字节笔记本
2026年10月24日 · 约 5 分钟读完
把 18 篇文章喂给 Claude，编译出一座第二大脑
让 AI 帮你维护一个知识库，这个玩法最近在社区里流行起来，常被追溯到 Karpathy 的"LLM Wiki"提法：笔记不再手写目录，而是让模型来编译维护。我拿 18 篇文章做了一个实验，本文记录这座库长什么样、两轮编译各发生了什么。
这个库长什么样
整个 vault 就四件东西，各司其职：
| 位置 | 职责 |
|---|---|
| raw/ | 18 篇原文笔记，只进不改，是唯一事实来源 |
| wiki/ | 14 页概念页，由 raw 编译而来，互相反链 |
| log.md | 追加式变更记录，vault 的"记忆" |
| index.md | 全库索引：概念地图 + 反链热力图 |
关键纪律只有一条：raw 只进不改。wiki 页可以随时重编，但原始材料的观点和出处永远可回溯。
两轮编译发生了什么
v1（首次编译）：从 6 篇 raw（约 4.3 万字）编出 7 个概念页加 index，48 条反链把 6 篇独立文章织成了网络。当时记下的判断是：三个枢纽节点浮现，AI-Agent、Claude Code 最佳实践、Anthropic 8 趋势。
v2（全量增量编译）：raw 从 6 篇扩到 18 篇，重跑一次全量编译。新建 7 页（安全合规、模型生态、第二大脑、工具矩阵、Prompt 纪律、Agent-OS、循环工程），更新原有 7 页，重写 index。反链数从 48 条涨到 90+ 条：页面数翻倍，反链数近翻倍，说明新页面不是孤立节点，而是深度织入了现有网络。
log.md 每次操作追加一条，格式固定：做了什么、影响了哪些页面、关键发现、待办的开放问题、下次会话提示。这份 log 就是跨会话接力的关键，下一次编译不用从头理解整个库。
编译出来的知识网络
index 里最直观的是反链热力图：
| 页面 | 被引 |
|---|---|
| AI-Agent | 9 个页面引用 |
| Anthropic-8-趋势报告 | 7 |
| Claude-Code-最佳实践 | 6 |
| Skill（技能）/ 标准六步法 | 各 5 |
| Loop（循环）/ 第二大脑 / 上下文管理 | 各 4 |
编译才看得见的洞察
这是整个实验里最有价值的部分：有些结构，写文章时是隐性的，编译后才显形。
- 三条主线浮现。18 篇文章自然聚成三条线：「Agent 怎么用对」（趋势报告 → AI-Agent → 最佳实践 → 六步法/上下文/Prompt 纪律）、「让 Agent 重复干」（Loop ↔ 循环工程 → Skill → 工具矩阵）、「治理与基础设施」（安全合规 ↔ 模型生态 → Agent-OS → 第二大脑）。
- 元循环形成。wiki 里的"第二大脑"这一页，描述的正是这个 wiki 自己在用的方法，既是内容又是方法的元注释。这种自指结构是知识库成熟的标志。
- 横向对比价值浮现。AnyDoor、senda、video-use 等 8 个工具在原文里各聊各的，编译成一个矩阵页之后才发现它们共享同一组哲学：整合对抗碎片化、开源对抗订阅制、配置即文件。
想复刻的话
方法本身可以抄：
- raw/ 收集原文，只进不改
- 每来新文章做一次增量编译，不重编全库
- log.md 只追加，记录"做了什么、影响哪些页、下次从哪继续"
- 每次编译重建 index 的反链热力图
- 定期检查被引 ≤ 2 的页面，它们是合并或重写的候选
- wiki 页里的每个事实性结论，引用前回 raw 核对
诚实的边界
- wiki 页是二手编译，观点归原作者；它适合做导航和复习，不适合直接引用
- 编译质量取决于当次会话的上下文，跨会话一致性全靠 log.md 接力
- 这只是 demo 规模（18 篇）；到几百篇时检索策略要换。vault 自己的待办清单里就写着："上下文管理"页可能需要拆分，context rot 和对策是两个子话题
站内已有几篇和这个库直接相关的展开：4 种循环把开发外包给 Claude Code 对应库里的"循环工程"页，Anthropic 报告的 8 个趋势 对应"Anthropic-8-趋势报告"页。
本文素材来自一个真实运行的知识库 vault（raw/ 18 篇、wiki/ 14 页、两轮编译的 log 记录）。文中全部数字（反链数、被引次数、页面清单）均来自该库的 index 与 log 文件。
