4. 在所有页面间建立双向链接 [[交叉引用]]
5. 更新索引 wiki/index.md 和操作日志 wiki/log.md
6. 标注新资料与已有内容的矛盾或补充关系

为什么能形成复利

从第二篇开始就不同了——Claude 会：

• 更新已有页面，而非只建新的。新数据补充进已有的实体页/概念页
• 标注跨资料关联，多个资料出现相似观点时明确标注
• 标注矛盾，不同资料的冲突观点不会偷偷覆盖，而是显式标出

第 10 篇资料导入时，你拥有的已经是一张知识网络，而不是一堆孤立的笔记。

页面类型一览

怎么提问

直接用自然语言：

“知识库里关于 X 和 Y 的对比有什么要点？”
“总结目前所有资料的核心观点”
“检查一下知识库的健康状态”（让 AI 找出孤立页面、过时信息、缺失链接）

有价值的回答可以直接回写为 Wiki 页面——你的探索本身也能积累。

工具栈

• Obsidian + Obsidian Web Clipper：浏览器一键剪藏文章为 Markdown，必装
• Git：版本控制，历史记录天然拥有
• Dataview（可选）：基于 frontmatter 生成动态表格
• Marp（可选）：从 Wiki 内容生成幻灯片

适合谁

• 📚 持续研究：一个主题跟踪数周/数月，逐步构建完整 Wiki
• 💼 竞品分析：多篇资料持续积累，形成对比知识网络
• 📖 读书笔记：按章节记录，构建人物、主题、情节线索
• 🏢 团队知识库：从 Slack、会议、项目文档中维护内部 Wiki

坦白说，这个方法论的精髓在于复利思维——维护知识库的繁重工作（更新引用、保持摘要最新、标注矛盾）由 LLM 承担，人类只负责策划资料来源、引导分析方向、提出好问题。

GitHub：https://github.com/luotwo/llm-wiki

GitHub: https://github.com/luotwo/llm-wiki