全网都在抄Karpathy的知识库，但大多数人只学到了皮毛

最近AI圈被Karpathy的一条推文刷屏了。4月3日，这位特斯拉前AI主管分享了自己如何用LLM搭建个人知识库的方法，瞬间收获1800万浏览量。Obsidian创始人Kepano、知名博主Lex Fridman纷纷在评论区参与讨论。很快，这股风潮从硅谷吹到国内，公众号、小红书、视频号上到处是「手把手教你搭建Karpathy知识库」的教程，看起来每个人都在一夜之间拥有了所谓的「第二大脑」。

多数人跳过了最有价值的部分

但作为一个深度使用Obsidian做知识管理一年多的人，我观察到一个普遍问题：很多模仿者的用法偏了。Karpathy的核心思路其实很清晰：他让LLM把各种原始素材「编译」成一个结构化的Markdown Wiki，总结、交叉引用、归档这些重复性工作都由AI完成。关键在于他本人提出的一个观点：You never write the wiki yourself——LLM负责低层加工，而人负责选什么素材、对AI产出做质量把关、基于Wiki提出深度问题。

知识管理是一个过程，不是一个结果

很多模仿者的流程是这样的：看到文章丢进Obsidian，让AI一键生成概念笔记，自动建立链接，得到一张炫酷的关系图谱，截图发出来，然后就结束了。看起来和Karpathy做的差不多，但有一个关键区别：在Karpathy的流程里，人的判断贯穿始终，而在很多模仿者的流程里，人在第1步之后就消失了。他们跳过了选择素材时的判断，跳过了对AI产出的审阅和追问，跳过了基于Wiki提出深度问题的环节。十年前我们在Evernote里疯狂收藏文章然后再也不打开，现在换成让AI帮我们生成笔记然后再也不思考，工具变了，问题没变。

AI与人类分工的正确打开方式

真正的知识管理，是信息从输入到加工再到内化的一整个闭环。我用了一套「河流隐喻」来组织：收件箱是信息入口，泥石是读过的原始素材，晶石是经过自己加工后的产出，山脉是最终沉淀的认知框架。每一层之间都有一个「转化」过程——泥石不会自动变成晶石，晶石不会自动堆成山脉。这个过程可能有点慢，但这个「慢」的过程恰恰就是知识管理本身。如果让AI帮你跳过了这些步骤，即使得到漂亮的图谱，你的大脑里什么都没留下。

Karpathy的方法解决了一个很实际的问题：传统RAG每次提问从零开始检索，没有积累，他的Wiki方式让知识可以持久编译、增量更新。Obsidian创始人Kepano的建议值得参考：把个人的Vault和AI Agent的Vault分开。AI研究库解决「广度」问题，帮助快速建立领域全景认知；个人知识库解决「深度」问题，把真正需要掌握的东西通过主动加工变成自己的。前者是后者的前置筛选器。Karpathy的方法帮你看见森林，但走进每一棵树，还是得靠你自己。

如有侵权，请联系删除。