LLM Wiki 是什麼？OpenAI 創始成員提出的 AI 知識庫玩法，讓 LLM 幫你打造第二大腦
LLM Wiki 是一種讓 AI 幫你整理、更新與維護知識庫的新玩法。本文從 OpenAI 創始成員 Andrej Karpathy 的概念出發，解析 LLM Wiki 是什麼、和 RAG 有什麼不同，以及如何用它打造會累積知識的第二大腦。
你有沒有過這種經驗——存了一堆文章、截了一堆圖、寫了一堆筆記,結果要用的時候完全找不到? 這篇文章要教你一個工程圈很紅的方法：讓 AI 當你的專屬「知識庫管理員」，你只負責丟資料、問問題，整理、分類、做連結這些雜事全部交給它。整套做法源自 AI 大神 Andrej Karpathy 提出的「LLM Wiki」概念，而我們會用好上手的 Claude Code＋Obsidian 帶你從零做到有。
第二大腦為什麼總是養不起來?
我們先講，大部分人整理知識痛點大概是這樣區分的。
第一種：資料越存越多,卻越來越亂。
你把文章丟進收藏夾、把靈感記進筆記 App,想著「之後再整理」。但那個「之後」永遠不會來。三個月後打開,裡面是一堆躺平的標題，彼此沒有任何關聯——它們是一堆「死掉的資料」，不是「活的知識」。真正麻煩的從來不是「讀」跟「想」，而是事後的整理工：幫每則筆記分類、補上跟舊筆記的關聯、發現新資料跟舊觀點打架時去更新它。這種雜事多到沒人想做，於是筆記庫就荒廢了。這也是為什麼幾乎每個人的「第二大腦」最後都變成「第二個垃圾場」。
第二種：把資料丟給 ChatGPT,但它每次都「失憶」。
AI進化之快，可能現在的人會想說，那我把檔案全上傳給 AI 不就好了？問題是，大多數 AI 問答(技術上叫 RAG)是每次提問才臨時去翻一次資料，翻完就忘。它不會把翻過的東西沉澱下來。所以你問十次類似的問題,它就從零翻找十次,知識完全沒有「累積」（而且還超耗token）。
像你請了一個記憶只有 7 秒的助理。每次交辦都要從頭解釋一遍,他永遠不會「越來越懂你」。
💡 重點:第二大腦會失敗,不是因為你不夠勤勞，而是因為「整理與維護」這件事的時間成本，長期下來一定大過你能得到的好處。
那有沒有辦法，讓「整理維護」這件最煩的事變成幾乎不用錢？——有，而且關鍵就在於：找一個永遠不會累、不會偷懶、不會忘記更新連結的管理員。這正是我接下來要講的核心觀念。
讓 AI 當你的「知識庫管理員」
為了解決上一段的痛點，其實靠的就是一個簡單到不行的觀念。
先記住一句話：你只負責「丟資料」和「問問題」，其他全部交給 AI。
用個簡單的方式來比喻好了。
- 你，是這間圖書館的館長。你決定要收哪些書（找資料）、要研究什麼題目（問問題）。
- AI（Claude Code），是你請的全職管理員。每次你丟一本新書進來，它會主動讀完、寫一張內容摘要卡、把這本書跟館內其他相關的書互相標註起來，還會更新總目錄。
- Obsidian，是這間圖書館本身——一格一格的書架，讓你能用眼睛看到所有藏書、隨手翻閱、追著一條線索找到相關的另一本書。
關鍵差別在這裡：這位管理員不是每次你問問題才臨時翻書（那是上一段講的會忘記上下文的LLM），而是平常就把整座圖書館維護得整整齊齊。書跟書的關聯它早就連好了、哪本舊書的說法被新書推翻了它也標註好了。所以當你來問問題，它幾乎不用翻找，因為知識早就「長」在書架上了。
這套做法有個名字，叫做 LLM Wiki（由 AI 維護的個人維基）。它跟一般 AI 問答最大的不同，一張表就看懂：
| 比較項目 | 一般 AI 問答（RAG） | LLM Wiki（本文教的） |
|---|---|---|
| 知識怎麼處理 | 每次提問才臨時翻找 | 平常就整理好、存成筆記 |
| 會不會累積 | 不會，翻完就忘 | 會，越用越豐富 |
| 筆記誰來寫 | 沒有筆記，只有臨時答案 | AI 自動寫、自動連結 |
| 你的角色 | 一直重複問 | 丟資料、問好問題 |
| 成果 | 一次性的回答 | 一個會長大的知識庫 |
LLM Wiki 的精髓是「知識會累積」。每丟一份資料、每問一個好問題，你的第二大腦就更聰明一點——而且整理的苦工，全部由不會累的 AI 包辦。
觀念講完了，接下來就是大家最想知道的：實際上到底要怎麼做？ 我們先把工具準備好。
Karpathy 是 AI 領域很有代表性的研究者與教育者。他曾是 OpenAI 的 founding member，也曾在 Tesla 擔任 AI Director，負責與 Autopilot 相關的電腦視覺與神經網路工作。後來他也投入 AI 教育，創辦 Eureka Labs，並以深入淺出的 AI 教學內容受到許多工程師與 AI 學習者關注。2026 年，他也加入 Anthropic 的 pretraining 團隊，回到大型語言模型的核心研發工作。
開始前要準備什麼？
別緊張，要準備的東西不多，而且大多是免費的。我們延續上一段「圖書館」的比喻，你會發現每個工具都對應到一個角色。
| 工具 | 它是誰 | 要花錢嗎 | 必裝？ |
|---|---|---|---|
| Obsidian | 你的「圖書館／書架」，存放所有筆記 | 免費 | ✅ 必裝 |
| Claude Code | 你的「全職管理員」，負責讀資料、寫筆記、做連結 | 需付費方案 | ✅ 必裝 |
| Node.js | Claude Code 的「運行底座」，沒有它裝不起來 | 免費 | ✅ 必裝 |
| Obsidian Web Clipper | 把網頁文章一鍵存成筆記的「餵料神器」 | 免費 | ⭐ 推薦 |
四步搭好你的第二大腦
工具裝好後，我們正式開工。整個流程就四步：蓋資料夾 → 立規範 → 餵資料 → 提問。30 分鐘內你就會看到 AI 幫你長出第一批筆記。
步驟 1：蓋資料夾
先在電腦裡開一個資料夾當作你的知識庫（例如取名 AI-Wiki），裡面再開兩個子資料夾：
raw／放「原始素材」——你丟進來的文章、筆記、資料，只進不改，這是你的真相來源。wiki／放「AI 整理的成果」——之後 AI 寫的所有筆記都會放這。
然後用 Obsidian 把這個 my-brain 資料夾打開（Obsidian 稱為「打開儲存庫 Vault」）。這樣圖書館的空殼就蓋好了。分兩個資料夾的原因，是因為要讓「你丟的原料」跟「AI 的成品」分開，AI 才不會改到你的原始資料，你也一眼分得清哪些是自己存的、哪些是 AI 寫的。
步驟 2：立規範
這是整套方法最關鍵、也最容易被新手略過的一步。
你要在 AI-Wiki 資料夾裡新增一個檔案，叫做 CLAUDE.md。它就是你給管理員的「工作守則」——告訴 Claude Code：這座圖書館怎麼運作、它該怎麼整理。沒有這張守則，AI 只會像個普通聊天機器人；有了它，AI 才會變成一個有紀律的圖書管理員。
你不用自己想怎麼寫，直接把你的需求講給 Claude Code 聽，請它幫你生成這份守則。守則裡通常會交代幾件事：
- 我丟新資料時，你要讀完、寫一份摘要放到
wiki。 - 你要主動把這份新筆記，跟
wiki裡相關的舊筆記互相連結起來。 - 如果新資料跟舊筆記的說法互相矛盾，要標註出來提醒我。
- 維護一份總目錄
index.md，每次有新筆記就更新。
步驟 3：餵首個資料（第一次 Ingest）
現在來餵第一份資料。挑一篇你最近讀到、覺得不錯的文章，用 Obsidian Web Clipper 一鍵存進 raw 資料夾（或自己貼一份文字檔進去也行）。
接著在 Claude Code 對它說一句白話指令，例如：
「請讀raw裡這篇新文章，照CLAUDE.md的規則幫我整理進wiki。」
然後就是見證魔法的時刻：它會讀完整篇文章、在 wiki 寫出一則乾淨的摘要筆記、把這則筆記跟相關主題連結起來、再更新總目錄。你一個字都不用自己寫。
步驟 4：提問（Query）
知識庫有料之後，你就可以開始「用」它了。直接問 Claude Code，例如：
「根據我 wiki 裡的筆記，幫我整理 OOO 這個主題目前的重點。」它會去翻你自己累積的筆記來回答，而不會憑空亂掰、出現幻覺。更聰明的一招是：把好的回答也存回 wiki。這樣你的每一次提問、每一個新發現，都會變成知識庫的一部分繼續累積——這就是「第二大腦會自己長大」的真正關鍵。
🔁 從此進入正向循環：丟資料 → AI 整理 → 你提問 → 好答案再存回 → 知識庫更厚。重複這個循環，你的第二大腦就會越養越強。
常見問題 FAQ
Q1：完全不會寫程式，真的能用 Claude Code 嗎？
A1：可以。你跟它溝通用的是自然語言，不需要寫程式。唯一碰到的「指令」就是安裝時複製貼上幾行，照官網一步步做即可。
Q2：一定要用 Obsidian 嗎？換別的筆記軟體行不行？
A2：不一定，但很推薦。因為 Obsidian 的筆記是存在你電腦裡的純文字檔，Claude Code 才能直接讀寫；加上它的關聯圖能把知識視覺化，是目前最順手的搭配。
Q3：這跟直接把檔案丟給 ChatGPT 問差在哪？
A3：最大差別是「累積」。一般 AI 問答每次都臨時翻找、翻完就忘；LLM Wiki 會把整理結果存成筆記，越用越厚、越用越聰明。
Q4：要花多少錢？
A3：工具裡只有 Claude Code（AI 本體）需要付費方案，Obsidian、Node.js、Web Clipper 都免費。
Q5：我的資料安全嗎？
A4：你的筆記都是存在自己電腦裡的本地檔案，不綁雲端。但餵給 AI 處理的內容會經過 AI 服務商，所以高度機密的資料建議自行斟酌。
今天就開始養你的第二大腦
你不需要一次到位。今天就做一件事：裝好 Obsidian 跟 Claude Code，寫一份簡單的 CLAUDE.md，餵牠第一篇文章——看著 AI 幫你長出第一則筆記，你就會懂這套方法的威力。
第二大腦是養出來的，越早開始，複利滾得越久。
⚠️ 小提醒：本文工具與操作方式以撰文當下為準，各家軟體版本與付費方案可能調整，請以官方最新說明為準；餵入 AI 的資料請留意個人隱私與機密性。
Source:
