发布日期：2026-04-09 08:27 点击次数：75
一、你有莫得过这样的时刻？
半夜，你翻到一篇很是好的著述。
对于健康的、对于育儿的、对于投资的、对于行业趋势的——你读完之后心想："太好了，我得记下来。"
于是你储藏了。
然后呢？
然后就莫得然后了。
这篇著述躺在你的微信储藏里，和另外 347 篇著述挤在沿途。你知谈我方储藏过一个很是好的东西，但你弥远也不会再翻到它。就算翻到了，你也忘了当初为什么以为它好。
这不是你一个东谈主的问题。这是每一个当代东谈主共同的病——信息消化不良。咱们每天摄入的信息量，比 15 世纪一个东谈主一辈子战争的还多。但咱们的大脑并莫得进化出配套的"收纳身手"。
2026 年 4 月 2 日，一条推文在大家科技圈炸了锅。发推的东谈主叫 Andrej Karpathy——他是特斯拉前 AI 总监，OpenAI 的邻接独创东谈主，是全全国最懂东谈主工智能的东谈主之一。
这条推文被 5.3 万东谈主点赞，6200 东谈主转发，4.1 万东谈主储藏。
他说了什么？
他说："我最近越来越少用 AI 写代码了，我运行用 AI 帮我整理常识。"
这句话看起交往常无奇。但淌若你真实判辨了它的含义，你会发现——它刻画的是一场正在发生的、对于东谈主类如何念念考的静默创新。
二、一个简便到离谱的想法
Karpathy 作念的事情，说穿了一句话就能讲完：
他把悉数读过的东西扔进一个文献夹，然后让 AI 帮他整理成一册"私东谈主百科全书"。
就这样简便。
但让我先用一个类比帮你判辨这件事到底有多蛮横。
遐想你有一个超等实习生
假定你是一个大夫。每天你齐要读大齐的东西——新的磋磨论文、病例评释、药物证实、同业的分享。你读完之后，脑子里不详有个弄脏的印象，但很快就会被新的信息冲淡。
咫尺，假定你身边有一个不知疲惫的实习生。这个实习生：
从握住息
，你扔给他什么贵寓他齐能坐窝读完
过目不忘
，他能记取你给他的每一份文献的每一个细节
善于归纳
，他会自动把新读到的东西和之前的悉数贵寓作念交叉比对，发现你没提防到的相关
随叫随到
，你随时不错问他"上个月那篇论文里说的反作用比例是些许？"他几秒钟就能给你谜底
越用越强
，你问他的每一个问题，他齐会把你关切的场合记下来，下次整理时会很是属意这些角度
这即是 Karpathy 搭建的系统。
只不外这个"实习生"，是 AI。
三个文献夹，一个轨范文献
Karpathy 的系统结构简便得令东谈主发指：
第一个文献夹：raw/（原材料库）
这是你的"垃圾抽屉"。什么齐往里扔——看过的著述、截图、PDF、念书条记、开会记载、一又友发你的畅通。无谓整理，无谓分类，无谓更名。扔就完毕。AI 只读不改——你的原始贵寓弥远齐备无损。
第二个文献夹：wiki/（常识百科）
这是 AI 的领地。AI 会读完 raw/ 里的悉数东西，然后自动生成一册组织考究的"百科全书"——每个看法一篇著述，著述之间有畅通，有摘录，有索引。你不需要碰它，全部由 AI 爱护。它还会自动爱护两个特殊文献：一个是目次（index.md），让 AI 和你齐能快速定位内容；一个是日记（log.md），按时刻线记载每一次常识的"消化经由"。
第三个文献夹：outputs/（问答输出）
这里是你和常识库互动的效果——不错是翰墨谜底，不错是幻灯片，以至不错是数据图表。何况，精彩的效果还会被反哺回 wiki/，让百科全书越来越丰富。每一次发问齐不是一次性浪掷，而是在给你的常识库作念加法。
一个轨范文献：CLAUDE.md
这是你写给 AI 的一页纸"证实书"，告诉它你的常识库是对于什么范畴的，你但愿它如何组织这些常识。就像你告诉实习生"我是磋磨心血管的，重心关注临床测验数据和药物交互"。
完毕。
莫得需要装配的复杂软件。莫得需要学习的新界面。莫得需要付费的订阅。
三个文献夹，一页纸。
从芜乱到轨范——三个文献夹的魅力
三、AI 引擎：不仅仅一个操作，而是四台机器同期运转
LLM WIKI架构图
看系统架构图，你会发现这个系统的"AI 引擎"部分比"三个文献夹"精妙得多。它其实有四个中枢操作在协同责任，就像一个常识工场的四条活水线：
第一条线：编译（Compile）——把散料变成百科
Karpathy 用了一个精确的词：编译。
你不错把它遐想成酿酒。葡萄是原材料，扔进酿酒桶，经过发酵、过滤、陈酿，终末出来的是结构显明、风范丰富的葡萄酒。
AI 对你的常识作念的即是这件事：你扔进去错落的原始信息，AI 帮你"酿"出结构化的常识——看法被界说了，关联被标注了，矛盾被标记了，空缺被指出了。每扔进一份新贵寓，AI 会同期更新 10 到 15 个关联的百科页面。你的常识库不是静止的，它是活的。
第二条线：问答（Q&A）——越问越明智
这是最有魅力的部分。你不错对着常识库建议各式复杂问题——跨范畴的、需要概括判断的、需要比拟不同开始不雅点的。AI 会在你的百科里搜索、概括、推理，然后给出带援用的答复。
但关节在背面：好的答复会被自动存档回常识库。也即是说，你每问一个好问题，常识库就长大少许。你的发问行径自己即是在"喂养"你的第二大脑。
第三条线：健康检讨（Lint）——AI 给我方纠错
如期让 AI 审查悉数这个词百科：查找鬻矛誉盾的说法、找出莫得开始撑抓的论断、发现孤独的页面、填补缺失的交叉援用，以至建议你接下来应该补充什么场合的贵寓。
就像给你的常识库作念年度体检。
第四条线：索引（Indexing）——让一切可被找到
AI 自动爱护摘录和畅通汇集，确保任何一条常识齐能通过多条旅途被找到。遐想一册好书的目次——但这个目次是 AI 我方写的，何况每天齐在更新。
Karpathy 的常识库如故增长到了大致 100 篇著述、40 万字。这不是在用 ChatGPT 璷黫问个问题。这是在和一个读过你悉数贵寓、何况一直在帮你整理的助手对话。
何况输出不仅仅翰墨——不错是 Markdown 著述、幻灯片（用 Marp 阵势）、数据图表（用 Matplotlib 生成）。这些输出还能反哺回常识库，变成一个越转越快的飞轮。
AI引擎的四条活水线
四、为什么这不仅仅"AI新玩法"，而是范式疗养
你可能会想：这不即是一个高档版的条记本吗？印象条记、Notion、飞书文档——咱们不是一直在整理常识吗？
不通常。实质上不通常。
曩昔二十年的常识经管，全败在消亡个地方
让我问你一个问题：你有莫得效过一段时刻后就再也不碰的条记软件？
我猜大部分东谈主的谜底是"有"。
原因不是这些软件不好用。原因是——爱护常识库这件事自己即是反东谈主性的。
你读完一篇著述，要手动把要点抄出来。要给它分类。要打标签。要想想它和之前看过的东西有什么相关。要如期纪念、更新、删除落后的信息。
这些事情每一件齐不难。但它们加在沿途，组成了一个抓续的、败兴的、看不到即时答复的职守。
Karpathy 在他更能干的决议文档里一语谈破地指出了这少许：
"爱护常识库最败兴的不是阅读和念念考——而是记账式的整理责任。"
读著述是意旨的。念念考是意旨的。但把念念考效果比物丑类地存档，给每条条记打上正确的标签，确保新旧信息之间的畅通莫得断裂——这些事情隧谈是苦力活。
是以悉数的条记软件最终齐变成了信息墓地。你满怀心理地运行，然后在整理的苦力活眼前缴械死守。
AI变调的，恰是这个"终末一公里"
Karpathy 的系统之是以是范式疗养，是因为它把东谈主类从常识经管中最败兴的阵势透顶自如了出来。
你不需要整理
——AI 整理
你不需要分类
——AI 分类
你不需要找关联
——AI 自动发现交叉援用
你不需要纪念
——AI 会作念"健康检讨"，帮你找出矛盾、落后信息和常识盲区
你不需要爱护索引
——AI 自动爱护
你只需要作念两件事：往里扔东西，和向它发问。
这是一个根人性的单干变化：
东谈主类崇拜兴趣心——决定读什么，问什么。
AI崇拜顾忌力——记取一切，整理一切，随时调取。
这才是 Karpathy 着实在说的事情。不是"用 AI 记条记"。而是——东谈主类和 AI 之间的领略单干，第一次出现了一个显明、可奉行的范式。
东谈主类与AI的领略单干
五、这个想法有多老？81年。
淌若你以为这个看法太新太前沿，我告诉你一个让东谈主感叹的事实。
1945年，一个叫 Vannevar Bush 的科学家发表了一篇著述，刻画了一个他称之为 Memex 的遐想——一个私东谈主的、不错存储悉数你读过的书、著述和通讯的建树，你不错在其中创建"关联踪影"，把不同的信息畅通在沿途。
听起来是不是和 Karpathy 的决议一模通常？
是的。这个想法如故有 81 年了。
自后的超文本、万维网、维基百科，齐是 Memex 的后代。但这些器具有一个共同的问题——谁来作念爱护？
维基百科之是以能运转，是因为特别百万志愿者在抓续裁剪和更新。但淌若是你的私东谈主常识库呢？谁来帮你爱护？
谜底是：81年来，莫得东谈主。
直到咫尺。
Karpathy 在他的决议里写谈：
"Bush 当年没能处置的问题是——谁来作念爱护。咫尺 LLM 处置了。"
这句话值得反复回味。81 年前的一个联想，因为一项技艺的纯属，终于变成了实践。
六、真实全国里，东谈主们如故在这样用了
Karpathy 的推文发出后，指摘区变成了一个活跃的创意市集。百行万企的东谈主运行分享他们的实践——从硬核专考场景到日常生涯，开云app在线体育官网这套方法的适用范围远比你遐想的宽：
法律行业：一个创业者把客户条约扔进常识库，AI 自动交叉比对后发现了他忽略了好几个月的 IP 要求突破——那种需要讼师一份一份对比才能发现的东西，AI 在几分钟内就标记出来了。
企业经管：有东谈主把公司的会议记载、客户通话灌音、竞争敌手谍报全部导入，构建了一个"机构顾忌"系统。他说："这不再仅仅你的第二大脑，而是你公司的。常识不再跟着职工下野而消失。"
商场营销：一个绩效营销东谈主员说，他把 18 个月的告白投放数据、创意进展数据、受众洞悉全部编译成常识库后，AI 能给出的分析质料足够不同了——"一个知谈你曩昔 18 个月悉数 campaign 的 AI，是一个足够不同的器具。"
念书伴侣：Karpathy 我方举了一个很是生涯化的例子——他为我方心爱的磋磨场合建了一个访佛"粉丝百科"的常识库。遐想一下，你是一个《三体》迷，把悉数读过的分析著述、作家访谈、科学解读齐扔进去，AI 自动帮你编成一册私东谈主版"三体百科全书"。然后你不错问它："面壁蓄意的逻辑曲折在那儿？"它会从你采集的十几个开始里概括出一个深度答复。
个东谈主健康：有东谈主把我方的体检评释、饮食日记、教育数据、读过的健康类著述全部扔进去，让 AI 编译成一个私东谈主健康常识库。三个月后，他不错问："我最近的血压趋势和哪些饮食变化关联？"
旅行策动：把主张地攻略、一又友推选、好意思食清单、机票旅社信息全部扔进 raw/，AI 帮你编成一份结构化的旅行手册——何况你每次查到新信息扔进去，手册会自动更新。
个东谈主学习：有东谈主在指摘区惊奇——"终于有一天，咱们把我方活成了 markdown 的神志。"
还有一个很是硬核的用户，他把这套系统称为我方的"个东谈主操作系统"**——无谓索引文献，而是给每条常识打上类型标签（访佛于给文献标注"这是事实"照旧"这是算计"），然后西席 AI 用了 30 天来合适他的念念维方式。他说，一个月后，AI 给出的答复运行"像是我我方会说的话"。
还有一个东谈主的指摘很是打动我：他说他一直在用 Apple Notes 爱护一个"第二大脑"系统（来自 Tiago Forte 的方法论），咫尺只需要作念一些调整，就能挪动到 Karpathy 的 AI 版块上。十年的条记俗例，不是被推翻，而是被加快了。
七、古道的告诫：这个系统的阿喀琉斯之踵
任何堪称创新性的东西，淌若不谈风险，即是在耍流氓。
社区里有一个东谈主建议了一个历害但极其进犯的问题：
"AI 的幻觉可能弥远性地镶嵌为事实。"
什么兴味？
遐想这个场景：AI 在编译你的百科全书时，把一个数据记错了——比如把"某药物的反作用发生率是 3%"写成了"30%"。下次你问关联问题时，AI 会基于这个极端信息给出答复。而淌若你把这个答复存回了常识库，那极端就被"固化"了。再下次，新的问题基于这个固化的极端陆续推导——
极端不是线性增长的，而是复利增长的。
这就像一个空话在公司里传播——一个东谈主说错了，两个东谈主援用了，终末悉数这个词公司齐信以为真，何况每个东谈主齐以为"这个事好几个东谈主齐说过了，确定没错"。
这即是为什么 Karpathy 在他的架构里挑升设计了 Lint（健康检讨） 机制：如期让 AI 审查悉数这个词常识库，查找鬻矛誉盾的说法、找出莫得原始开始撑抓的论断、发现孤独页面和缺失畅通。
社区里如故有东谈主在实践更进一步的解法——给每条常识打上置信度评分和时刻标记。比如"这条信息来自2026年3月的论文，置信度85%"。当一条低置信度的信息被高频援用时，系统会自动标红预警。
但说真话，这些齐是赞助技巧。
对于个东谈主磋磨来说，偶尔的极端可能无关宏旨。但淌若你把这套系统用在医疗决策、法律判断或金融投资上——莫得东谈主工复核的常识库，是危机的。
这不是在泼凉水，这是在画安全线。AI 是你的常识管家，但你仍然是这栋屋子的主东谈主——关节决策，弥远需要你躬行过目。
八、一个周末就能搭建的系统
说了这样多，你可能以为这件事很复杂。但 Nick Spisak（一个AI架构师）把 Karpathy 的理念写成了一份保姆级教程，他的论断是：
悉数这个词系统的搭建时刻，大致是半个小时。
创建三个文献夹 — 2 分钟
把你已有的贵寓扔进去 — 10 分钟
写一个一页纸的轨范文献 — 5 分钟
让 AI 运行"编译" — 15 分钟
然后，你就领有了一个抓续进化的私东谈主常识库。
Nick 在他的教程里说了一句很是扎心的话：
"4.1 万东谈主储藏了 Karpathy 的帖子。储藏和着实获益之间的差距，仅仅一个周末的搭建。"
讪笑吗？对于"如何不再让储藏吃灰"的帖子，自己被 4 万东谈主储藏吃灰了。
不外他也说了一句让东谈主释然的话：你不需要什么花哨的器具。不需要 Obsidian 配 47 个插件。不需要 Notion。不需要任何付费订阅。
三个文献夹和一个 AI，即是全部。
九、将来：不仅仅"第二大脑"
淌若 Karpathy 的决议仅仅"AI帮你记条记"，那它不值得 5.3 万个赞。
着实让东谈主昂然的是它指向的将来。
画面一：你的AI，真实"意识"你
Karpathy 在推文末尾提到了一个让东谈主异想天开的场合：
"跟着常识库增长，当然会猜测用它来微调（finetune） 一个 LLM，让它把常识平直记在'脑子'里，而不仅仅存在高下文窗口中。"
这意味着什么？
咫尺的 AI 就像一个每次碰头齐失忆的天才——你每次和它对话，齐要再行证实注解一遍布景。但淌若你用我方的常识库微调了一个 AI，它就真实意识你了。它知谈你读过什么，关切什么，在什么问题上纠结了很久。它不是一个通用助手，而是一个了解你念念维轨迹的常识伙伴。
画面二：家庭常识的代际传承
把这个想法再推远一步。
淌若一个东谈主用了 20 年的常识库——包含了他一世的阅读、念念考、决策记载——这个常识库自己即是一笔无价的遗产。不是银行账户，不是房产，而是一个东谈主一世的领略结晶。
你的孩子不错摄取你的常识库。他们不仅仅摄取你的财产，还摄取你的念念维方式。他们不错问："爸爸在我这个年岁时，对干事礼聘是如何念念考的？"AI 会从你 20 年的记载里，给出一个有温度的、有凭据的谜底。
这不再是"第二大脑"。这是常识的生命延续。
画面三：集体灵巧的新形态
淌若每个东谈主齐有我方的常识库，那当一个团队的常识库互联互通时，会发生什么？
遐想一个病院的悉数大夫，每个东谈主齐有我方的临床常识库。这些常识库是私东谈主的、零丁的，但它们不错礼聘性地分享某些维度——比如旷费病例、非典型症状、药物交互的临床不雅察。
这就不再是维基百科式的"一个东谈主裁剪悉数东谈主看"的模式了。这是一种全新的集体灵巧形态——去中心化的、抓续进化的、基于个体经历的常识汇集。
画面四：顾忌不再丢失的全国
咫尺，东谈主类最大的常识悲催是什么？
是淡忘。
一个退休老师脑子里三十年的学术蕴蓄，跟着他的软弱而隐匿。一个经历丰富的工匠，他对材料的手感和直观，无法完整地传授给门徒。一个创业者在失败中学到的惨痛训诲，因为莫得记载下来，被自后者重叠踩坑。
但淌若 AI 常识库成为一种基础设施——像今天的电子邮件、搜索引擎通常盛大——那东谈主类行为合座，第一次有可能不再大范围丢失常识。
每一个东谈主的念念考、阅读、判断，齐被忠实地记载、编译、索引。这些常识不会因为一个东谈主的退休、下野、软弱或耗损而消失。
这是一个真切到让东谈主头皮发麻的愿景。
十、终末的话：谁来发问，谁就领有常识
回到领先的场景——半夜，你储藏了一篇好著述，然后再也没掀开过。
这个问题的根源不是你懒，也不是你的储藏器具不好。根源是——把信息滚动为常识，需要抓续的整理和加工，而这件事曩昔只可由东谈主类我方完成。
咫尺不是了。
AI 不会替你念念考。它不会替你产生兴趣心，不会替你建议好问题，不会替你作念出判断。
但它会替你作念那些你本该作念却弥远没偶然刻作念的事情——归纳、整理、索引、交叉援用、查漏补缺。
东谈主类终于不错专注于常识责任中最有价值的部分：建议问题，作念出判断。
而这，也许即是 81 年前 Vannevar Bush 联想的那台 Memex 着实想要完结的阵势——
不是一台顾忌机器，而是一面让你看得更远的透镜。
只不外，Bush 没能处置的问题是——谁来帮你擦抹和保重这面透镜。
咫尺，AI 接过了这份责任。
而你开云app，只需要决定——你想往那儿看。
开云体育(中国)官方网站
Powered by 开云app在线体育官网 @2013-2022 RSS地图 HTML地图
