用 Karpathy 思路搭一套本地知识库

核心结论(一句话)

本地知识库的 3 层结构(素材层 / 笔记层 / 规则层)+ “AI 持续整理复盘”自动化 = 知识库从”收藏夹”变成”AI 可读的个人档案室”;记忆不再绑定某一个模型,而是沉淀在你自己的系统里。

分类提炼

知识节点(8 个独立概念)

关联图谱

上游(基于 / 来自)

下游(应用于 / 验证于)

同级(横向 / 并列)

正文要点(5 条)

  1. 知识库 ≠ 收藏夹:资料多 ≠ 找到;核心问题是”AI 读没读懂你”——只有让 AI 真正了解创作者习惯、节奏、表达、目标,才能让过去积累的素材持续参与未来
  2. 3 层结构是核心方法论:素材层(只读不改)/ 笔记层(AI 提炼 + 互链)/ 规则层(AGENTS.md 跨模型可移植)
  3. 3 个最明显变化:① 收藏夹能用了(RednoteStar)② 不用反复解释自己(AI 持续学习你)③ 换模型记忆不消失(资料全在本地)
  4. 自动复盘机制:每周一早上扫描脚本初稿→终稿差异,提炼写作规律更新到知识库;定期”体检”扫断链/重复/过时
  5. 关键反直觉:知识库真正开始发挥作用,不是在搭完那一刻,是在后面反复使用、整理和复盘的时候——搭完只是起点

6 个对 Seetong 团队可借鉴动作

  1. Seetong 的 3 层结构体检:现在 Seetong 后台是否有素材层(埋点/Logan/反馈原始数据)+ 笔记层(神策分析报告 / 反馈分诊产物)+ 规则层(TAPD SOP / 排班规则)?哪一层最缺?
  2. 每周一自动复盘脚本:把 APPSO 的”周一扫描初稿→终稿差异”思路套到 Seetong——每周一扫”上周反馈分诊 vs 实际处理结果差异”→ 沉淀到 seetong-feedback-triage/SKILL.md 的”已知高频问题”区
  3. AGENTS.md 跨模型/跨人迁移:让 Seetong 客服 SOP、研发 SOP 不绑定某一台机器/某一个人;新客服入职照着 AGENTS.md 就能接手
  4. “先问两件事” 防止一上来就建文件夹:Seetong 任何新项目启动前,主人先问 ① 数据放哪个仓库 ② 这次最想要解决什么(4 选 1:稳定性 / 体验 / 效率 / 商业化)
  5. 不编造 / 冲突标出来 两条纪律:从今天起,所有 Seetong 知识库更新,AI 看到矛盾就停下来问主人,不擅自覆盖
  6. “体检” 触发词机制:主人说”Seetong 知识库体检”→ 自动化扫过时 / 矛盾 / 孤立内容,10 分钟出清单(参考 seetong-knowledge-lint 已有工具)

备注与限制

相关链接