上一篇没想到，会被自己的笔记库上一课发出去之后，私信问我的朋友不少。这篇我就来跟大家说说这个"会顶嘴的知识库"是什么东西以及如何搭建。
先说是什么。2026年4月2日，Andrej Karpathy（曾在特斯拉和OpenAI任职，现在Anthropic的AI大神）在X上发了一条帖子，两天内涨到一万七千个赞、三百万次阅读，后来又补发了一份GitHub文档，把方法写得更细，这条帖子后来的总阅读量涨到了一千七百万以上。
Karpathy说的意思是：大多数人管理知识库的方式，是自己攒资料，遇到问题偶尔问一下AI。他提出的做法反过来——让AI替你建这个库，替你维护它。
这不是新鲜的想法，但他把结构说得很清楚。分三层。最底下一层是原始素材，只读，不动。中间一层是AI帮你编好的知识条目，互相有链接，能查能用。最上面一层是一份用大白话写的规则，告诉这个AI该怎么处理新资料、怎么回答问题——这份规则本身不是代码，就是几段说明文字，却能让一个通用的AI变成一个守规矩的图书管理员。
我用的，就是这个方法。用Obsidian作为知识库，AI工具是Codex和Claude，规则写在一份AGENTS.md里。
编译一次，问一万次
Karpathy用了一个程序员熟悉的比喻：源代码写完，不会每次运行都重新读一遍，是编译成一份二进制文件，编译这一次很费工夫，之后运行一万次都很快。他说知识也该这么处理。
这和现在流行的AI检索方式（RAG）正好相反。RAG是每次你提问，都让AI现场去翻资料、现场切段落、现场拼答案。快，但每次都是从头再来一遍。编译好的知识库不一样，等你来问的时候，交叉引用早就标好了，矛盾的地方早就被挑出来了，综述早就反映了你读过的一切。
一万条零散笔记，往往不如五十条被认真整理过的。多数人的"第二大脑"，最后活成了一个堆满东西却找不到东西的仓库，问题不是攒得不够多，是从来没被编成一份能查的东西。
这套方法，Karpathy已经说得很完整了。我做的，是把它认认真真搭出来，用在了自己真实、杂乱、跨好几件事的资料上。
它凭什么敢顶我的嘴？
编译好的知识库，能查、能答，这已经比一般的收藏夹强。但光是这样，它顶多是个反应快一点的图书馆。
真正让它开口顶我的，是我喂给它的东西够杂、够久。
它读的是编译好的结构，能做交叉推理——这件事和那件事之间的矛盾在哪，这几个判断的共同点是什么，一个收藏夹做不到这个，因为里面的东西彼此不认识。
而且它攒下的不只是资料，还有关于我这个人的上下文——我做过的判断，说过的偏好，踩过的坑，什么时候容易上头。这些也是按Karpathy说的方法，一点点喂进去的，没有另外发明什么。
这两件事叠在一起，它就不只是回答我，它开始反驳我。而且这个反驳不是讲大道理，是拿我自己过去的话来堵我现在的嘴。用过去那个更清醒的我，去叫醒现在这个一时上头的我。
收藏夹永远做不到这一点。它记得住内容，但它不认识你。
不是让 AI 替你想，而是质疑你
这套东西不是新想法，卡壳的一直是成本。以前要让AI认真读完你所有的资料，再帮你整理成一份能查的知识库，这个过程既慢又贵。到了2026年，这个门槛塌下来了，一个普通人第一次养得起一个比自己还了解自己的AI。
而且这份知识库会自己变厚。每加一条新资料，整个库都跟着增值，这是它和一堆散乱笔记最本质的区别——笔记越堆越乱，这东西越用越准。链接一多，纯文本里也能长出一张能查的关系网，不用另外搭数据库。它还会自己干活，找出矛盾、找出没人链接的孤儿页面，这些事人一般都不太愿意做。
有的人不同意这套做法。他们用的是笔记法里"卡片盒"那一路的逻辑：全自动的编译会跳过你自己思考这一步，最该喂给AI的，不是别人写好的论文，是你自己那堆凌乱、没整理过的念头。
说得没错。但是，我没有让它替我想。我让它跟我吵。判断权始终在我手上，它负责用证据和我的历史逼我。这是"顶嘴"和"代劳"之间的那道线。
上一篇写过那天晚上，它拿数据把我问住，又把三月份说的一句话翻出来怼在我脸上。那不是它替我做了决定。是它逼着我，自己面对那个决定。
我期待的不是一个更聪明的AI，而是一个敢质疑我的AI。
具体怎么搭？
网上已经有不少教程了，知乎有分步指南，GitHub上也有开源项目，这套方法本身不是秘密。我把自己在用的步骤简单说一遍。首先把Codex和Obsidian都装好，这是前提。
第一步，建一个文件夹，在Obsidian里把它打开成一个"库"（Vault）。这个文件夹以后就是知识库的家，笔记、资料、AI编出来的条目，全放这一个地方。
第二步，初始化。这套方法不用装额外的软件，是往这个文件夹里"喂"一份说明书。打开Codex，切到这个文件夹，把Karpathy的原始设计文档整段贴给它——网上搜"karpathy llm-wiki gist"就能找到——再补一句"我想按这个方法给自己搭一个知识库，覆盖xxx这些内容，文件夹用raw和wiki两层"。它会自己把AGENTS.md、raw、wiki这几样建起来，这就算初始化完成了。建完大概长这样：
我的知识库/
├── raw/ 原始资料，只读
├── wiki/
│ ├── index.md 目录
│ ├── log.md 每次改动的记录
│ ├── entities/ 人物、机构条目
│ ├── concepts/ 概念、方法论条目
│ └── sources/ 每份原始资料对应一篇摘要
└── AGENTS.md 规则文件
第三步，往raw里塞素材。笔记、聊天记录、语音转写、做过的决定、写过的复盘，越杂越好，不用先整理，扔进去就行。
第四步，回到Codex，跟它说"把raw里新加的东西读一遍，编进wiki"。它会自己动手，在entities、concepts、sources这些地方建页面、打链接，你只需要检查它编出来的东西对不对。
第五步，也是真正没人细讲的一步：打开AGENTS.md，把"顶嘴"这件事写清楚。我自己那份大概是这样：
## 关于质疑（"顶嘴"）的规则
- 回答问题前，先在wiki里搜有没有相关的历史记录——我过去说过的判断、做过的决定、定过的原则。找到了，要在回答里点出来："你之前在xx说过……"
- 如果我现在说的和过去记录的不一致，不要帮我圆过去、也不要装没看见，直接指出矛盾在哪，让我自己解释。
- 我给出一个论断但没给数据或理由，先别附和，反问一句"这个判断的依据是什么"。
- 不要用"你说得对""这个想法很好"这类话开头，除非后面跟着具体的证据。
- 涉及要花钱、花时间、或者跟我以前定过的原则可能冲突的决定，哪怕我看起来已经决定了，也要至少提一条反对的理由。
举个真实的对比。没这条规则之前，我问它"这个项目要不要接"，它会说"听起来不错，方向清晰，可以试试"。加了这条规则之后，同样的问题，它会先翻出我半年前写的一条判断，再问我"你现在要接的这个，是不是又是你自己说过要避开的那种事"。
第六步，往后怎么用。有新的笔记、新的决定，持续往raw里加，回到Codex让它"编进wiki"就行。隔一阵子跟它说"把整个wiki审一遍"——这套方法里管这个操作叫"体检"，专挑前后矛盾的地方、没人链接的孤页、该建条目却漏掉的概念，这一步AI比人愿意干。想问问题的时候，直接在Codex里问，它会翻wiki里的东西来回答，答不上或者拿不准的地方，它自己会说。
这几步说起来简单，做起来每一步都有讲究——喂什么、喂多少、规则怎么写才不会走偏，我自己踩过不少坑。至于具体怎么实现，要看你自己习惯用的AI工具和笔记工具，不一定要跟我一样。有哪些不懂的，可以来找我。如果人多我就拉个群来说。
