日常学习、写技术笔记你是不是总遇到这些难题笔记越堆越多知识点零散不成体系。想复盘旧内容翻半天找不到关联信息。手动整理分类、加双向链接耗费大量时间。修改历史笔记还容易打乱原有知识脉络。今天就带大家上手一套Obsidian Karpathy llm.wiki Clandian(Claude)组合方案。全程实战落地不用复杂开发。看完你将学会搭建纯本地增量知识库、AI自动关联新旧笔记、遵循增量原则高效沉淀知识从此告别碎片化笔记实现上述图片中的神经网络知识库。一、先搞懂什么是增量式知识库传统笔记习惯反复修改、删除旧内容。时间久了知识溯源断裂历史思路全部丢失。增量式知识库核心只有三条准则只增不改历史笔记永久保留不删除、不篡改独立存档每条新笔记独立创建按规范命名AI联动新增内容自动匹配旧笔记生成关联链接这套理念来自 AI 大佬 Karpathy 开源的llm.wiki模板天生适配大模型辅助笔记场景。二、核心工具介绍整套方案由三款工具组成各司其职全部免费可用。1. Obsidian主流本地笔记工具也是整套知识库的载体。纯本地存储数据安全无云端泄露风险原生支持双向链接、图谱视图直观查看知识网络插件生态强大扩展性拉满适配各类 AI 插件2. Karpathy llm.wiki这是大佬akrpathy开源增量笔记模板利用80多行自然语义创建核心wiki是整套方案的规则核心。基于 Markdown 编写零学习成本内置增量命名、目录规范强制遵循「只增不改」结构极简开箱即用完美搭配 LLM 使用3. ClandianObsidian 专用 Claude 插件充当知识库的AI大脑。直接在笔记内调用 Claude 大模型无需切换软件支持内容总结、知识点关联、补充延伸内容可自定义固定 Prompt适配增量笔记专属场景三、分步实战从零搭建完整环境步骤1安装并初始化 Obsidian前往官网下载 Obsidian完成安装免费版足够日常使用新建空白仓库自定义名称例如Incremental-Knowledge-Wiki打开仓库进入主界面等待初始化完成步骤2导入 llm.wiki 增量模板模板决定笔记规范直接克隆官方仓库即可。打开终端执行以下命令gitclone https://github.com/karpathy/llm.wiki.git进入克隆后的llm.wiki文件夹复制里面所有文件将文件粘贴到刚才创建的 Obsidian 仓库根目录刷新 Obsidian模板目录、基础配置自动加载完成踩坑提醒不要修改模板原有目录结构否则会破坏增量命名、文件索引规则。步骤3安装 配置 Clandian 插件这一步是实现 AI 自动关联的关键。打开 Obsidian 设置 → 第三方插件关闭安全模式打开社区插件市场搜索Clandian点击安装并启用插件配置页填入你的Claude API Key模型选择Claude 3.5 Sonnet响应速度与效果最优踩坑提醒API Key 务必妥善保管不要外泄免费额度足够个人日常记笔记使用。如果有找不到 karpathy大佬开源的源码,可以到llm-wiki 测试 — Guwen-yue/llm-wiki: 测试步骤4配置专属增量笔记 Prompt给 Clandian 设置固定指令让 AI 严格遵循增量规则。在插件自定义 Prompt 区域粘贴下方内容你是增量知识库专属助手基于 Karpathy llm.wiki 规范工作严格遵守规则 1. 只增不改绝不修改、删除已有笔记内容仅做新增补充 2. 智能关联检索库内历史笔记使用 [[笔记名]] 格式添加双向链接 3. 内容归纳提炼核心观点、补充延伸知识点 固定输出格式 ### 核心总结 一句话概括当前笔记重点 ### 关联旧知识 [[关联笔记1]]、[[关联笔记2]] ### 延伸补充 拓展知识点、实操注意事项、补充细节保存配置整套环境搭建完毕。四、实战演示新增一条增量笔记接下来完整演示从新建笔记 → AI 关联 → 知识沉淀的全流程。场景新增技术笔记大模型 Prompt 设计五大原则1. 按照规范新建笔记遵循 llm.wiki 命名规则日期-笔记标题.md示例名称20260531-大模型Prompt设计核心原则.md写入原始笔记内容Prompt 设计五大核心原则 1. 指令清晰具体不给模型猜测空间 2. 严格约束输出格式优先使用JSON 3. 少样本提示搭配1-3个示例对齐需求 4. 合理选择LLM接口区分单轮/多轮对话 5. 降低幻觉限定数据源与随机性参数2. 调用 AI 自动处理全选笔记内容点击 Clandian 插件执行生成。AI 会按照预设 Prompt自动生成内容### 核心总结 本文总结了大模型Prompt设计五大原则从指令、格式、示例、接口、防幻觉五个维度规范使用方式。 ### 关联旧知识 [[20260520-吴恩达Prompt学习笔记]]、[[20260515-LLM接口调用规则]] ### 延伸补充 1. 格式约束建议写明字段含义、数据类型减少返工 2. 少样本示例控制在1-3个避免消耗过多Token 3. 可设置temperature0有效降低模型随机编造问题3. 追加内容完成增量更新点击插入AI 内容直接追加在笔记末尾。整个过程没有改动原始文字完全符合增量规则。同时双向链接自动生效在图谱视图中能直观看到新旧笔记的关联关系。五、这套方案的核心优势知识永久留存所有历史笔记不删不改完整保留学习轨迹复盘更轻松。大幅降低整理成本AI 自动总结、加链接、补内容告别手动整理。知识网络化依靠 Obsidian 双向链接 AI 关联零散知识点连成体系。纯本地安全数据全部存在本地硬盘不用担心笔记丢失、隐私泄露。更好的关联性数据之间相互关联能通过关系图标实现知识之间像神经网络一般更好的梳理知识之间的关系六、总结从传统随手记笔记到规范的增量式知识库本质是改变知识沉淀的思路。借助Obsidian llm.wiki Clandian组合依托 llm.wiki 建立增量规则守住「只增不改」底线利用 Obsidian 打造本地知识底座玩转双向链接通过 Clandian 调用 Claude让 AI 辅助笔记迭代整套方案上手简单、落地性强不管是技术学习、读书笔记、工作文档都能适配。文中用到的 llm.wiki 模板地址[Guwen-yue/llm-wiki: 基于karpathy 的增量式知识图谱]如果对你有帮助的话别忘了给我来点star支持一下哟~~
知识越记越乱？obsidian + claude快速搭建增量式知识库，实现笔记自动关联
日常学习、写技术笔记你是不是总遇到这些难题笔记越堆越多知识点零散不成体系。想复盘旧内容翻半天找不到关联信息。手动整理分类、加双向链接耗费大量时间。修改历史笔记还容易打乱原有知识脉络。今天就带大家上手一套Obsidian Karpathy llm.wiki Clandian(Claude)组合方案。全程实战落地不用复杂开发。看完你将学会搭建纯本地增量知识库、AI自动关联新旧笔记、遵循增量原则高效沉淀知识从此告别碎片化笔记实现上述图片中的神经网络知识库。一、先搞懂什么是增量式知识库传统笔记习惯反复修改、删除旧内容。时间久了知识溯源断裂历史思路全部丢失。增量式知识库核心只有三条准则只增不改历史笔记永久保留不删除、不篡改独立存档每条新笔记独立创建按规范命名AI联动新增内容自动匹配旧笔记生成关联链接这套理念来自 AI 大佬 Karpathy 开源的llm.wiki模板天生适配大模型辅助笔记场景。二、核心工具介绍整套方案由三款工具组成各司其职全部免费可用。1. Obsidian主流本地笔记工具也是整套知识库的载体。纯本地存储数据安全无云端泄露风险原生支持双向链接、图谱视图直观查看知识网络插件生态强大扩展性拉满适配各类 AI 插件2. Karpathy llm.wiki这是大佬akrpathy开源增量笔记模板利用80多行自然语义创建核心wiki是整套方案的规则核心。基于 Markdown 编写零学习成本内置增量命名、目录规范强制遵循「只增不改」结构极简开箱即用完美搭配 LLM 使用3. ClandianObsidian 专用 Claude 插件充当知识库的AI大脑。直接在笔记内调用 Claude 大模型无需切换软件支持内容总结、知识点关联、补充延伸内容可自定义固定 Prompt适配增量笔记专属场景三、分步实战从零搭建完整环境步骤1安装并初始化 Obsidian前往官网下载 Obsidian完成安装免费版足够日常使用新建空白仓库自定义名称例如Incremental-Knowledge-Wiki打开仓库进入主界面等待初始化完成步骤2导入 llm.wiki 增量模板模板决定笔记规范直接克隆官方仓库即可。打开终端执行以下命令gitclone https://github.com/karpathy/llm.wiki.git进入克隆后的llm.wiki文件夹复制里面所有文件将文件粘贴到刚才创建的 Obsidian 仓库根目录刷新 Obsidian模板目录、基础配置自动加载完成踩坑提醒不要修改模板原有目录结构否则会破坏增量命名、文件索引规则。步骤3安装 配置 Clandian 插件这一步是实现 AI 自动关联的关键。打开 Obsidian 设置 → 第三方插件关闭安全模式打开社区插件市场搜索Clandian点击安装并启用插件配置页填入你的Claude API Key模型选择Claude 3.5 Sonnet响应速度与效果最优踩坑提醒API Key 务必妥善保管不要外泄免费额度足够个人日常记笔记使用。如果有找不到 karpathy大佬开源的源码,可以到llm-wiki 测试 — Guwen-yue/llm-wiki: 测试步骤4配置专属增量笔记 Prompt给 Clandian 设置固定指令让 AI 严格遵循增量规则。在插件自定义 Prompt 区域粘贴下方内容你是增量知识库专属助手基于 Karpathy llm.wiki 规范工作严格遵守规则 1. 只增不改绝不修改、删除已有笔记内容仅做新增补充 2. 智能关联检索库内历史笔记使用 [[笔记名]] 格式添加双向链接 3. 内容归纳提炼核心观点、补充延伸知识点 固定输出格式 ### 核心总结 一句话概括当前笔记重点 ### 关联旧知识 [[关联笔记1]]、[[关联笔记2]] ### 延伸补充 拓展知识点、实操注意事项、补充细节保存配置整套环境搭建完毕。四、实战演示新增一条增量笔记接下来完整演示从新建笔记 → AI 关联 → 知识沉淀的全流程。场景新增技术笔记大模型 Prompt 设计五大原则1. 按照规范新建笔记遵循 llm.wiki 命名规则日期-笔记标题.md示例名称20260531-大模型Prompt设计核心原则.md写入原始笔记内容Prompt 设计五大核心原则 1. 指令清晰具体不给模型猜测空间 2. 严格约束输出格式优先使用JSON 3. 少样本提示搭配1-3个示例对齐需求 4. 合理选择LLM接口区分单轮/多轮对话 5. 降低幻觉限定数据源与随机性参数2. 调用 AI 自动处理全选笔记内容点击 Clandian 插件执行生成。AI 会按照预设 Prompt自动生成内容### 核心总结 本文总结了大模型Prompt设计五大原则从指令、格式、示例、接口、防幻觉五个维度规范使用方式。 ### 关联旧知识 [[20260520-吴恩达Prompt学习笔记]]、[[20260515-LLM接口调用规则]] ### 延伸补充 1. 格式约束建议写明字段含义、数据类型减少返工 2. 少样本示例控制在1-3个避免消耗过多Token 3. 可设置temperature0有效降低模型随机编造问题3. 追加内容完成增量更新点击插入AI 内容直接追加在笔记末尾。整个过程没有改动原始文字完全符合增量规则。同时双向链接自动生效在图谱视图中能直观看到新旧笔记的关联关系。五、这套方案的核心优势知识永久留存所有历史笔记不删不改完整保留学习轨迹复盘更轻松。大幅降低整理成本AI 自动总结、加链接、补内容告别手动整理。知识网络化依靠 Obsidian 双向链接 AI 关联零散知识点连成体系。纯本地安全数据全部存在本地硬盘不用担心笔记丢失、隐私泄露。更好的关联性数据之间相互关联能通过关系图标实现知识之间像神经网络一般更好的梳理知识之间的关系六、总结从传统随手记笔记到规范的增量式知识库本质是改变知识沉淀的思路。借助Obsidian llm.wiki Clandian组合依托 llm.wiki 建立增量规则守住「只增不改」底线利用 Obsidian 打造本地知识底座玩转双向链接通过 Clandian 调用 Claude让 AI 辅助笔记迭代整套方案上手简单、落地性强不管是技术学习、读书笔记、工作文档都能适配。文中用到的 llm.wiki 模板地址[Guwen-yue/llm-wiki: 基于karpathy 的增量式知识图谱]如果对你有帮助的话别忘了给我来点star支持一下哟~~
