让课件长成知识库

先认领一个多数同学都有的体验：一门课上完，讲义、论文、代码链接散落在下载文件夹、微信收藏和浏览器书签里。学期末想写综述，翻遍各处也拼不齐当时读过的东西。后来大家学会把文件丢给 AI，上传、提问、得到回答——回答不错，但关掉窗口就没了，下次再问它从头读一遍。

这不是记性差，是工作方式的问题。这篇指南假设你两个工具都没用过：先介绍 WorkBuddy 和 Obsidian 各是什么，把 Markdown、Vault、LLM wiki 几个概念讲清楚，然后从安装开始一步步搭建，每一步都有截图可对照。所有资料用本站教学内容做例子，全部步骤在你自己的电脑上完成，数据不出本地。

一、先认识两位主角

两者的关系一句话说清：Obsidian 是工作台，WorkBuddy 是坐在工作台前的助手。助手按你定的规则整理文件，你随时在工作台上翻看整理的结果。分工细节后文有对照表。

概念速览（读不懂可以先跳过，后面用到再回来）：
Markdown：一种用纯文本写排版的格式——# 标题 表示大标题，**加粗** 表示加粗，- 开头是列表。它就是一个普通的 .md 文本文件，记事本能打开，Obsidian 打开时会渲染成排版好的页面。
Vault（仓库）：Obsidian 的"工作单位"，本质就是你电脑上的一个普通文件夹。你在 Obsidian 里打开哪个文件夹，哪个文件夹就是 Vault——课件、笔记、配置全在里面，拷走这个文件夹就拷走了全部。
LLM wiki：Karpathy 2026 年 4 月提出的知识管理模式——与其每次提问时让 AI 从原始文档里现拼答案，不如让 AI 持续维护一个结构化的 wiki：新资料进来，补旧页、建新页、标矛盾，知识只编译一次、持续更新。这套方案就是它的落地。

二、为什么不用 Notion、ima、NotebookLM 或本地 docx

知识管理工具不少，这套方案偏偏选了 Obsidian，理由集中在"数据形态"上：

关键的一条：Agent 要干活，就得能像程序一样操作文件。WorkBuddy 能直接读取 Vault 目录、创建页面、修改链接、维护索引，每次变化都能定位到具体文件，还能用 Git 留下版本记录——这是数据库型平台给不了的。对存放课程笔记、论文草稿这类私人资料的库，"数据在谁手里"本身就是选择理由。

三、安装两个工具（15 分钟）

步骤 1：安装 Obsidian

打开 obsidian.md，点击下载按钮，选择你的系统（macOS / Windows / Linux），下载后正常安装即可。

步骤 2：新建你的第一个 Vault

首次打开 Obsidian 会看到欢迎界面，点 Create new vault，起个名字（比如 my-wiki），选一个你找得到的位置（比如文稿目录）。完成之后，去访达看一眼：那个位置多了一个普通文件夹——这就是 Vault。往里面放任何 .md 文件，Obsidian 里立刻可见。

验证一下 Markdown 是怎么回事：用任意文本编辑器（记事本、备忘录都行）在 Vault 里新建一个 test.md，写入下面内容，回到 Obsidian 点开它——左边是纯文本，右边渲染成了带标题和列表的页面。这个"同一文件、两种视图"就是 Markdown 的全部秘密。

# 我的第一个笔记
这是**加粗**，这是普通文字。

- 列表项一
- 列表项二

用 [[另一个笔记的名字]] 就能建立双链（下一节演示）。

步骤 3：安装 WorkBuddy

WorkBuddy 是桌面智能体客户端，下载与安装教程见官方文档站"实战蓝皮书"（图 2），按你系统的指引装好即可。装好后第一次打开，通常需要连接一个智能体或大模型：在设置里选择接入方式——可以连接本地安装的智能体运行时，也可以配置 API 接入云端大模型。选哪种取决于你手上有什么资源，蓝皮书里有分场景的指引；原则只有一条：选上下文长、指令跟随稳的模型，因为维护知识库要反复读文件、保持长程任务不跑偏。

装好之后，在 WorkBuddy 里打开你的 Vault 文件夹（一般是"打开目录/项目"入口，选中 my-wiki）。从这一刻起，WorkBuddy 看得见你 Vault 里的所有 Markdown 文件——你在 Obsidian 里写的 test.md，它也能读到。

步骤 4：装浏览器剪藏插件（可选但强烈建议）

在浏览器扩展商店搜索 Obsidian Web Clipper 安装。之后在任意网页上一键剪藏，直接存进 Vault 指定子目录——收集讲义和文章就靠它。

四、Obsidian 的三个超能力

搭建之前，先学会看懂 Obsidian 最特别的三样东西——它们是整套系统的"关节"。

双链（Internal Links）

在任何笔记里输入 [[ 会弹出笔记名列表，选中即插入一条内部链接。被链接的笔记不存在也没关系，先建链接后建页面，名字就挂在那里等着被填上。这是 wiki 的写法：先有关系，再有内容。

反向链接（Backlinks）

页面右侧栏（或底部标签页）的 Backlinks 面板，列出"谁链接了当前这页"。你打开"马氏距离"这页，立刻看到有三篇笔记引用了它——反向链接让每页知识自带它的"被引用列表"，这在写作和复习时都极有用。

知识图谱（Graph View）

左侧栏的图谱图标（或命令面板搜 Graph view）打开一张力导向网络图：每篇笔记是一个点，每条双链是一条线。中心度高的点是你的知识枢纽，孤立的点提醒你这页还没接进网络，成簇的点勾勒出你的主题结构。库越大，这张图越像一张"大脑切片"。

五、三层结构与两边的分工

整套知识库分三层：Raw 层存证据（剪藏文章、论文、笔记，只进不改）；Wiki 层存理解（AI 整理出的概念页、实体页、主题页）；Schema 层定规则（一份 AGENTS.md 文件，写明 AI 如何归档、更新、处理冲突）。

my-wiki/                  ← 你的 Vault
├── AGENTS.md             ← 规则层：WorkBuddy 的工作说明书
├── index.md              ← 全局索引：库里有什么，一目了然
├── log.md                ← 变更日志：只追加，记录每次动了什么
├── raw/                  ← 证据层：只读，WorkBuddy 无权修改
│   ├── articles/         ←   剪藏的网页、讲义
│   ├── papers/           ←   论文、报告
│   ├── notes/            ←   随手记的灵感
│   └── chats/            ←   值得留下的 AI 对话
└── wiki/                 ← 理解层：WorkBuddy 全权维护
    ├── sources/          ←   每份 raw 资料的摘要页
    ├── concepts/         ←   概念页：方法、理论、模型
    ├── entities/         ←   实体页：人物、工具、数据集
    └── topics/           ←   主题页：跨资料的综合梳理

两个设计值得强调。raw 层只读：原始证据永远保持原样，wiki 里的结论都能追溯回去，这跟论文引用是一个道理。log 只追加：每次入库留下一条记录，出了问题找得到是哪一步引入的。

WorkBuddy 与 Obsidian 的分工，一张表说清：

六、手把手搭建：三段提示词跑起来

结构不用手建，交给 WorkBuddy。以下三段提示词逐字可用，也可以按需删改——真正的杠杆在 AGENTS.md，用一阵子回头改规则，下次入库就生效。

1. 第一步：初始化（在 WorkBuddy 里对 Vault 目录执行）

   请把当前目录初始化成一个可增量维护的个人 wiki，结构如下：
   根目录放 AGENTS.md（维护规则）、index.md（全局索引）、log.md（只追加日志）；
   raw/ 下分 articles、papers、notes、chats 四个子目录，存放原始资料，只读；
   wiki/ 下分 sources、concepts、entities、topics 四个子目录，由你维护。
   
   AGENTS.md 至少写清六条：处理新资料前先检索已有页面，能补则补、缺则新建；
   raw 层禁止改动；每份资料在 sources/ 建摘要页并链回原文；
   事实内容标注来源，拿不准的标"待核实"；新旧说法冲突时并排保留，不覆盖；
   每次操作后同步 index.md 与 log.md，同名文件先读再合并。
   
   搭好后自检一遍，向我报告建了什么、留了什么、第一份测试资料该放哪。

   跑完后打开 Obsidian 看一眼：目录树已经建好。从这一步起，两个工具各就各位——WorkBuddy 建的每个文件，Obsidian 里实时可见。

2. 第二步：入库第一份资料

   用 Web Clipper 剪藏一篇讲义（或手动放一个 .md）到 raw/articles/，然后：

   处理 raw/articles/ 里新增的文章，按 AGENTS.md 增量维护 wiki：
   先检索现有页面，再决定补充还是新建；抽出概念、工具、方法建页互链；
   冲突处保留双方来源与时间。不动 raw，完成后报告新建与更新的页面，
   以及需要我确认的内容。

   去 Obsidian 的 wiki/ 目录看结果：来源摘要页、几个概念页，页面之间已经有双链。打开图谱视图，点与线出现了——知识库完成第一次生长。

3. 第三步：提问（检索你的 wiki）

   基于现有 wiki 回答：这批资料的核心观点是什么？概念之间怎么关联？
   哪些能落成我下一步的行动？回答请附 wiki 页面与 raw 原文路径，
   信息缺口与待核实项单独列出。

   WorkBuddy 会先查 wiki 定位相关页面，沿双链扩展上下文，最后回到 raw 核对原文——答案有出处，速度也快。这跟"把文件上传给 AI 问答"的差别是本质性的：每次处理都在留下结构化的变化。

七、喂什么：站内资料就是现成的起点

对同学来说，最先值得入库的资料不必去远处找——这个网站上的内容就是为你们准备的，体量也刚好适合练手。

1. 课程讲义。《Python 在金融中的应用》从环境配置讲到私有化部署 Agent，AI 金融课覆盖机器学习与金融场景——每节剪藏一篇，一节课的工作量够 wiki 消化一阵。
2. 开源技能库。资源页整理了几十个面向研究的 Agent 技能（文献综述、计量回归、数据清洗、LaTeX 写作），每个技能的说明本身就是一份"这个方法能做什么"的文档，适合入库当概念页素材。
3. 博客文章。站内计量统计与 AI 技术栏目的文章方法密度高，入库后与讲义自动挂上双链——课堂知识与延伸阅读在 wiki 里连成一张网。

八、进阶：WeSight 知识大脑

上面的流程要开两个软件：WorkBuddy 里下指令，Obsidian 里看结果。如果想把整个流程搬进 Obsidian，可以了解 WeSight——一个开源的 Obsidian 插件（GitHub 项目 freestylefly/wesight-obsidian），它把"初始化知识库、资料入库、wiki 更新、智能检索"整合成 Obsidian 内部的操作：编辑器侧栏直接对话，AI 改动直接落到当前笔记，写作与知识维护在同一个界面完成。

对本文的流程而言，它最有价值的两个能力：一是一键把当前笔记加入知识库——不用切到 WorkBuddy 手动下指令；二是"基于知识库"问答模式——提问时自动检索 Vault 里沉淀的 wiki 页面，沿双链定位概念与原始来源再作答，检索、引用、装配上下文全自动。

两点提醒：其一，WeSight 的知识大脑相关功能目前处于内测/会员阶段，核心开源功能可免费用，深度功能以项目页说明为准；其二，无论用哪种工具，AGENTS.md 的规则逻辑都是同一套——先用本文的方法理解原理，再换工具只是换个操作入口。

九、四条使用纪律

写在最后

知识管理的方法论从来不少，少的是能坚持的机制。卢曼的卡片盒靠手工维护了一辈子，多数人的收藏夹连一个学期都撑不下来——差别不在毅力，在有没有一套替你干杂活的系统。这套方案把整理的成本压到几乎为零，剩下的只有两个动作：把值得的东西放进 raw，偶尔打开图谱看它长大。

用本站的讲义和技能库起步，一个下午就能看到第一版 wiki 长出来。等它陪你走过一门课、一个课题，你会清楚感觉到：收藏和掌握之间，隔的就是这一层持续生长的结构。