makerskills second-brain:用Karpathy LLM Wiki方法搭建个人知识库完整教程
makerskills second-brain:用Karpathy LLM Wiki方法搭建个人知识库完整教程
makerskills second-brain 是基于 Karpathy LLM Wiki 方法实现的个人知识库(Second Brain)工作流技能,它让 AI 助手接管你的 Obsidian 或任意 Markdown 笔记库,完成「捕捉 → 编译 → 查询 → 体检」的全流程,把零散收藏变成一张互相链接的知识网络。
本教程适合新手,带你从零搭建一个越用越聪明的个人知识库。📚
一、什么是 makerskills second-brain?
在 makerskills 这个 AI 技能集合(支持 Claude Code、Codex、Cursor 等)中,second-brain 是知识管理领域的核心技能之一,被其他 48 处技能上下文引用。它的核心思想来自 Karpathy 的 LLM Wiki 方法:
不要让 AI 只"回答你的问题",而是让它持续维护一份属于你自己的 Wiki 知识库——AI 负责整理、链接、更新,人负责判断和提问。
与 deep-research(向外搜集资料)不同,second-brain 管理的是你的内部语料库:你读过、看过、想过的所有东西。
二、三层文件夹结构:raw → wiki → outputs
整个知识库只有三层结构,各负其责:
| 层级 | 文件夹 | 角色 | 说明 |
|---|---|---|---|
| 1️⃣ 原料层 | raw/ |
未处理的原始素材 | 文章、高亮、想法、脑暴、推文。按类型前缀命名(article-、idea-、highlights-、tweet- 等),永不删除,它是事实来源 |
| 2️⃣ 知识层 | wiki/ |
AI 编译的主题页 | 一个概念一页(而不是一个来源一页),用 [[wikilinks]] 互相链接,根目录有 INDEX.md 总索引 |
| 3️⃣ 产出层 | outputs/ |
生成的成品 | 查询答案、研究简报、分析文档,命名带日期 |
raw/ → wiki/ → outputs/
sources compiled generated
完整目录规范见 skills/second-brain/references/schema.md,库路径配置见 skills/second-brain/references/vault-config.md。
💡 设计哲学:捕捉要快,编译要慢。随手丢进
raw/不心疼;wiki/里的每一页都经过 AI 提炼和链接,质量 > 数量。
三、安装与配置:5分钟搭建你的知识库
第 1 步:安装 makerskills 插件
在 Claude Code 中执行:
/plugin marketplace add coreyhaines31/makerskills
/plugin install makerskills@makerskills
或者克隆到本地后软链接(clone 地址:https://gitcode.com/gh_mirrors/mak/makerskills):
git clone https://gitcode.com/gh_mirrors/mak/makerskills ~/code/makerskills
ln -s ~/code/makerskills ~/.claude/plugins/makerskills
第 2 步:设置知识库路径环境变量
在 ~/.zshenv(或 ~/.bashrc)中添加,详见 INSTALL.md:
export MAKERSKILLS_CONFIG="$HOME/.config/makerskills"
export SECOND_BRAIN_VAULT="$HOME/Documents/SecondBrain"
第 3 步:准备你的 Vault
second-brain 默认对接 Obsidian,但任何 Markdown 目录都行。在 Vault 根目录放一份 schema 文档(CLAUDE.md 或 AGENTS.md)——它会被视为权威规范,优先级高于技能内置的 references/schema.md。
创建三个核心文件夹即可开工:
mkdir -p ~/Documents/SecondBrain/{raw,wiki,outputs}
四、六大使用模式:你的知识库会"自己生长"
技能支持 6 种模式,用自然语言或斜杠命令触发(模式解析表见 skills/second-brain/SKILL.md):
1. capture(捕捉):3 秒存档
/sb capture
丢给它一个 URL、粘贴的文本、截图或文件路径即可。它会自动识别类型(文章 → article-、高亮 → highlights-、脑暴 → braindump-),生成描述性文件名,加上来源元数据后存入 raw/。如果是 URL,还会抓取正文可读文本——只存链接不够,内容本身才留得下。原始素材模板见 references/templates/raw.md。
2. compile(编译):把原料炼成知识
/sb compile
这是最有价值的一步:AI 找出所有未处理的 raw 文件,提取概念与洞察,合并进已有的 wiki 页面(主题重叠时绝不重复建页),用 <a href="https://link.gitcode.com/i/4053a35753bd81ef0f605c0858eed77c" target="_blank">[wikilinks]] 链接相关概念,并在页面 ## Sources 中注明引用来源,最后更新 INDEX.md。Wiki 页面格式参考 [references/templates/wiki.md:
# Topic Name
(2-3 句摘要)
## Key Concepts
## Details
## Connections ← 必填,至少链接 1 个页面
## Sources ← 注明每条引用自哪个 raw 文件
3. query(查询):问自己的大脑
/sb query 我关于习惯养成的所有结论是什么?
它只基于你的 wiki/raw 语料作答,引用具体页面(如 "Per [[Habit Formation]]..."),若知识库里有矛盾观点会两边都摆出来,答案自动存档到 outputs/。查不到时会主动建议用 /deep-research 向外补充。
4. lint(体检):知识库的健康检查
/sb lint
一键检查 7 类问题:孤儿页面、无链接页面、未编译的 raw、过期页面(AI/营销/健康等易变主题超 6 个月)、主题缺口(被 3+ 页面提及却没有独立页面)、矛盾观点、缺失的连接——按优先级排序输出。
5. connect(连接):发现知识之间的暗线
/sb connect
从索引和页面摘要构建主题地图,为每个页面找出 2-5 个主题重叠的候选页,建议缺失的 [[wikilinks]]——知识网络的价值恰恰藏在这些"本来可以连起来"的页面里。
6. search(搜索):快速定位
/sb search 微塑料
直接 grep wiki/ + raw/,返回匹配文件和 2 行摘录。知道要找什么时,比 query 更快。
五、新手必知的质量守则
技能文档中明确了几条铁律(见 skills/second-brain/SKILL.md),它们决定知识库会不会退化成一堆垃圾:
- ✅ 一个概念一页,不是一篇文章一页
- ✅ Connections 章节必填——孤立的页面没有网络价值
- ✅ 永不删除 raw 文件——它们是事实来源
- ✅ 保留矛盾,不压平细节——两个来源冲突时,Wiki 页应记录分歧而不是悄悄选边
- 🚫 不要动
Projects/、Daily/、Inbox/、Templates/等目录——它们属于其他工作流
六、组合使用:second-brain 是插件的"中枢"
second-brain 不是孤岛,它与整个 makerskills 生态深度协作:
| 组合技能 | 玩法 |
|---|---|
deep-research |
query 发现缺口 → 向外研究 → 结果存回 raw/ 待编译 |
read-book |
读书高亮 → 编译进 wiki |
watch-video |
视频摘要 → 存入 raw/ |
decide |
从 Personal Philosophy 页调取原则辅助决策 |
jab-hook |
从 Content Ideas 页取选题灵感 |
完整依赖图见 README.md 的 "Skills compose" 章节,架构心智模型见 ARCHITECTURE.md。
七、进阶:Git 多端同步
如果你的 Vault 托管在 git 远端,它就成了云端 Agent 的捕捉 API——任何能访问仓库的定时任务、云 Agent 都能向 raw/ 追加素材。纪律三条:
- 本地会话开工前先
git pull --rebase --autostash - Obsidian 用户装 Git 社区插件,开自动 pull,关闭 auto-commit/push
- 远端 Agent 只追加新文件(append-mostly),冲突极少
常见问题 FAQ
Q:我的 Vault 换了结构怎么办?
更新 Vault 里的 CLAUDE.md/AGENTS.md 即可——技能每次启动都会优先读取它,无需改技能本身。
Q:second-brain 和 company-brain 什么区别?
second-brain 是个人范围(个人知识、单作者);company-brain 是团队范围(多作者署名、敏感级别标注、结构化目录)。两者方法论相同,范围不同,详见 FAQ.md。
Q:Obsidian 不是必须的吗? 不是。任何 Markdown 目录都可以(Logseq、纯目录都行),只要有一份 schema 文档供技能读取。
总结
makerskills second-brain 用 Karpathy LLM Wiki 方法把"知识管理"这件最容易被拖延的事变成了三个文件夹 + 六个命令:捕捉要快(capture)、编译要精(compile)、提问直接问你的大脑(query)。坚持每天捕捉、每周 compile + lint 一次,几个月后你将拥有一张真正属于自己的、会自我生长的知识网络。🧠