我搭建了Karpathy的个人知识库，但发现成本高速度慢，我用一个更好的方案替代了。

你可能看过最近爆火的Karpathy 构建个人知识库的玩法。

看起来很厉害，对吧？

但建完之后，然后呢？知识存进去了，摘要做完了，索引也整理好了，你用了吗？

Wiki 和真实世界没有任何连接，你可以问它问题，但又好像NotebookLM就可以做到。

本文作者提出了一种完全不同的思路，这得学习：不要存储知识，要把知识变成技能，嵌入你的日常惯例中去运行。

作者做了一个测试，拿同样一批素材、同样的目标，把 Wiki 和 NotebookLM 同时搭了一遍，实时对比。结果：Wiki 回答一个问题烧掉 44,000 个 Token，20 分钟才导完 19 份素材；NotebookLM 导入 50 份素材即开即用，每分钟一个带引用的回答。

从个人知识管理的效率和成本来说，NotebookLM+Gemini 或 Claude Code 就是一个高效省事的方案。

如果你正在用各种工具搭建"第二大脑"却从未真正用过它，这篇文章值得你读完。

关于最火的 LLM Wiki 视频的顶部评论是："对大多数人来说基本没什么用。"

我想知道他说得对不对。

因为对我来说，我的目标就是提升决策能力，我非常推崇雷·达利欧（Ray Dalio），我读过他写的《原则》，实践他的五步改进流程来提升自己。

于是，我拿同样的素材、同样的目标，然后同时搭建了 Wiki 和我自己的系统，实时对比。

Karpathy 的 Wiki 架构

karpathy 的 Wiki 有三个部分。原始素材是 YouTube 字幕、文章、PDF。

Wiki 本身是让 Claude 读取每份素材，写摘要，并把人物和概念提取到独立页面中。一个 Schema 文件告诉 Claude 这个 Wiki 是如何组织的，这样当你提问时，它知道该去哪里找。

有了这些索引文件和实体页面，你可以轻松地查询 Wiki，并在图谱上导航。

Karpathy 的 Wiki 架构（来自 Gist）。

Wiki 在哪里出了问题

我并行导入了 19 份素材到 Wiki 中，花了大约 20 分钟，然后我对它提了 10 个问题。

Claude 在读取所有字幕，而索引根本帮不上忙，为了回答一个问题，Claude 会读取完整文件，每个问题消耗 44,000 个 Token，10 个问题就乘以 10。

然后我的额度直接爆了，对话成本也在飙升。

接下来，对比一下 NotebookLM。

我添加了 50 份素材，因为导入是即时的。NotebookLM 的导入只是做嵌入（Embedding）。他们使用的是最先进的嵌入模型，比如谷歌的Gemini。你不需要手动做任何导入步骤，马上就可以开始提问。你不用搭建这一整套 Wiki 索引。

同样的 10 个问题。大约每个回答一分钟。全部 10 个回答都带有引用，回溯到原始字幕。

然后呢？

我们有了所有这些知识，然后呢？

你创建了一个 Wiki，你有了摘要，你有了这个索引。

接下来发生什么？你真的用了吗？

Wiki 与真实世界没有任何整合，你可以问它问题，但也仅此而已。

我的做法

我的目标是提升决策能力，那么我针对知识库的用法，就是能它提问，提取概念，然后快速提升我的技能。

我的做法一共有三点：

一个很好的例子是晨间惯例：把决策框架整合进你分配时间的方式中。

我基于达利欧的五步流程，构建了一个决策Skill：

我添加了一个带有反思提示的每日模板，以及一个周回顾部分，它问的是：

"这周的问题是否重复出现？是否和上周的问题属于同一类型？"

每当我需要做决策时，这个Skill就在那里，我在应用这些知识，而不是仅仅存储它。

更多笔记本

我做了更多测试，创建了更多笔记本，以下是我收集的一些。

一个例子：我把最近两周关于 Hermes Agent、OpenClaw 和 Claude Code 频道的视频拉到一个笔记本里。一共 21 份素材。

我提了很多问题，得到了非常好的回答，答案都基于 YouTube 视频和人们实际在用的东西。

这正是它真正擅长的。

这样我可以了解全局，而不被单个 YouTube 视频的观点带偏。

看一个视频，你得到一个人的观点。把 21 个视频拉进一个笔记本，你就迅速跟上了进度，那种错失恐惧感也大大降低了。它帮我没有失去理智。

比如，我提的一个问题："为什么 Anthropic封禁了订阅？"

答案非常好，跨越多个视频给出了有据可依的回答。

笔记本从 21 个视频素材中回答我的问题。

如果我走 Wiki 路线，Claude 就得在每次提问时，重新阅读所有文字。

这实在太长了，你等不了那么久。

把综合工作外包给 NotebookLM，你只需消耗一小部分 Token。

免费 Token 的时代已经结束了，我能感觉到。

一月份的时候，Anthropic 的 Token 还是无限的，极难触及每周限额，现在正在收紧。LLM Wiki 的方法成本非常高，速度也非常慢。

Wiki 真正出色的场景

我认为 Wiki 真正出色的场景是当你需要非常非常深入的时候。

比如博士级别的研究，那种需要长期支撑你的东西，你需要高精度，你可以承受 30 分钟来导入一份素材。

团队 Wiki，我认为也是一个很好的用法。竞品分析绝对是更合适的场景，Claude 可以阅读所有文件并提供更好的回答，因为它能直接访问原始素材。

但对于个人知识管理，我只是想了解一个主题，我觉得Wiki有点大材小用了。

我不会为了每个主题花一小时来搭建一个 Wiki，我每天能用的对话额度是有限的。

现在 Token 还是补贴的，你不需要付太多。但如果你尝试通过 API 使用，你绝对不会去用 LLM Wiki。完全不可能。

NotebookLM 呢——你不需要维护，不需要处理。素材保持原始状态。你提问，你得到答案。

并排对比。

试试看

打开 NotebookLM。

让 Claude 为你的主题找视频和文章，它会把它们加到笔记本里。然后提问，获取答案。就这样！