Obsidian + AI 知识库编译实战营 · 完整产品介绍

Obsidian + AI 知识库编译实战营 · 完整产品介绍

—— 从「信息囤积」到「知识复利」的系统升级

一、产品定位

这是什么？

一套帮你用 AI 把散乱信息编译成可复利知识系统的实战课程。

不是工具教程。不是方法论讲座。是一个让你 30 分钟跑起来、30 天看见变化、90 天形成系统 的完整解决方案。

一句话本质

教你停止"整理笔记"，开始"编译知识"。

三句话讲清

1. 你过去所有的笔记系统都在用 RAG 模式——每次从零检索、拼凑、忘记。
2. Karpathy 在 2026 年 4 月提出了 编译模式——让 AI 一次性把信息综合成结构化知识库，并持续更新。
3. 这门课，是中文世界第一份完整的编译模式实战教程。

二、为谁设计

🎯 精准目标用户

核心画像：25-40 岁的知识焦虑型职场人

具体来说，你是这 4 种人之一：

❌ 明确不适合谁

• 想"被动学习"看完就走的人
• 追求"完美工具"而非"能用系统"的人
• 指望一周看到指数增长的人

三、核心方法论：KCS 知识编译系统

方法论全景图

text

┌────────────────────────────────────────────────┐
│  KCS · Knowledge Compiling System (知识编译系统) │
│                                                  │
│  核心主张：不整理，而编译。                       │
│           不检索，而查询。                       │
│           不维护，而进化。                       │
│                                                  │
│  ──────────────────────────────────────────    │
│                                                  │
│  三层架构                                        │
│  ┌──────────────────────────────────────┐     │
│  │ Layer 1: raw/  原料层（人类策展）      │     │
│  │ Layer 2: wiki/ 编译层（AI 维护）       │     │
│  │ Layer 3: CLAUDE.md Schema 层（共演进）│     │
│  └──────────────────────────────────────┘     │
│                                                  │
│  三大操作                                        │
│  📥 Ingest 编入  → 把新来源编译进 wiki         │
│  🔍 Query  问道  → 向 wiki 提问获得综合答案    │
│  🔧 Lint   体检  → 让 AI 检查并修复矛盾        │
│                                                  │
│  日常循环                                        │
│  投喂(5min) → 编入(3min) → 问道(5min)          │
│  + 每周体检(10min) = 每天 15 分钟              │
│                                                  │
└────────────────────────────────────────────────┘

与现有方法的本质区别

四、课程内容详解

📚 8 大模块 · 完整教学路径

🧠 模块 1：认知重塑——为什么你之前都失败了

核心问题： 你的笔记系统为什么注定崩溃？

你将学到：

• RAG 模式 vs 编译模式的本质区别
• 为什么"维护成本超过价值回报"是所有 wiki 死亡的原因
• 为什么 AI 改变了这个等式
• Karpathy 推文背后的完整思想脉络

实操作业： 画出你当前的"信息流动图"，找出 3 个关键断裂点

🛠️ 模块 2：环境搭建——30 分钟拥有你的编译系统

核心目标：** 从零到有一个能跑的 vault

你将完成：

• 安装 Obsidian + Claude Code（每一步截图）
• 初始化你的第一个 vault
• 创建 raw/ wiki/ 三层结构
• 配置 Git 版本控制（为什么这是安全网）

实操作业： 提交你的空白 vault 结构截图

关键认知建立：

Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库。

📐 模块 3：Schema 设计——教 AI 理解你的领域

核心概念：** CLAUDE.md 是整个系统最重要的文件

你将学到：

• 为什么 Schema 决定 wiki 的天花板
• 5 个领域预制模板（职场/产品/技术/自媒体/阅读）的差异
• Schema V0.1 → V0.5 → V1.0 的进化路径
• "AI 是有无限热情的初级开发者" 心智模型

实操作业： 写出你的 CLAUDE.md V0.1，社群互评

📥 模块 4：Ingest 实战——看 wiki 自己长出来

时长： 90 分钟全实操 核心体验： 第一次看到一个来源触发多个页面更新的震撼

你将完成：

• 准备 5 个来源（文章/播客/笔记）
• 逐个执行编入操作
• 用 git diff 审核每次变化（安全网）
• 学会判断"好编入"与"差编入"的 5 个标准

实操作业： 编入 5 个来源，提交 wiki 截图和 git log

判断标准：

🔍 模块 5：Query 深潜——10 种向 wiki 提问的姿势

核心突破： 学会让"好答案"变成"新 wiki 页面"

10 种查询模式：

实操作业： 向 wiki 提 5 个问题，将最佳回答归档为新页面

🔧 模块 6：Lint 维护——让系统自我进化

核心机制： AI 给你的知识库做体检

Lint 的 5 类检查项：

text

🔧 体检报告样例
━━━━━━━━━━━━━━━━━━━━━━
⚠️ 矛盾检测（页面之间观点冲突）
🔗 孤儿页面（无入链的页面）
📝 缺失页面（重要概念未建专页）
🔄 过时陈述（被新来源推翻）
🌉 缺失交叉引用（应链接但未链接）

实操作业： 运行第一次完整 lint，处理报告中的所有问题

✍️ 模块 7：Output 引擎——从知识库到可发表内容

核心转变： 从"创作"到"编辑"

5 步输出工作流：

1. 确定主题 → 让 AI 列出 wiki 中所有相关页面
2. 生成结构 → 让 AI 基于这些页面生成大纲
3. 扩写初稿 → 让 AI 按大纲写初稿，引用 wiki 页面
4. 人类编辑 → 加入你的故事、案例、观点
5. 回流 → 把发表后的内容也作为来源编入 wiki

实操作业： 用 wiki 内容创作一篇 800 字公众号文章

🌱 模块 8：长期主义——3-6-12 月运营节奏

核心议题： 如何让 wiki 真的复利

里程碑路线图：

实操作业： 制定你的个人知识编译路线图

五、配套交付物清单

🎁 你将得到的全部内容

核心课程

• ✅ 8 模块体系化视频课程（约 8 小时高密度内容）
• ✅ 每模块配套实操作业 + 自查清单
• ✅ 课程长期更新（方法论迭代你免费升级）

Schema 模板库（独家）

• ✅ 职场成长版 CLAUDE.md
• ✅ 产品经理版 CLAUDE.md
• ✅ 技术学习版 CLAUDE.md
• ✅ 自媒体创作版 CLAUDE.md
• ✅ 阅读思考版 CLAUDE.md

Prompt 模板集

• ✅ 10 个编入指令模板（含多种来源类型）
• ✅ 10 个查询指令模板（对应 10 种查询模式）
• ✅ 5 个体检指令模板（不同深度的 lint）
• ✅ 5 个输出指令模板（文章/演讲/决策/总结/教学）

中文场景工具链

• ✅ 微信公众号 → markdown 完整方案
• ✅ 播客/视频 → 转录 → markdown 工具链
• ✅ 微信读书/得到划线 → markdown 导出方案
• ✅ flomo / 飞书文档 → markdown 批量处理

参考资产

• ✅ 我 90 天的真实 wiki（脱敏版）—— 看一个成熟系统长什么样
• ✅ 30 天实验完整日志 —— 我踩过的所有坑

六、与你的实际收益

学完之后，你将拥有

短期（30 天内）：

• 一个跑起来的、有 30-50 页的真实 wiki
• 一套适合你领域的 Schema
• 一个稳定的每日 15 分钟工作循环

中期（90 天内）：

• 一个 150+ 页、开始复利的知识系统
• 用 wiki 写出至少 3 篇高质量内容
• 一份能向别人讲清楚的方法论

长期（1 年后）：

• 一个 300+ 页的个人知识资产（这是真的资产）
• 完全改变的信息处理方式
• "学了就用得上"的能力

你将停止浪费的东西

• ❌ 每年花在试新工具上的时间（平均 40+ 小时）
• ❌ 每周花在"整理笔记"上的无效时间（平均 3 小时）
• ❌ 每次找东西找不到的挫败感（无价）
• ❌ 看了那么多却写不出来的焦虑（无价）

七、价格与承诺

💰 定价

text

┌─────────────────────────────────────┐
│                                       │
│         首批价格：¥699                │
│         （限前 20 名）               │
│                                       │
│         下一批：¥799                  │
│                                       │
└─────────────────────────────────────┘

🛡️ 三重承诺

承诺一：跑不通无理由退款 完成 M1-M4 后，如果你的 wiki 没跑起来，全额退款。

承诺二：所有模板永久免费升级 Schema、Prompt 集会持续迭代，买一次终身享受。

承诺三：我自己持续在跑 我的实验日志每两周公开。方法论一起进化。

八、常见问题

Q1：我完全不会编程，能学吗？ 能。不需要写一行代码。Claude Code / Cursor 我从安装第一步教起。

Q2：API 费用贵不贵？ 实测每月 ¥10-30 之间。一次 ingest 约 ¥0.1-0.5。

Q3：和 Notion AI / 飞书 AI 区别是什么？ 那些是 RAG 模式（每次从文档检索）。你学的是编译模式（知识预先综合，持续更新）。 RAG = 每次饿了从头做饭。编译 = 周末做好半成品。

Q4：需要多少时间投入？ 学习期：每周 2-3 小时（看课 + 实操）。 日常期：每天 15 分钟。

Q5：和市面上其他知识管理课程区别？ 其他课程教你"用什么工具"和"什么方法整理"。 这门课教你让 AI 把整理这件事干掉，你只做策展和思考。

Q6：方法论会过时吗？ 工具会迭代，方法论的内核（编译 vs RAG、三层架构、三大操作）是稳定的。 而且你买一次，终身免费升级。

Q7：我的领域很小众，模板够用吗？ Schema 是共演进的。从最接近的模板开始，2 周内会迭代成你领域的专属版本。 社群里有各种领域的实践者，你不会孤单。

Q8：是否提供发票？ 是。报名后联系客服开具。

九、立即行动

现在加入，立即解锁

• ✅ M1 模块完整视频
• ✅ 5 个 Schema 模板全集
• ✅ 30 个 Prompt 模板
• ✅ 学员社群入群资格

最后

我做这门课，不是为了证明我多会做知识管理。

是因为我自己跑通之后，真的觉得这件事应该让更多中文用户知道。

Karpathy 的推文有 1600 万浏览，但中文世界几乎没有完整的实战教程。 而我们一个普通中国职场人，本来就比硅谷的人更需要这套系统—— 信息更碎、噪音更多、时间更少。

如果你看到这里，说明这件事真的击中你了。

不要再等"下一个更好的时机"。

下一个更好的时机，就是现在你的 wiki 开始长的那一天。

🚀 [ 立即加入  ]

「把信息焦虑，编译成知识复利」

这个时代,信息泛滥成灾。每个人都被困在信息的海洋里,存了很多,记不住任何;学了很多,用不上一点。

我们焦虑、疲惫、无力。

但你不该是这样的。你应该有一个永远在线的"数字大脑",帮你记住一切、整理一切、连接一切、创造一切。

我是阿木木。我的工作,就是把你从信息焦虑的此岸,渡到知识自由的彼岸。

用 Obsidian + Claude + skills + PARA + LLM-WIKI 搭建 AI-native 个人知识系统

让碎片信息变成可检索、可调用、可输出的知识资产

用 Obsidian + AI ,帮普通人搭建属于自己的「数字大脑」。让碎片信息自己长成第二大脑,让知识真正成为你这一生的复利资产。

我相信:AI时代,每个普通人都该拥有数字大脑。