你是否曾讀過一篇文章覺得很重要，但兩週後卻想不起來在哪看過？或者辛苦存了書籤、截圖，一個月後打開卻不知從何看起？更常見的問題是，文章 A 和文章 B 提到了同一個概念，但因為存在不同地方，你根本沒發現它們的關聯。
最近 OpenAI 共同創辦人、前 Tesla AI 總監 Andrej Karpathy 在 X 上分享了解決這個問題的方法，在網路上引起廣大回響。他的作法很簡單：把文章丟給 AI，AI 讀完後自動整理成一個 Wiki 知識庫，包含總結、目錄以及相關概念的連結，全部以 Markdown 檔案的形式存在你的電腦裡。
這篇文章我想要演練「用 Claude Code 建立這套個人知識管理系統」，從環境建置到實際 ingest 文章，一步一步帶大家走過去。
開發環境
- Windows 11 Pro
- Obsidian，安裝可以參考上篇 透過 Graphify 建立專案知識庫 | 余小章 @ 大內殿堂 - 點部落
- AI Agent 這裡我用 Claude Code（需付費訂閱）
- Chrome 擴充功能：Obsidian Clipper
核心概念
在動手之前，先了解這套系統的架構，不然做到一半會不知道自己在幹嘛。
整個知識庫就是一個 Obsidian Vault，裡面有幾個核心元素：
- Raw（原始資料夾）：就像收件匣，文章、PDF 等素材先放這裡
- Wiki：AI 整理好的內容放這，每頁都有總結、標籤和連結
- Index（目錄）：Wiki 裡的關鍵導航，列出所有頁面與分類；AI 查詢時先看目錄，就算有幾百頁也能保持快速
- Log（日誌）：記錄 AI 的所有動作，方便追溯，也避免重複作業
- Claude.md：給 AI 看的操作手冊，定義了專案內容、資料整理和寫作規則（每次打開 Claude Code 它都會先讀這份檔案）
這套系統與傳統 RAG（Retrieval-Augmented Generation）最大的不同在於，它不需要將文章切塊、不需要向量資料庫和相似度搜尋，只靠 Markdown 檔案和目錄就能運作。
Karpathy 本人用這種方式整理了約 100 篇文章，原本以為會需要 RAG，但發現讓 LLM 自己維護目錄就夠了。只有存在本地端太危險了，這裡我選擇用 Obsidian + github 同步資料。
實作
Step 1：安裝工具
- 下載並安裝 Obsidian
scoop install obsidian - 依照官方教學安裝 Claude Code
- 在 Chrome 安裝並釘選 Obsidian Clipper 擴充功能
Step 2：建立 Vault 並初始化架構
打開 Obsidian，點擊「Create」建立新的 Vault，自訂名稱（這裡我用 DEMO），並選擇儲存路徑。
接著開啟終端機，切換到剛建立的資料夾路徑，輸入 claude 啟動 Claude Code：
mkdir ~/Documents/DEMO
cd ~/Documents/DEMO
claude
前往 Karpathy 在 GitHub Gist上提供的提示詞
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
根據上述連結，建立整個知識庫架構並說明我接下來要怎麼使用
確認 AI 建立的計劃書是否可行
確定可以，繼續往下
NOTE：claude.md 是整個系統的靈魂，AI 每次啟動都會先讀它，所以架構若有自訂需求，修改這裡就對了。
Step 3：用 Obsidian Clipper 收集文章
- 在瀏覽器開啟你想收集的文章
- 點擊右上角的 Obsidian Clipper 擴充功能
- 將儲存的資料夾（Folder）欄位改為 Raw
- 點擊「Add to Obsidian」
Step 4：讓 AI 消化文章（Ingest）
確認文章都進入 Raw 資料夾後，回到 Claude Code 下達指令：
Raw 資料夾裡有新文章，消化（ingest）它們
AI 接著會自動：
- 讀取 Raw 資料夾裡的文章內容
- 拆解概念（Concepts）與實體人物（Entity）
- 在 Wiki 資料夾建立對應頁面，並加上總結、標籤
- 為不同頁面之間建立雙向連結
- 更新 Index 總目錄與 Log 日誌
Step 5：查看成果
處理完成後，回到 Obsidian：
- Graph view（關聯圖）：可以看到 AI 自動為不同文章建立的共同節點
- Wiki 資料夾：內容已分類為 Concepts / Entity / Source 三種頁面，彼此互相連結
進階應用
建立好知識庫後，還可以這樣用：
- 跨文章提問：直接問 AI「這兩篇文章的共同觀點是什麼」，它會綜合所有 Wiki 頁面回答
- 找出知識漏洞（Knowledge Gaps）：請 AI 告訴你哪些領域內容太薄弱，建議補充哪類文章
- 自動補充資料（進階）：讓 AI 執行搜尋，抓取外部資料來填補漏洞
NOTE：每次向 AI 提問，你可以把它的回答存回 Wiki，讓知識庫隨著使用越來越豐富。這是 Karpathy 特別強調的一點。
心得
優點：
- 設定簡單，幾乎不需要自己維護
- 不需要向量資料庫，純 Markdown 就能運作
- 知識會自動建立跨文章連結，發現過去看不到的關聯
缺點：
- Claude Code 需要付費
- 處理 30 篇文章需要等 10～15 分鐘
- 有規模限制，約 100 篇文章是最佳狀態；若要處理幾萬份文件，還是需要真正的 RAG 系統
- 知識庫越大，每次查詢讀取目錄與頁面的 Token 成本也會增加
如果你有興趣，可以先丟兩三篇文章進去試試看，感受一下。
若有謬誤，煩請告知，新手發帖請多包涵
Microsoft MVP Award 2010~2017 C# 第四季
Microsoft MVP Award 2018~2025 .NET
