微信收藏夹里躺着 100 多篇技术文章，每一篇收的时候都觉得有用，但大多数的下场是再也找不到。

想引用某个观点，得在收藏夹里用关键词翻半天，十有八九翻不出来。更别说"把这些文章串起来看趋势"了。

收藏夹是仓库，但不是知识库。它收得越多，就越显得乱。

4 月初 Karpathy 那条推文提出了"LLM Wiki"的想法，我在之前的文章里有过介绍，这里不重复展开。Karpathy 把他的实现整理成了一份 idea file，末尾留了这么一句：

“

"I think there is room for an incredible new product instead of a hacky collection of scripts."

他的意思是：这套思路值得有人做成一个真正的产品，而不是一堆脚本凑出来的临时方案。

当时社区跑出来的回应，大多是 MCP server 集成、语义搜索扩展、Git provenance 追踪之类的方案，仍然是极客向。普通人想跟着做，门槛挺高。

直到最近我用上了有道云笔记的 youdaonote-llm-wiki skill，把自己在这个号上发表过的文章整进了一个知识库，才意识到那个产品方向真的有人在落地了。这篇文章就是这次实测的全程记录。

LLM Wiki 解决的是什么问题

先把问题说清楚，再看产品做了什么。

传统 RAG 是按问检索。 你提问，系统就去你的资料堆里翻，把相关片段抓出来拼进上下文，再回答你。每次提问都从头检索，资料本身不会被整理，也不会互相建立连接。

LLM Wiki 的核心是"编译知识"。 素材进来一次，LLM 就处理一次：提取实体（公司、产品、人物），归纳概念，建立跨文档的引用关系，生成一套结构化的 Wiki 页面。之后提问，LLM 查的是自己整理好的 Wiki，不是原始文档堆。知识被"压缩"进了有组织的结构里，查起来既快又准。

Karpathy 把这个工作流拆成了四个操作：

• Ingest（摄入）：有新资料来，增量处理，更新相关 Wiki 页面，维护内部链接，不需要重建整个知识库

• Query（查询）：跨多个页面综合回答问题，带引用来源，两份资料有矛盾时自动标出

• Archive（归档）：有价值的查询结论存回知识库，越用越丰富

• Lint（健康度审计）：定期检查是否有过时内容、孤立页面、应建未建的连接

知识在这个模式下不是"记完就死"，每次提问都在给知识库注入新的东西。

但 Karpathy 当时的实现是本地 Markdown 文件加上自己写的一堆脚本。他自己也承认是"hacky collection of scripts"。想跟着做，有开发能力的可以，非技术背景的人几乎进不来。

主角：有道云笔记 + youdaonote-llm-wiki skill

这套方案的两个核心：

• 有道云笔记：知识库的存储层，手机、桌面、网页、iPad 全端同步，Wiki 页面在所有设备上都能打开

• youdaonote-llm-wiki skill：把 LLM Wiki 方法论封装成即用插件，在支持的 AI 对话工具里一句话触发

youdaonote-llm-wiki skill 支持在 LobsterAI（有道龙虾）、OpenClaw、QClaw、WorkBuddy、EasyClaw 等主流龙虾 AI Agent 里运行，也支持 Cursor、Claude Code 等编程工具（后面会演示）。本文演示选的是有道龙虾，之前用过一段时间，操作也很顺手。

前置步骤：配置有道云笔记 CLI

youdaonote-llm-wiki skill 读写有道云笔记，底层依赖的是 YoudaoNote CLI。用 Skill 之前，需要在本机安装 CLI 并绑定账号 API Key，这是读写权限的基础层。

官方有完整的安装指南：https://note.youdao.com/help-center/cli-install-guide.html

macOS / Linux 照着跑一行安装脚本，Windows 手动下载可执行文件加进 PATH，之后在 MCP Console 里拿到 API Key 配置上。跑 youdaonote list 能看到你的笔记列表，说明配置完成。

Node.js 开发者对这种流程应该很熟悉，5 分钟以内。

在哪里找到这个 Skill

主路径走有道龙虾的技能市场：

1. 官网下载安装有道龙虾客户端

2. 打开龙虾，进入【技能市场】

3. 搜索框里输入 youdaonote-llm-wiki

4. 找到 Skill 卡片，一键安装

5. 在对话框里说"帮我创建知识库"即可触发

除了龙虾之外，youdaonote skill 还支持直接安装到 Codex、Claude Code、Cursor 等 40+ AI 编程工具里。安装完之后，在这些编程工具里同样能操作有道云笔记，打通"写代码 / 写文章"和"知识管理"两个场景，后面的实测部分会演示这个场景。

Skill 自动建出什么

对话里说"帮我创建一个知识库"，Agent 会在有道云笔记里自动建出：

• 一个根文件夹（知识库名）

• 五个子目录：raw/（原始素材）、entities/（人物 / 组织 / 产品）、concepts/（概念）、comparisons/（对比页）、queries/（查询历史）

• 三个系统笔记：schema.md（结构定义）、index.md（索引）、log.md（变更日志）

这套结构是 Karpathy 在 Gist 里描述的架构，Skill 帮你完全自动建好，不需要自己维护目录。

多库管理也支持：按主题建多个独立库，一句话切换，全部登记在全局注册表里由 Agent 自动维护。

四个核心操作的产品化

• Ingest：扔一篇文章、一个链接或一整个本地文件夹，Agent 抓内容、抽实体、建概念、连引用，全自动，每次都是增量，不重建全库

• Query：跨多个页面综合回答问题，带来源引用，遇到矛盾用 ⚠️ 标记

• Archive：有价值的对话结论一句话存回知识库

• Lint：定期审计健康度，找过时信息、孤立页面、应建未建的连接

实测：把发表过的文章整合成「公众号知识库」

下面是完整的实测过程。素材是我在这个号上发表过的一批技术资讯类文章，存成 Markdown 格式放在本地文件夹里，主题围绕 AI 编程工具、Node.js 生态和前端工具链。

一句话建库，自动开始 ingest

打开龙虾，对话框里输入：

“

"我在 Nodejs技术栈 发表了不少技术资讯文章，已经存成 Markdown，文件都在桌面的 /Users/xxxxx/Desktop/llm-wiki-demo/notes/ 目录下。帮我创建一个知识库，库名就叫「公众号知识库」，主题是把这些文章沉淀成结构化知识。"

Agent 读取目录之后，先给了一个建议：用英文库名 wechat-article-wiki，英文名更稳定。接受即可。

确认之后，Agent 直接开始 ingest，不需要再发第二条指令。26 篇文章自动处理，entities 和 concepts 页面陆续出现。

等 Agent 处理完，切到有道云笔记，wechat-article-wiki 文件夹已经建好了，五个子目录、三个系统笔记全在。

看自动建出来的东西（这是最有冲击感的一幕）

打开 entities/companies/anthropic.md，里面是 Anthropic 在多篇文章里被提及的内容汇总：公司背景、Claude 系列产品的更新记录、相关事件引用，不同文章里的信息整合在同一个页面，还有反向链接标注每条内容来自哪篇原文。

打开 concepts/skills.md，这是被引用次数最多的概念之一。页面里列出了多位开发者和多个框架各自发布 Skills 时的核心动作，每条引用标明来自哪篇文章。

一个文件夹的文章，经过 Agent 处理之后，变成了一张相互连通的知识网。这是整个工具最有价值的地方：不是"存了多少"，是"建立了多少连接"。

comparisons/ 目录初始是空的，需要手动触发一句指令。说"帮我生成这批文章里 AI 编程工具之间的对比页"之后，有道云笔记里立刻出现了对应内容，实测生成了 Claude Code vs Cursor 的横向对比页。

跨页综合查询

知识库建完之后，可以用它来回答跨多篇文章的问题。我问的是：

“

"在 wechat-article-wiki 里，帮我综合一下：基于这批文章，2026 年 AI 编程工具领域有哪些关键趋势？请基于知识库里的内容回答，并标明引用来源。"

Agent 从 index.md 定位相关页面，跨 concepts、entities、comparisons 综合生成回答，每个观点标了来自哪个 Wiki 页面，两份资料有矛盾的地方用 ⚠️ 标出。

这种回答不是随口说的，是有出处的。之后一句话把结论存进 queries/：

“

"把刚才这个回答存到 wechat-article-wiki 的 queries/ 里。"

每次有价值的查询归档一次，知识库越问越丰富。Karpathy 说的"知识复利"就是这么滚起来的。

在 AI 编程工具里同步新文章

这是我觉得整个方案里最顺手的一个环节。

youdaonote skill 不只能装在龙虾里，还支持直接安装到 Codex、Claude Code、Cursor 等 40+ AI 编程工具。安装方式：下载 skill 到本地，用 npx skills add 安装，或者通过 skills-hub 这类 GUI 工具管理（skills-hub 是我自己开发的 skill 管理工具，一次安装覆盖多个 AI 编程工具）。官方的安装指南在这里：https://note.youdao.com/help-center/skill-install-guide.html

我用 skills-hub 把 youdaonote skill 装好，重启 Codex 之后就能直接用。

写完一篇新文章，不需要切到龙虾，直接在 Codex 对话里说"把这篇新文章同步进 wechat-article-wiki"，有道云笔记里立刻出现对应更新。

写完文章，在编程工具里一句话同步，知识库跟着输出一起成长，全程不需要切换应用。

和 Karpathy 原方案的差异

两套方案的思路完全一致，区别在落地层面。

维度	Karpathy 原方案	youdaonote-llm-wiki 方案
存储位置	本地 Markdown 文件	云端笔记，多端同步
查看方式	本地编辑器	手机 / 桌面 / 网页 / iPad 任意端
搭建成本	自己写脚本、配置提示词	装 Skill，对话即用
维护方	自己维护脚本和提示词版本	Skill 迭代升级，跟着用就行
适合人群	有动手能力的极客	任何想做知识沉淀的人

值得说清楚：Karpathy 的方案没有问题，它是为有能力自己搭系统的人设计的，极客向本来就是它的定位。youdaonote-llm-wiki 做的不是"比他更好"，而是把同样的方法论转化成了不需要写代码就能用的形式。

Karpathy 那句话说的是"需要一个真正的产品"，有道团队做的正是这件事。

这套方法谁能用上

覆盖的场景比我想象的要广：

• 有公众号或博客，想把写过的文章沉淀成可检索、可综合的知识库的人

• 收藏夹里躺着几百篇技术文章、总想"以后系统整理"但一直没整理的人

• 持续跟踪某个技术方向（AI 编程工具、Node.js 生态、前端工程化）的开发者

• 在学某个新框架，想边看边做结构化笔记的人

核心判断是：只要你有持续产出或持续收集的资料，而且想对这些资料做汇总、对比、趋势分析，这套方案就值得试。

---

Karpathy 说他最近的工作时间，大部分从"操纵代码"转向了"操纵知识"。当 Agent 足够强、产品打磨足够细，知识工作的关键就不再是"会不会整理"，而是"会不会问、会不会追问"。

你的收藏夹，可以从"以后再看"变成"以后能用上"。