我用Karpathy 的思路，编译一套流程，把 100 个链接变成 1 页可用结论
一只阿木木约 7 分钟我以前也干过这件事：看到一篇好文章就先收藏，心里想“等忙完再看”。
结果收藏夹越来越像一个垃圾场：链接没断就算幸运；真正要用的时候，根本找不到结论，更别提把它写进方案、报告或文章里。
后来我把这件事反过来做：我不再追求“我读过多少”，而是只追求一件事——我能不能在 60 分钟内，从一堆资料里产出一页“可用结论”。
为此我搭了一套“编译式”的流程：把链接当“原材料”，把结论当“产物”，中间用一层结构化的解释来承接。这个思路和 Andrej Karpathy 在 2026-04-04 提出的 “LLM Wiki：不是临时检索，而是把知识持续编译成一个可积累的 wiki”高度一致。
下面这篇文章不讲工具炫技，也不要求你用 Obsidian。你只要有一个文件夹、会存 Markdown/文档就能跑。Obsidian 只是我用来“看结构、找连接”的前端（它的 Graph view 本质是把笔记节点和链接关系可视化）。
1. 为什么“收藏夹”注定会失败（不是你自控力差，是机制错了）
多数人处理资料的方式，其实是“临时检索式”：
要写东西/做决策了 → 去收藏夹翻 → 临时找几段能用的 → 拼成一段话 下次再写同类问题 → 再翻一次 → 再拼一次 你每次都在“重新发现”知识，没有积累
这就像典型 RAG（检索增强生成）的工作方式：查询时从原始文档里找相关片段，再生成答案；它能用，但不会自动把你的理解沉淀成一个可长期复用的中间产物。
Karpathy 对此的批评非常直接：这样“没有 accumulation（积累）”；而他要做的是让 LLM 把 raw sources 编译成一个持久、互相链接、可持续维护的 wiki，并且随着每次 ingest/query/lint 逐步变厚。
我把这句话翻译成更人话的目标：
你不需要记住 100 个链接；你只需要拿到 1 页“可用结论”，并且下次还能复用。
2. 我的核心方法：三层资产法（证据层 → 解释层 → 交付层）
这套结构很朴素，但它决定你最后有没有“成品”。
第 1 层：证据层（Raw）
你只做一件事：把来源“落地”，并保持可追溯。
网页、PDF、截图、转写、数据……都算证据 原则：证据不要被随意改写（要改就保留原始版本/可追溯）
这和 Karpathy 的 raw sources 定义一致：raw 是 source of truth，LLM 只读不写。
第 2 层：解释层（Wiki / Notes）
你让 LLM 或你自己做“解释与组织”：
概念页、实体页、对比表 每条关键结论都能回指证据层
Karpathy 的 wiki 层就是这个意思：LLM 维护 markdown 文件、交叉引用、标注矛盾。
第 3 层：交付层（Deliverables）
这是多数人永远缺失的一层：可直接拿去用的文本
一页结论备忘录 决策建议 文章成稿大纲 给老板/客户的要点摘要
你要的不是“知识库很漂亮”，你要的是“产出能交付”。
3. 实战案例（可替换成你的真实主题）：从 100 个链接到 1 页结论
我用一个最常见、最有实操意义的场景来演示：
场景：我要做一个“选择/判断”
比如：
要不要转向某个新方向（业务/职业/内容主题） 要不要买某个大件（相机/车/课程） 要不要采用某种技术路线（Agent 框架/知识库方案/模型策略）
我手里有一堆资料：公众号文章、测评、论文、访谈、帖子、产品文档……加起来轻松 50～100 个链接。
我的目标不是“把它们都读完”，而是：
交付一页纸：结论（我建议什么）+ 证据（为什么）+ 反例（什么时候不成立）+ 下一步（我还要验证什么）。
4. 三次“编译”：把链接变成结论（每一步都有明确产物）
编译 1：把链接变成“可用证据”（30 分钟起步）
你只做 4 件事：
- 只收“证据型材料”
证据：数据、原话、实验、对比、成本、限制条件 噪音：纯观点、情绪宣泄、二手搬运但不标来源 - 统一命名，先把时间写进文件名
（防止未来过时） 2026-04-14_主题_来源.md/pdf任何“今天最新”“最近更新”的内容，必须带日期（否则半年后你自己也会被骗） - 把网页落地到本地
（别让链接决定你的记忆寿命） Karpathy 也建议用 Obsidian Web Clipper 把文章转成 Markdown；并强调把图片下载到本地，避免 URL 失效。 - 写一句“我为什么存它”
（就一句，越短越好） 例： # reason: 这篇有成本拆解表，可做对比基准
产物：一个干净的
raw/文件夹，里面全是可追溯证据，而不是“未来焦虑”。
编译 2：把证据编译成“解释层”（每个来源 5 分钟起）
这一步的关键，是别让 LLM自由发挥成散文。你要它产出固定结构。
我推荐每个来源固定生成一张“证据卡”，字段如下：
- 一句话结论
（这份材料到底在说什么） - 关键证据
（3～5 条，可引用的事实/数据/原话） - 适用条件
（什么前提下成立） - 反例/争议点
（它可能错在哪里） - 可复用标签
（比如：成本、风险、效果、适用人群、替代方案）
Karpathy 的 ingest 描述非常像“跨页编译”：读来源、写摘要页、更新 index、更新相关概念/实体页、写 log；甚至一个来源会触碰 10–15 个页面。
你不一定要做到 10–15 页那么重，但你要保留它的精神：不是“收进去”，而是“编译进结构里”。
产物：一堆结构化证据卡 + 若干概念/对比页（解释层开始能“导航”和“组合”了）。
编译 3：把解释层压缩成“1 页结论备忘录”（这是核心交付）
这一步只做一件事：把“我知道的东西”变成“我敢下注的判断”。
我用的《一页结论备忘录》结构如下（你可以直接复制）：
1）结论（先写结论，别铺垫）
我建议：A（明确动作） 不建议：B（明确边界）
2）三条最硬的理由（每条都要能回指证据）
理由 1：……（来源：证据卡/原文） 理由 2：……（来源：证据卡/原文） 理由 3：……（来源：证据卡/原文）
3）两条反方观点（你要替反方说话）
反方 1：……它成立的条件是…… 反方 2：……它成立的条件是……
4）风险与代价（别假装没有成本）
时间成本： 金钱成本： 机会成本： 最坏情况：
5）我还缺什么证据（把未知写出来）
待验证问题 1： 待验证问题 2： 下一步行动（获取证据的最短路径）：
产物：这 1 页就是你真正的“知识资产”。它可发老板、可做决策记录、可直接扩写成文章。
5. 我踩过的坑（以及你大概率也会踩的）
这部分决定你文章“真诚”与“可信”，也决定读者会不会转发。
坑 1：把“观点”当“证据”
最常见错误：收了一堆“说得很对”的文章，但里面没有任何可引用事实。
解决：证据卡里强制写“关键证据 3～5 条”，写不出来就标记为“观点源”。
坑 2：资料越多，结论越虚
因为你一直在“补充”，没有做压缩与决断。
解决：强制做编译 3（一页备忘录）。没有交付层，就永远只有焦虑。
坑 3：LLM 会把错写得更像真话
Karpathy 提到 query 要“带 citations”，并且好的答案应该回填进 wiki，但这也意味着：一旦答案错了，错会被沉淀。
解决：交付层里必须保留“反方观点/待验证问题”；解释层里必须能回指 raw。
坑 4：过时信息最阴险
“今年最推荐”“最新版本”这类结论，半年后可能完全反过来。
解决：所有证据文件名带日期；一页备忘录写“结论有效期/假设条件”。
坑 5：一上来就想把 100 个链接全编译
结果是：你和 LLM 都疲惫，质量雪崩。
解决：从 10 个来源开始跑通闭环；闭环跑通才扩规模。Karpathy 也说他更偏好一次 ingest 一个来源并保持参与。
6. 每周一次“体检”（可选，但它决定你会不会长期有效）
如果你要长期用，而不是做一次性项目，那你必须做“维护”，否则知识会腐烂。
Karpathy 把这件事叫 lint：找矛盾、过时、孤岛页、缺交叉引用、缺口并建议补资料。
我把它翻译成一份更大众的体检清单（每周 15 分钟）：
这周新增的结论，有没有明确证据来源？ 有没有出现互相矛盾的口径？（同一概念两套定义） 有没有结论其实是时间敏感却没写日期/前提？ 有没有“重要概念出现了很多次”但没有独立解释页？ 有没有“写了很多卡片”但一页结论备忘录空着？（最关键的腐烂信号）
7. 你可以直接抄走的最小模板（不依赖任何软件）
文件夹结构（最小可用）
text
knowledge/
raw/
2026-04-14_主题_来源1.md
2026-04-14_主题_来源2.pdf
notes/
evidence_cards/
concepts/
comparisons/
deliverables/
2026-04-14_一页结论备忘录.md
《一页结论备忘录》模板（可直接复制）
Markdown
# 一页结论备忘录：XXX（日期：YYYY-MM-DD）## 结论
- 我建议：
- 我不建议：
## 三条最硬理由（每条都要能回指证据）
1) 理由：……
- 证据：[[证据卡/来源A]]（或 raw/文件名）
2) 理由：……
- 证据：……
3) 理由：……
- 证据：……
## 反方观点（替反方把话说完整）
- 反方1：……成立条件：……
- 反方2：……成立条件：……
## 风险与代价
- 成本：
- 最坏情况：
- 我能接受的损失边界：
## 待验证问题 & 下一步
- Q1：
- Q2：
- 下一步最短路径：
结语：收藏不是问题，“没有编译”才是问题
你不需要变得更勤奋、更自律、更会管理工具。
你只需要把目标改成一句话：
我每收一堆资料，就必须交付一页结论。
当你开始用“交付层”逼自己做压缩，你会第一次感到：收藏夹不是债务，它开始变成资产。
而当你再引入 Karpathy 那种“持续编译 + 体检（lint）”的节律，你的知识就会开始真正“积累”，而不是每次从头来过。
AII
松花酿酒，春水煎茶。
眉上风止，见字如晤。
一只阿木木