上周 AI 领域的大神 Andrej Karpathy 在 X 上发了一篇热度很高的推文，分享他利用 LLM 管理个人知识库的新方式：

这个方法很简单：你只需要负责收集原始资料和提出问题，剩下的组织、整理、维护等繁琐工作，全部交给 LLM。他的工作流是这样的：将所有原始文档丢进一个名为 raw 的目录，然后驱动大模型将这些杂乱的文件“编译”成结构化的 Wiki（.md 格式）。在这个过程中，模型会自动抽取每篇文档的摘要、生成标签，并建立文档间相关性的双向链接。

最关键的一点是：你不再需要像以前一样手动维护、编辑、打标签，一切由模型编写和维护。

当 Wiki 积累到一定规模（比如 100 篇文章、40 万字）时，你可以向它询问各种复杂问题，大模型会通过主动搜索Agentic Search的方式翻阅答案。它还能定期运行健康检查，发现内容中不一致的地方，并提示你哪些领域需要补充新文章。

这里需要指出的一点是，这种模式与我们此前熟悉的 RAG（检索增强生成）有本质区别。比如像腾讯的ima，虽然它也能帮你囤材料，但受限于它本身模型的能力和仅依靠 RAG 的模糊向量检索，有时候连找对信息都很难，就很难真正挖掘出高价值信息。

而现在的 Agentic 大模型具备了主动搜索、定期扫描、自我维护、主动修正的能力。我自己从25年开始把本地知识库架设在Cursor、Claude Code到我们自己的产品YouNavi上，已经能深刻感受到 Karpathy 这套方法的魅力了。

既然好用，何不共享？

我一直在想：除了自己用得爽，这个基于新范式构建的知识库，能不能开放给更多人？虽然没有 Karpathy 那样的影响力，但我能做一些更最实在的事： 把我个人积累和维护了大半年的AI访谈知识库完全开放给大家。

我把它命名为：“YouNavi AI Knowledge Base”。

这个知识库里都有什么？

它主要包含这些内容：

  • AI 智识录（我个人维护的Podcast）：这是我学习 AI 过程中收录的AI行业经典智识的播客合集。包括 Karpathy、Demis Hassabis 等顶尖AI大神的深度访谈，大模型发展各个关键节点的论文解读（从早期的 CoT、ReAct，到 DeepSeek 的 MoE，再到近期 Kimi 的 Attention Residuals 和 Google 的 KV 压缩算法 TurboQuant 等）。

  • Agent 与工程实践：包含大量来自 Claude Code 、OpenClaw、Manus等团队开发者的一手分享，关于上下文工程（Context Engineering）和框架工程（Harness Engineering）的实践心得。

  • 行业趋势与圆桌对话：收录了国内如姚顺雨、林俊旸、唐杰等的 AGI Next 圆桌；杨植麟、罗福莉、张鹏等人在中关村论坛的深度对谈。内容涵盖了对 Scaling Law、OpenClaw、CLI 等模型和Agent工程发展趋势的专家解读。

  • 产品与创投视角：优秀 AI 应用开发者在产品设计、增长、出海、硬件方面的实战经验，以及年度/季度的 AI 投资趋势总结。

为了方便 Agent 阅读，我帮大家完成了一次模态转换： 将所有的播客、演讲音频统一整理成了Agent更友好的 .txt 格式，并遵循 Karpathy 的方法，由大模型自动进行了分类和摘要、标签。

分享在哪？

关于这个问题我倒是想了很久，最后发现与其放在传统的网盘里，可能对 Agent 最友好的知识库形态是可以克隆到本地的 GitHub 仓库。

这是各类 Agent 工具（如 Claude Code, OpenClaw ，Codex等）最熟悉的“栖息地”。你可以直接在终端运行下面的克隆命令，将整个知识库下载到本地：

git clone https://github.com/ray11081988/Younavi-AI-Knowledge-Base.git

也可以把 https://github.com/ray11081988/Younavi-AI-Knowledge-Base.git 这个地址发给你的小龙虾或CC，让它帮你克隆到本地。

我也特别推荐你配合 YouNavi 的文件夹同步功能来使用这个知识库。 这样，在需要深度分析或决策时，就可以随时调用这些经过沉淀的全球 AI 智慧。

未来，我们将把这个仓库作为 YouNavi 主创团队和朋友们的开放知识空间。会不定期把一些有价值的AI行业分享、甚至是一些闭门会议的内容放进去。

如果你觉得这个库对你有价值，也欢迎帮我点个 Star（🌟）。