---
description: "Codex 与 LLM Wiki 案例，说明如何在 Obsidian 中搭建 AI 知识库、整理目录、引用和更新流程。"
---

::: tip 最后核对
公开资料最后核对日期：2026-06-29。本文参考 Andrej Karpathy 的 [LLM Wiki gist](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)、[Obsidian](https://obsidian.md/) 与 [Codex CLI features](https://developers.openai.com/codex/cli/features)。知识库结构、插件安装和外部资料抓取方式请以原项目与当前工具版本为准。
:::

# Codex × LLM Wiki：在 Obsidian 中搭建 AI 知识库

大部分人使用大模型处理文档都停留在 **RAG 模式**（检索增强生成，Retrieval-Augmented Generation）。这是当前 AI 行业最主流的知识管理范式：上传文件，提问时系统检索相关片段，让大模型基于这些片段生成回答。NotebookLM、ChatGPT 的文件上传，以及几乎所有的企业级知识库走的都是这条路。

前段时间，AI 领域的著名研究者 **Andrej Karpathy** 提出了一个新想法。他认为 RAG 的主要问题在于：**每一次提问，模型都要从零开始重新发现知识**。如果你问了一个需要综合五篇文档的问题，RAG 会检索、拼接、生成；如果你明天再问同样的问题，它会重复整个过程，没有任何积累，也没有任何记忆。本来可以建立关联的知识，却在一次又一次的反复查询中被浪费掉了。

Karpathy 给出的解决方案是 **LLM Wiki**。他描述的系统分为三层：

1. **原始资料层** — 负责收集论文、文章、播客、网页等素材。大模型对这一层只读不改。
2. **Wiki 层** — 大模型拥有这一层的完整所有权。它负责编写 Markdown 文件、目录、摘要、实体概念、比较分析和综述，创建页面、更新页面，并维护交叉引用。我们只需要负责阅读。
3. **Schema 层** — 一个配置文件，例如对于 Codex 来说就是 `AGENTS.md`，对于 Cursor 来说就是 `.cursorrules`。告诉大模型这个 Wiki 的结构规范、命名约定和工作流程，并在使用过程中共同迭代这份文件。

![llm-wiki-concept-diagram](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-concept-diagram.png)

本篇介绍如何参考 Karpathy 的理念，在 Obsidian 里借助 Codex 搭建一套 LLM Wiki 知识库。

---

## 1. 参考 Karpathy 的 GitHub 仓库

首先找到 Karpathy 分享的 LLM Wiki 原始设计文档，了解他的设计理念：

[https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)

---

## 2. 在 Obsidian 里创建 Wiki 仓库

在本地新建一个 Obsidian 仓库，然后把以下提示词发给 Codex：

```
你现在是我的 LLM Wiki Agent。
把下面这份 idea 文件原样落地，作为我完整的第二大脑，一步一步地执行，
创建拥有完整规则的系统。落地过程严格参考以下 GitHub 仓库的内容：
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
```

Codex 会根据内容帮你创建一套符合 LLM Wiki 理念的本地知识库结构：

![llm-wiki-codex-create-vault-command](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-codex-create-vault-command.png)

创建完成后，仓库里会生成以下文件和文件夹：

- `concept/`
- `raw/`
- `logs/`
- `wiki/`
- `AGENTS.md`
- `log`

这些都符合 Karpathy 描述的 LLM Wiki 架构。

---

## 3. 如何使用

### 安装 Obsidian Web Clipper

首先安装浏览器插件 **Obsidian Web Clipper**。它的作用是将浏览器中的文章、视频、网页内容自动提取并下载到本地仓库，方便让 Codex 进行处理和拆分。

![llm-wiki-obsidian-web-clipper-search](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-obsidian-web-clipper-search.png)

### 抓取文章到 raw 文件夹

找一篇想纳入知识库的文章，用插件将其保存到仓库里的 `raw/` 文件夹（在 Karpathy 的理念中，`raw/` 专门存放原始素材）。点击"添加到 Obsidian"即可。

![llm-wiki-clip-article-to-raw](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-clip-article-to-raw.png)

### 让 Codex 完成入库

打开 Obsidian，让 Codex 读取这篇文章：

![llm-wiki-codex-import-article-prompt](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-codex-import-article-prompt.png)

Codex 会自动阅读内容，按照 LLM Wiki 的理念进行拆分，新增摘要、实体、关联引用等页面。完成后，它会告诉你具体新增了哪些内容，这篇文章就正式入库了。

![llm-wiki-codex-generated-pages](https://cdn.canghecode.com/codexguide/docs/images/llm-wiki-codex-generated-pages.png)

### 持续迭代

后续想研究同一主题的更多内容，重复以下流程即可：

1. 用 **Obsidian Web Clipper** 把新文章保存到 `raw/`
2. 让 Codex 将其拆分成多个 Wiki 页面，并更新相关文件的交叉引用
3. 随着内容积累，知识之间的关联会越来越清晰，形成真正结构化的第二大脑

---

## 参考来源

本文的操作思路参考了以下 B 站创作者的视频内容，感谢原作者的分享：

- 📺 **Codex 实践 LLM Wiki 知识库搭建教程**  
  来源：哔哩哔哩  
  链接：[https://www.bilibili.com/video/BV1y19hBhEMT/](https://www.bilibili.com/video/BV1y19hBhEMT/)

> 本文截图均为作者本人实际操作所得，文字内容在参考基础上进行了重新整理与二次创作。如有侵权，请联系删除。