从碎片笔记到 Zettelkasten 到 LLM Wiki——一个程序员的 5 年笔记复盘

作者：一只阿木木 我相信：在 AI 时代，每个普通人都该拥有一个自动生长的知识系统。

这篇文章，我写了五年

可不是真的写了五年。

但这篇文章里的每一个结论，都是五年踩坑踩出来的。

2020 年，我工作第一年，开始认真记笔记。

那时候的我充满热情，相信"好记性不如烂笔头"，相信只要记录得够多，知识就会复利增长，自己就会越来越厉害。

五年后，我打开当时的笔记库，翻了翻。

2847 条笔记。3 个废弃的 Notion workspace。1 个从来没整理好的 Obsidian vault。2 本写了一半的纸质笔记本。

然后我问自己：这五年，这些笔记真的帮助我成长了吗？

答案让我很不舒服。

第一阶段（2020–2021）：什么都记，什么都没用

那时候的状态

刚工作，什么都想学，什么都记。

用的是 Notion。建了一个叫"知识库"的 workspace，里面有"技术"、"读书"、"想法"、"工作"等等文件夹，层级嵌套了五六层。

看到好文章，复制粘贴进去。看到有趣的代码，截图存进去。有了什么想法，打开 Notion 写几句。

每隔一两个月，我会兴起做一次"整理大扫除"，把散乱的笔记重新分类，建新的文件夹，加标签。

问题在哪里

问题不在于记得少——而在于记得太多，用得太少。

那 2000 多条 Notion 笔记，95% 以上在记完之后就再也没有打开过。不是不想用，是根本找不到，更准确的说是：不知道该在什么时候去找。

知识的价值，不在于你存了多少，而在于你需要的时候能不能调出来，能不能和现在的问题产生连接。

一个孤立的笔记，存与不存，差别不大。

第二阶段（2022–2023）：发现了 Zettelkasten，以为找到了圣杯

一个德国社会学家的方法论

2022 年，一个朋友推荐我看《How to Take Smart Notes》，我第一次认真了解了 Zettelkasten。

这个方法来自德国社会学家尼克拉斯·卢曼。他用一生建立了一个约 90,000 张卡片的手写卡片盒，从这个卡片盒里写出了 70 多本书和几百篇论文。

这就是 Zettelkasten 的原始洞察。卢曼的卡片盒方法成为整个"第二大脑"运动的基础：用你自己的语言写笔记，把它们链接到你的其他思考上，让连接随时间复利增长。

我看完这本书，兴奋极了。立刻开始在 Obsidian 里搭建自己的 Zettelkasten 系统。

它的核心逻辑

Zettelkasten 的核心概念是原子化：一张卡片，一个概念。链接取代分类，你永远不用问"这条笔记该放哪个文件夹"。

理论上，这是完美的系统：

• 每条笔记原子化，一个概念一张卡片
• 笔记之间用双向链接连接
• 随着时间推移，连接越来越密，洞察自动涌现

真实使用了一年半之后

问题不在于 Zettelkasten 的概念——那是真正优雅的设计——而在于维护成本。要让 Zettelkasten 正常运作，你需要在每一步都投入时间：写原子笔记、选择正确的链接、回顾旧卡片更新它们。一旦你在任何一个环节偷懒，整个系统就开始退化。笔记开始堆积而没有链接，连接变得过时，你最终得到的东西比一个简单的时间线记录还糟糕——因为你期待链接在那里，但它们不在。

这段话说的正是我的真实经历。

Zettelkasten 没有失败。是我失败了——我没有足够的自律去维护它。

在工作最忙的几个月，笔记变成了普通的流水账。等我回头想"整理"的时候，积压的笔记已经多到让人绝望。

第三阶段（2023–2024）：尝试了所有的"系统"

我试过的方法

Zettelkasten 失败之后，我开始到处找新的方法：

• PARA 方法（Project / Area / Resource / Archive）：Tiago Forte 的体系。我用了三个月，发现对技术知识来说，分类太死板，一个概念经常同时属于多个维度。
• LYT（Linked Your Thinking）：Nick Milo 的 MOC 体系。更灵活，但搭建 MOC 本身又是一项需要维护的工作。
• GTD + 笔记混合：把任务管理和知识管理合并。很快我发现两者的节奏完全不同，混在一起反而互相干扰。

每次换系统都有新鲜感，每次新鲜感过去之后都是同样的问题：维护成本超过了使用价值。

传统知识管理（PKM）社区——Tiago Forte 的"打造第二大脑"方法论和 Zettelkasten 方法的追随者——对这个问题有清醒的认知：传统 PKM 要求手动记笔记、手动建链接、手动复盘，这些最耗费精力的环节，始终是它的瓶颈。

我终于想明白了一件事

2024 年中，在又一次"大整理"徒劳无功之后，我坐在那里想了很久。

我意识到：这五年，我一直在解决错误的问题。

我以为问题是"用哪个系统"。但真正的问题是：维护一个知识系统，本身就是一种工作。而这种工作，和我真正想做的事情（学习、思考、创作）是竞争关系。

我不需要一个更好的系统。我需要一个不需要我维护的系统。

第四阶段（2024 末至今）：LLM Wiki Pattern，一个范式转变

2026 年 4 月，一条改变了很多人的推文

Andrej Karpathy 现在把更多 token 花在知识上而不是代码上。他分享了完整的工作流，用 LLM 从原始文档构建个人知识库。

这条信息传开之后，整个知识管理社区都在讨论它。

Karpathy 的核心思路：让 LLM 充当编译器，把原始文件增量地编译成一个持久化的 Markdown wiki，然后持续维护它。 与 RAG 的关键差异：RAG 在每次查询时都从原始文件重新推导答案，什么都不保留。LLM Wiki 让 LLM 把原始文件增量编译成一个持久化的 Markdown wiki，然后随时间维护它。差别在于时间——RAG 每次从零开始，wiki 持续复利。

这和 Zettelkasten 的本质区别是什么？

我研究了很久这个问题。

Zettelkasten 的理想是美好的：原子化笔记，链接取代分类，知识自然涌现。但它假设你愿意每次都认真做原子化、建链接、维护连接。

LLM Wiki Pattern 解决的，正是这个假设：

把"整理"这件事，从人的责任变成 AI 的责任。

你负责把原始资料扔进来，AI 负责原子化、建链接、检测矛盾、维护图谱。

知识的价值从来不在于来源材料本身，而在于你用它做了什么。

LLM Wiki Pattern 没有取消"做了什么"这一步——它取消的是"整理"这个中间层。

claude-obsidian 是我找到的最好实现

我试了几个基于这个思路的工具，最终选择了 claude-obsidian。

它建立在 Karpathy 的 LLM Wiki Pattern 之上，用 Claude Code 作为 agent，Obsidian 作为前端。

它支持多种方法论模式：v1.8 之后的 Methodology Modes 控制页面的组织方式：文件夹结构 + 文件命名规范。Vault Use Cases 描述 vault 的用途：内容类型。两者可以组合——比如使用 PARA 方法论的"商业"vault 是一种有效配置。

这意味着，如果你和我一样折腾过 Zettelkasten、PARA、LYT，你可以用自己熟悉的方法论框架，让 AI 来执行维护工作。

五年，三个阶段的核心差异

让我用一张表把这五年的演化说清楚：

最后一行是关键：前两个阶段的知识都没有真正复利，因为复利需要连接，而建立和维护连接需要成本，这个成本最终都把系统压垮了。

一个程序员的知识积累，真正需要什么？

回顾这五年，我认为程序员的知识积累需要满足四个条件，缺一不可：

条件 1：可持久——每次阅读的理解留下来

最差的状态：读了就忘，下次重读。 普通的状态：记了，但找不到。 好的状态：自动存储，随时可检索。

条件 2：可连接——孤立的知识没有价值

用你自己的语言写下，链接到你的其他思考，让连接随时间复利增长。

但要做到这一点，连接必须被自动建立——否则它只存在于理想状态。

条件 3：可追溯——结论必须能追溯到来源

社区最大的担忧：如何信任 AI 编译的知识？如果 LLM 对两个概念之间的连接产生了幻觉，这个错误的链接就会存在于你的 wiki 里，并可能影响未来的查询。 

共识是：永远把 wiki 文章链接回它们的 raw/ 来源，这样每个结论都可追溯。

这是 claude-obsidian 设计的核心原则之一——.raw/ 是不可修改的原始来源，每一条 wiki 页面里的结论都带着指向来源的链接。

条件 4：零维护成本——可持续

所有知识系统最终都死于维护成本。

Zettelkasten 的理念是对的，但它要求的纪律超出了大多数人在长期能维持的水平。

Karpathy 的方法自动化了最耗费精力的部分，同时保持人类参与策划和提问。

这才是让系统可持续的关键——不是让人更自律，而是把需要自律才能完成的事情交给 AI。

数据：我的 wiki 在 6 个月里长成了什么样

从 2025 年底开始用 claude-obsidian，到写这篇文章，6 个月时间：

最有价值的是57 个 synthesis 页——这些是 Claude 在读完多个来源之后，自动发现跨来源的联系并生成的对比分析页。这 57 个洞察，靠我自己，不知道要多少年才能想到。

给也踩过这些坑的程序员

如果你现在的笔记状态和我五年前一样，我想直接告诉你三件事：

第一件：不是你的问题，是工具的设计假设错了。

所有要求你高度自律去维护的系统，都默默假设你是卢曼那样的学者，有大量时间、有极强的自律性，把整理笔记当作核心工作。

大多数程序员不是这样的。大多数程序员的本职工作已经很忙了，知识管理只能用碎片时间来做。

一个需要整块时间和高度注意力才能维护的系统，注定不可持续。

第二件：Zettelkasten 的理念是对的，但执行层可以外包。

原子化、链接、矛盾检测——这些思想是正确的，是知识真正复利增长需要的东西。但执行这些事情的，不一定非得是你。

当我看到有工具把这个方法的维护工作交给 LLM 来做，我的第一反应是：这是天才还是蠢货？

用了半年，我的答案是：天才。

第三件：开始比完美更重要。

五年来我换了太多系统，每次都想"这次一定要搭好"。结果每次搭建系统的时间，比真正使用系统的时间还多。

现在的建议：今天就把你手头最近读过的一篇文章 ingest 进去。 不要想系统结构，不要想文件夹，不要想方法论。先 ingest，其他的事 Claude 来做。

最后：复利的本质

五年前，我以为"复利型知识库"的关键是记得足够多。

五年后，我明白了：

复利不来自积累的数量，而来自连接的质量。

一条孤立的笔记，无论写得多精彩，它的价值是固定的。一个和其他 50 个概念相互连接的 wiki 页面，每新增一个连接，它的价值就增长一点。

这才是真正的复利。

而建立和维护这些连接，终于不再需要我来做了。

wiki 是一个持久的、复利的产物。 这句话，用了五年的弯路，我才真正理解。

👇 如果你想继续跟着做：

关注「一只阿木木」，我们在 AI 时代一起构建自己的知识系统。