你每天閱讀大量文章、論文、社群討論，但一個月後還記得多少？
這個問題困擾了每一個認真學習的人。而 AI 研究員 Andrej Karpathy 在 2026 年 4 月的一篇 X 貼文中，給出了一個令人眼睛一亮的解法，讓整個科技圈開始重新思考知識管理的本質。
Andrej Karpathy 是誰？
Karpathy 是全球最受尊敬的 AI 研究員之一。他在史丹佛取得博士學位後，成為 OpenAI 創始成員，後來擔任 特斯拉 AI 總監，主導 Autopilot 的電腦視覺系統。2023 年重返 OpenAI 參與 GPT-4 的改進工作，2024 年離開後創辦了 AI 教育公司 Eureka Labs。
他在史丹佛設計的深度學習課程 CS231n，YouTube 影片觀看次數突破 800 萬次，是全球最廣泛傳播的 AI 教材之一。《時代雜誌》將他列入 2024 年全球 100 位最具影響力 AI 人物。
簡單說：當他分享一個學習方法，值得認真看待。
他的 X 貼文在說什麼？
Karpathy 描述了一個讓他越來越著迷的工作方式，他稱之為 LLM 知識庫（LLM Knowledge Bases）。
他發現，近期他大量的 AI token 消耗，已從「讓 AI 操作程式碼」轉移到「讓 AI 操作以 Markdown 和圖片形式儲存的知識」。換句話說，他不再只是用 AI 寫程式，而是用 AI 來幫他整理、組織、連結他所有的研究材料。
這個轉變背後的邏輯是：知識整理的工作，AI 做得比人類更系統、更快、更不容易遺漏。
Karpathy 的完整工作流程
第一步：建立原始材料資料夾（raw/）
所有與研究主題相關的材料，不管是 PDF 論文、技術文章、GitHub 倉庫的說明、資料集介紹、甚至圖片，全部倒進一個資料夾。不需要分類，不需要整理，只是收集。
這個動作的核心精神是：閱讀時不要分心整理，先把材料留下來。
第二步：讓 LLM 自動編譯成 Wiki
將這個資料夾交給 LLM（他使用的是能夠處理大量文件的模型），指示它根據材料的內容，自動產生一個結構化的 Wiki。
這個 Wiki 的形式非常簡單：一個由 Markdown 文件組成的目錄結構。每個重要概念、每個子主題，都是一篇獨立的 Markdown 文章。
第三步：AI 自動建立概念之間的超連結
這是整個系統最有價值的環節。AI 不只是整理文字，它還會主動識別不同概念之間的關聯，並在文章之間建立雙向連結，就像維基百科的詞條互相引用一樣。
這些連結讓知識不再孤立，而是形成一個相互強化的網絡。你在讀 A 概念時，可以直接跳到相關的 B 概念，整個知識庫像一張有機的地圖。
第四步：持續增量更新
每次有新的閱讀材料加入，就把它丟進 raw/ 資料夾，讓 AI 再跑一次更新流程。它會判斷哪些是新內容、哪些文章需要修改或補充，然後自動更新整個 Wiki。
結果如何？Karpathy 的一個研究主題知識庫，在幾乎不需要人工介入的情況下，已經擴展到約 100 篇文章、共 40 萬字，而且每篇文章之間都有完整的超連結結構。
用 Obsidian 儲存你的 AI 知識庫
Karpathy 的方法產出的是純 Markdown 文件，而儲存和瀏覽這些文件，目前最好的工具就是 Obsidian。
Obsidian 是什麼？
Obsidian 是一款以本地 Markdown 文件為核心的知識管理軟體，完全免費（個人使用），所有筆記都儲存在你自己的電腦上，稱為「Vault（知識庫）」。它的核心理念是：你的知識應該屬於你，而不是鎖在任何雲端平台裡。
它最重要的幾個特性：
雙向連結（Backlinks）：用 [[筆記標題]] 語法建立連結，Obsidian 會自動追蹤哪些筆記引用了你，形成知識網絡。
知識圖譜（Graph View）：把你所有筆記的連結關係，以視覺化的節點圖呈現。你可以直觀地看出哪些概念是核心樞紐、哪些概念彼此緊密相關。
無限畫布（Canvas）：像白板一樣自由排列筆記、圖片和想法，適合在腦力激盪時梳理複雜的概念關係。
插件生態系統：擁有超過 1,500 個社群插件，可以擴展成任務管理、閃卡複習、PDF 標注、AI 整合等各種功能。
本地優先，隱私安全：所有檔案都是純文字 Markdown，不依賴任何雲端服務就能正常運作。你的知識不會被任何平台綁架。
為什麼 Obsidian 是 Karpathy 方法的最佳搭檔？
因為 Karpathy 的 AI 知識庫產出的正是 Markdown 文件加上超連結，而 Obsidian 天生就是為了讀取和瀏覽這種格式而設計的。
當你把 AI 生成的 Wiki 放入 Obsidian 的 Vault 裡，你立刻就能：
用圖譜視圖看到所有概念的連結關係，找出知識的核心節點。利用 Obsidian 強大的全文搜尋，快速找到任何一個你想查的概念。在 AI 生成的基礎上，加入你自己的筆記和想法，讓知識庫變得真正個人化。隨時用 [[]] 語法添加新的連結，讓知識網絡持續生長。
這個組合形成了一個完整的閉環：AI 負責整理原始材料、建立結構，Obsidian 負責呈現、瀏覽和個人化深化。
AI 整理知識，對學習帶來哪些真正的改變？
消滅「資訊孤島」，建立真正的知識網絡
傳統筆記的最大問題，是資訊以孤立的形式存在。你記了 100 篇筆記，但它們之間缺乏連結，難以在需要時快速提取相關知識。AI 知識庫自動識別概念關聯並建立連結，讓知識形成一個相互強化的網絡，更接近真正的「理解」而非單純的「記憶」。
大幅降低整理的認知負擔
傳統的 PKM 系統，像是 Roam Research 或 Notion，需要花費大量時間決定如何分類、如何標籤。AI 直接跳過這些決策，讓你從「管理知識」的苦差事中解放出來，把認知資源用在更重要的事：思考、創造、應用。
讓碎片化閱讀累積成系統性知識
你可以先大量收集原始材料，讓 AI 在後台自動消化、分類、連結，最終產出系統性的知識地圖。閱讀時不再需要分心整理，全部注意力放在理解概念本身。
跳出遺忘曲線的困境
知識被永久性地保存在結構化的文件中，可以隨時被快速檢索。更重要的是，每次加入新材料時，AI 會自動將舊知識和新知識連結起來，形成自然的複習效果，不需要額外的間隔重複練習。
如何開始？一套可以立即上手的入門方法
第一步：安裝 Obsidian 並建立 Vault。 到 obsidian.md 下載，選擇一個本地資料夾作為你的知識庫根目錄。建議用研究主題命名，例如 ~/vaults/ml-research。
第二步：在 Vault 內建立 raw/ 資料夾。 所有要整理的原始材料，包括下載的 PDF、複製的文章內容、貼上的網頁摘錄，統一放在這裡。
第三步：使用 LLM 進行第一次編譯。 將 raw/ 資料夾的內容提供給 Claude 或 GPT-4，要求它：閱讀所有材料、產生一個按主題分類的 Markdown Wiki、在文章之間用 [[]] 語法建立超連結。將生成的文件存入 Vault。
第四步：在 Obsidian 中打開圖譜視圖。 你會立即看到所有概念的連結圖。找出那些連結最多的核心節點，那些就是你這個研究領域最重要的概念。
第五步：養成增量更新的習慣。 每週將新的閱讀材料加入 raw/ 資料夾，讓 AI 更新知識庫。同時在 Obsidian 中加入你自己的想法和筆記，讓這個知識庫越來越屬於你。
結語
Karpathy 的這篇 X 貼文傳遞的訊息其實很簡單：讓 AI 做它最擅長的事（系統性整理），讓人類做人類最擅長的事（深度思考）。
而 Obsidian 提供了一個完美的場所，讓 AI 整理出的知識地圖，能夠被你真正走進去、探索、並融入自己的理解之中。
這套組合不是什麼遙不可及的複雜系統。它的起點只是：一個資料夾、一個 LLM、一個 Obsidian Vault。
