Knowbase — 你的知识副脑

受 Andrej Karpathy 提出的 LLM Wiki 理念启发，基于 Claude Code 构建的个人知识管理系统。不是 RAG，不是笔记软件——而是一个 AI 持续维护、自动生长、越用越聪明的结构化第二大脑。

为什么不是 RAG

RAG 是"每次提问现翻书找答案"，翻完就忘。LLM Wiki 是"读一遍就记住，整理好，以后直接回答"。知识在这里编译一次，持续复用，复利增长。

你提供素材 (raw/)  ──Claude 编译──▶  结构化 Wiki (wiki/)  ──直接问答──▶  高质量回答 & 归档 (outputs/)
                                          │
                                          └── 复盘认知偏差 (wiki/errors/)  ← 本项目的独特能力

目录结构

├── raw/             # 原始素材（只读，手动放入）
│   └── articles/    #   DeepSeek 对话记录、文章等
├── wiki/            # 编译后的知识库（Claude 维护）
│   ├── _index.md    #   总索引
│   ├── concepts/    #   概念页
│   ├── entities/    #   实体页（人物、产品、公司）
│   ├── summaries/   #   来源总结页
│   ├── errors/      #   复盘页面（认知偏差记录）
│   └── log.md       #   变更日志
├── outputs/         # 高质量回答归档
├── .claude/         # Claude Code 配置
│   ├── commands/    #   自定义 slash 命令
│   ├── skills/      #   自定义 skill
│   └── settings.json
└── CLAUDE.md        # 项目指令（Claude 行为规范）

Wiki 文件使用 Obsidian 兼容的 [[双向链接]]，可直接用 Obsidian 打开浏览。

前置条件

• Claude Code CLI（项目指令写在 CLAUDE.md 中，Claude Code 启动时自动加载）
• （可选）Obsidian — 可视化浏览 Wiki 链接网络
• （仅 /fetch_deepseek）Python + Playwright：pip install playwright && playwright install chromium

初始化

git clone <your-repo-url> my-knowbase
cd my-knowbase
mkdir -p raw/articles wiki/concepts wiki/entities wiki/summaries wiki/errors outputs
claude

Claude Code 启动后自动加载 CLAUDE.md 中的全部指令，无需额外配置。

使用方式

四大核心操作

操作	命令	说明
Ingest（摄入）	/ingest	读取原始素材，编译为结构化 Wiki，更新索引
Query（提问）	直接提问	基于已编译的 Wiki 回答，不重新翻 raw/
Lint（检查）	/lint	健康检查：断链、矛盾、孤立页面、YAML 合法性
Reflect（复盘）	/reflect	🧠 从对话中提取认知偏差，追踪复现——这是本项目对 LLM Wiki 的独特扩展

额外命令

命令	说明
/fetch_deepseek	拉取 DeepSeek 分享对话到 raw/articles/
/reingest	重新摄入已更新的文件

常规使用

放入原始素材

将你想要编译成结构化知识的内容（文章、教程、笔记等）放入 raw/articles/：

cp ~/Downloads/some-article.md raw/articles/
# 或直接拖拽文件到 raw/articles/ 目录

素材可以是任意 Markdown 文件，没有格式限制。

摄入编译

在 Claude Code 中说：

/ingest raw/articles/some-article.md

或者直接 /ingest，Claude 会自动扫描 raw/ 下未处理的新文件。

Claude 会：

1. 用中文给出不超过 5 个要点的高层总结
2. 提取关键实体（人物、公司、产品、技术术语）
3. 提取核心概念，在 wiki/concepts/ 下创建概念页
4. 在 wiki/summaries/ 下创建来源总结页
5. 更新 wiki/_index.md 的索引和交叉链接

基于 Wiki 提问

摄入完成后，直接基于 Wiki 提问：

Rust 的所有权和 Go 的 GC 有什么区别？
trait 和 interface 的对比？

Claude 会优先基于已编译的 Wiki 回答，不会重新翻 raw/。如果信息不足，会主动建议你摄入相关新素材。

归档高质量回答

如果某次回答质量很高，可以主动让 Claude 归档：

把刚才的回答归档到 outputs/

或者 Claude 觉得某次回答质量高时，会主动建议归档。

更新已有素材

如果 raw/ 中的某个文件被更新了：

/reingest raw/articles/some-article.md

Claude 会重新读取并更新相关的 Wiki 页面。

健康检查

定期运行 /lint，检查：

• YAML frontmatter 合法性（自动运行验证脚本）
• 断开的 [[双向链接]]
• 不同来源对同一概念相互矛盾的定义
• 孤立页面（没有其他页面链接到它）
• 有过时倾向的描述

特色功能：DeepSeek 对话学习 + 认知偏差复盘

这是本项目对 Karpathy LLM Wiki 三层架构（Ingest / Query / Lint）的第四层扩展——不只是整理知识，还能帮你从对话中发现并纠正认知盲区。

DeepSeek 分享链接 ──fetch──▶  raw/articles/*.md  ──ingest──▶  wiki/  ──reflect──▶  wiki/errors/
                        (拉取对话)               (编译知识)              (复盘认知偏差)

1. 拉取对话

/fetch_deepseek <DeepSeek 分享链接>

需要 DeepSeek 的分享链接（格式：https://chat.deepseek.com/share/...），在 DeepSeek 网页端对话中点击"分享"即可获取。调用 Playwright 脚本从分享页提取完整对话，保存为 Markdown 到 raw/articles/，文件保留原始对话格式（**用户**： / **助手**：），后续复盘依赖此格式。

2. 摄入编译

/ingest

扫描 raw/ 下未处理的新文件，提取概念和实体，编译为 Wiki 页面。这会创建 wiki/summaries/ 来源总结页，并增量更新概念页和实体页。

3. 复盘偏差

/reflect

仅针对 DeepSeek 对话文件（自动检测 **用户**： / **助手**： 格式，知识型文档直接跳过）。从对话中提取用户的认知偏差（概念误解、计算错误、思路中断等），执行偏差复现追踪，沉淀到 wiki/errors/。

如果对话中没有被纠正的错误或明显偏差，复盘结果为空（"未发现需要复盘的内容"），不强制生成复盘页面。

典型工作流示例

# 1. 看到一篇有价值的 DeepSeek 对话，分享链接
/fetch_deepseek https://chat.deepseek.com/share/xxxxx
# → 输出：已保存到 raw/articles/xxxxx.md

# 2. 摄入对话内容，编译为 Wiki
/ingest
# → Claude 总结要点，创建概念页，更新索引

# 3. 复盘对话中的认知偏差
/reflect
# → 自动扫描未复盘的对话，提取偏差，追踪复现

# 4. 定期维护
/lint
# → 检查断链、矛盾、孤立页面

Wiki 规范

• 文件名：英文小写 + 连字符，如 self-attention.md
• 每个页面首段为摘要
• 使用 [[双向链接]] 连接所有页面
• YAML frontmatter 包含 tags 和 source
• 新知识与现有内容矛盾时，标记 ⚠️ 待确认的矛盾，不直接覆盖

与 Obsidian 配合

用 Obsidian 打开项目根目录，可以看到所有 Wiki 页面的链接图谱。.obsidian/ 目录已包含基础配置。

许可

MIT