Codex + LLM Wiki： Obsidian 搭建 AI 知识库
这是当前 AI 行业最主流的知识管理范式：上传文件，提问时系统检索相关片段，让大模型基于这些片段生成回答。
RAG 的主要问题在于，每一次提问，模型都要从零开始重新发现知识。
👍
Karpathy 给出的解决方案是 LLM Wiki：
原始资料层 — 负责收集论文、文章、播客、网页等素材。大模型对这一层只读不改。
Wiki 层 — 大模型拥有这一层的完整所有权。它负责编写 Markdown 文件、比较分析和综述，创建页面、更新页面，并维护交叉引用。我们只需要负责阅读。
Schema 层 — 一个配置文件，例如对于 Codex 来说就是 AGENTS.md，对于 Cursor 来说就是 .cursorrules。
在 Obsidian 里创建 Wiki 仓库
在本地新建一个 Obsidian 仓库，然后把以下提示词发给 Codex：
代码块
Plain Text
你现在是我的 LLM Wiki Agent。
把下面这份 idea 文件原样落地，作为我完整的第二大脑，一步一步地执行，
创建拥有完整规则的系统。落地过程严格参考以下 GitHub 仓库的内容
Codex 会根据内容帮你创建一套符合 LLM Wiki 理念的本地知识库结构：
创建完成后，仓库里会生成以下文件和文件夹：
•
concept/
•
raw/
•
logs/
•
wiki/
•
AGENTS.md
•
log
这些都符合 Karpathy 描述的 LLM Wiki 架构。
如何使用
安装 Obsidian Web Clipper
首先安装浏览器插件 Obsidian Web Clipper。它的作用是将浏览器中的文章、视频、网页内容自动提取并下载到本地仓库，方便让 Codex 进行处理和拆分。
找一篇想纳入知识库的文章，用插件将其保存到仓库里的 raw/ 文件夹（在 Karpathy 的理念中，raw/ 专门存放原始素材）。点击"添加到 Obsidian"即可。
打开 Obsidian，让 Codex 读取这篇文章：
Codex 会自动阅读内容，按照 LLM Wiki 的理念进行拆分，新增摘要、实体、关联引用等页面。完成后，它会告诉你具体新增了哪些内容，这篇文章就正式入库了。