卡帕西 AI 知识库：3 步搭出会自己整理的知识网络

你的收藏夹里躺着几百篇"以后再看"的文章、播客和视频吗？两三周之后，你还记得它们存在哪、讲了什么吗？

这课讲 @imaxichuhai 复刻的卡帕西方法：OpenAI 联合创始人卡帕西在知识库里塞了 40 万字、上百篇文章，自己从来不整理一个字，全部交给 AI。他把这套方法开源到 GitHub，一条推文冲上 1900 万曝光，全网刷屏。

你将学会：为什么这套方法有价值、三层架构长什么样、以及 3 步亲手搭出你自己的 AI 知识库。

以下来自 @imaxichuhai。我们都有这个通病：好的文章、播客、视频，存了成百上千条，但真正会翻出来用的几乎没有。而且存得很分散，等两三周后想再去找，放在哪儿都忘了。这些好内容根本无法被吸收，只能白白躺在收藏夹。

过去也有人想用知识库解决这个问题，但以前的 AI 知识库本质上就是"AI 搜索"：你上传一堆文章，问问题时它去检索相关段落、拼凑一个回答。每次问答都是从零开始，这次的回答对下次没有任何积累。

卡帕西的这套方法不一样：每次丢进一篇新资料，AI 都会主动阅读、提炼概念、建立和已有内容的关联；每次你问一个好问题，答案也会被沉淀进知识网络。你的知识库会越用越懂你——这才是真正的知识复利。

以下来自 @imaxichuhai。AI 到底是怎么做到的？答案在卡帕西设计的三层架构里，关键是把"人做什么、AI 做什么"分得清清楚楚：

• 第一层：原始资料层（Raw 层）——你把收集的文章、论文、笔记、截图全扔进来，AI 会读取这里的内容。这是你所有知识的源头。
• 中间：Wiki 知识网络层——AI 把原始资料提炼成一个个概念页、实体页、摘要页，再互相链接起来，形成一张知识地图。
• 最上面：规则层——一个叫 CLAUDE.md 的文件，像使用手册一样告诉 AI 这个知识库长什么样、该怎么工作，是你和 AI 共同维护的约定。

想把这套三层架构彻底讲透？看《08 课》——那里用"把知识库当代码仓库管"的"编译"类比，从分层、增量、可追溯三个维度完整拆解。本课聚焦动手 3 步。

以下来自 @imaxichuhai 的实操。工具用的是 Obsidian：一款本地笔记软件，把你的所有数据都存在本地电脑上；搭配里面的 AI 插件，就能直接在笔记里跟 AI 对话——后面整个知识库的搭建和维护都在这里完成。

还没装过 Obsidian？先看《03 课》《Obsidian 小白完整入门》，那里有从下载、建仓库到中文界面的保姆级步骤。

以下来自 @imaxichuhai。去 GitHub 找到卡帕西开源的这份文档，把链接直接丢给 AI，告诉它：

复制帮我根据这份内容搭建文件夹结构

AI 会自动读取这份文档，然后帮你创建 raw（原始资料）、wiki（知识网络），还有 CLAUDE.md 文件。

以下来自 @imaxichuhai。资料怎么放进来？推荐 Obsidian 官方出的 Chrome 插件 Obsidian Web Clipper：一键把网页内容和 YouTube 视频以 Markdown 格式直接保存到 Obsidian 本地。

作者的真实例子：他想学 harness engineering，在 YouTube 刷到一个好视频。以前收藏视频很麻烦，字幕没法复制；现在点一下插件，整段字幕自动提取、转成 Markdown，直接存进知识库。网页文章也是一样的流程。

内容放进 raw 文件夹后，继续告诉 AI：

复制我新增了一篇文章，帮我整理。

接下来 AI 会：先把文章通读一遍，提炼核心概念；自动梳理每个页面的结构；还顺手建了 2 个 Creator 档案（记录这些观点是哪些作者提出来的）；最后给一份「核心内容速览」——把几篇文章提炼出的共识用一张表格列出来，并且建议你下一步可以做什么。

想把 Web Clipper 玩到极致？《04 课》讲它的 Reader 模式（YouTube 智能字幕阅读器），《06 课》讲 Research Capture 剪藏模板。

以下来自 @imaxichuhai 的总结。整个过程里你只做了一件事：把文章丢进文件夹。剩下的阅读、提炼、归类、建立链接、找洞察，全是 AI 在做——这就是卡帕西说的"把脏活累活交给 AI"。

这套方法的核心优势是知识复利：你每丢一篇资料、每问一个问题，AI 都会沉淀回知识库里，越用越懂你。大多数人收藏内容都是一次性的，存了就忘，下次想用又得从头找——而这套系统让每次输入都留下痕迹。

另外数据全部在本地，不会被任何平台绑架，未来换什么模型都能接着用。