本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。
你有没有想过一个问题：
为什么别人用 Fable 5 写出来的东西惊艳得要命，到你手里就感觉……也就那样？
答案说出来你可能不信——因为它根本不了解你。
你的行业是做什么的？你的客户是谁？你之前做过哪些决策、踩过哪些坑？
这些问题，它一个都答不上来。所以它只能靠猜。猜出来的东西，自然读起来空洞、像套模板。
但反过来——如果你把 Fable 5 接上你自己的知识库呢？
同一个模型，会变成一台完全不同的机器。
写代码，它会按你的架构风格来。
写文案，语气像是你自己写的。
做研究，引用的全是你积累过的资料。
而且效果从第一天就能感受到。
写代码、做营销、写文章、做销售、搞研究——任何工作，这套方法都管用。
我每天就在用这套系统。这篇文章、我出过的每一份指南、我做过的每一个产品，背后都是它。
今天就把整套系统原原本本地拆给你看。我们会聊到：
- 这个“第二大脑”到底是什么？
- 文件夹怎么搭？
- 怎么让 AI 自动帮你填充和维护它？
- 怎么在上面跑一台研究机器？
- 怎么做到只花几分钱就能长期使用？
- 最后怎么把它接进你日常做的所有事情里？
先别被这些名词吓到，我一个一个讲清楚。
一、先看几个数字
说再多道理不如看结果。
在财务会计这个场景里，如果你直接让 AI 处理账目，但不给它任何客户背景——
准确率大概只有 70% 左右，很多低级错误。
但如果你把客户的历史交易记录给它呢？
准确率起步就是 85%，用久了还会爬到 90% 以上。
注意：AI 模型本身没有变。变的是它手里掌握的信息。
写作也是一模一样的道理。
一个普通的中档模型，只要你给它一份精心准备过的「个人风格说明」（也就是告诉它你的语气、用词习惯、常见表达方式），它写出来的东西，比完全不知道你是谁的高端模型 Fable 5 更像你自己。
所以结论很简单：
文件（知识）带来的差距，比模型本身级别的差距还要大。
而 Fable 5 这个模型，对这种“给它知识就等于给它超能力”的做法，反应比以往任何一代模型都更强烈。
Anthropic 公司自己做过测试：让 Fable 5 玩一局需要长期记忆的卡牌构筑游戏，它只能靠一个文本文件来“记住”游戏里发生过什么。
结果呢？
它的表现提升幅度，是上一代旗舰模型的三倍。
当然，这只测了一局游戏，目前还没人复现过。但这个信号太明显了——给模型配一个文件做记忆，几乎是零成本的事，换来的提升却是实打实的。
值不值得试，你自己判断。
二、在动手之前，先搞清楚一个前提
很多人以为，把一堆资料扔给 AI，它就能自己翻出来用。
完全不是这样。
Fable 5 不会像魔法一样自动搜索你所有的笔记。它真正厉害的地方在于——
你提前把知识整理好、放在它能找到的位置，然后它根据这些知识来行动，并且清清楚楚地告诉你：这个结论是从哪一页笔记来的。
关键在于——这些知识是你自己的，存在你自己的电脑硬盘上，是纯文本格式，你随时可以打开看、随时可以修改。
用上两三个星期之后，你会发现 agent（也就是帮你干活的 AI 助手）开始引用一些你自己都忘了的、很久以前做过的决策。
这就是“第二大脑”的真正含义：
它不是替你思考，而是替你把你想过的东西记住，在需要的时候提醒你。
三、知识存在哪里？用 Obsidian，免费的
先说工具：Obsidian.
它是什么？你可以把它理解成一个长得很好看的笔记本 App。
但它的独特之处在于——你的笔记不是存在某个加密数据库里，而是直接存在你电脑上的一个普通文件夹里，每个笔记就是一个纯文本文件（markdown 格式）。
没有数据库。没有被某个云服务锁定。你的笔记就是你拥有的文件。用任何软件都能打开。
Obsidian 只是给了你一个漂亮的阅读和编辑界面。
你只需要用到它的两个功能：
💡 双向链接
当你在笔记 A 里输入 [【笔记 B 的名字】]，两个笔记之间就建立了一条连接。以后你打开任意一篇，都能看到它链接到了谁、谁链接了它。
💡 图谱视图
Obsidian 会把你的每一篇笔记画成一个小圆点，每一条链接画成一条线。打开这个视图，你就能直观地看到——你的知识变成了一张网。
接下来是关键的衔接点：
因为 Obsidian 的所有笔记就是一个文件夹，而 Fable 5 通过一个叫 Claude Code 的工具（可以理解为 Fable 5 在你电脑上运行的终端程序）可以直接读写这个文件夹。
不需要任何插件、任何特殊连接器、任何复杂配置。
agent 在你的文件夹里读写笔记，Obsidian 把改动展示给你看。你用 App 看，agent 用文件夹操作——但背后是同一套笔记，同一个“大脑”。
至于搭建成本？别被吓到。
这篇文章里讲的整件事，入门版大概一个小时就能搭好。用起来之后，阅读这些笔记的成本低到几分钱。钱的事后面会专门讲。
四、最关键的步骤：文件夹结构
把一堆散落的文件变成一颗“大脑”，靠的就是结构。
而这一步，恰好是绝大多数人搞错的地方。
思路来源于 AI 领域的大神 Karpathy 提出的一个概念：把你的知识库，当成代码库来管理。
什么意思？
写代码的时候，你不会把所有代码扔在一个文件里——你会按功能分文件夹。知识也应该这样管。
Obsidian 就是你的编辑器，AI 模型就是帮你整理知识的程序员，你的知识库就是你维护的“代码”。
我翻遍了网上各种公开的搭建方案、开源仓库、爆款模板、还有大量翻车踩坑的帖子之后，发现成功案例都离不开这四个文件夹：
📂 raw/ —— 原始资料库（只读，绝不修改）
你收集的所有东西，原封不动扔在这里：保存的文章、语音转录稿、会议记录、竞品页面截图信息……
可以理解成你大脑的“记忆原料仓库”。agent 只有读的权限，不会改动任何内容。
因为这个文件夹是你的「原始真相」，一旦被修改过，后面所有分析都会歪。
📂 entities/ —— 具体事物档案
每一个实实在在的东西，单独建一页笔记：一个客户、一个竞争对手、一个工具、一个人。
比如 [【客户-某公司】]、[【竞品-A 产品】]。可以理解为“字典”，查什么有什么。
📂 concepts/ —— 抽象想法与经验
每一个想法、策略、教训，单独建一页笔记：一个营销策略、一个技术方案、一个踩过的坑。
比如 [【经验-不要周五上线】]、[【策略-低价引流】]。这是你的“经验库”。
📂 INDEX.md —— 总目录（入口文件）
把你知识库里的每一页笔记都列在这里，每行加一句简短说明（一句话讲清楚这一页是干嘛的）。
这样 agent 一打开这个文件，就知道你有哪些知识可以用，不用一页一页翻。
agent（帮你干活的 AI 助手）每天做的事就是：
读 raw/ 里的新资料 → 把有用的信息提取出来 → 更新 entities/ 和 concepts/ 里的对应页面 → 一边更新一边建立 [【链接】]。
这个过程我叫它**“编译”**——跟编代码一样，就是把原材料转化成能直接用的结构化知识。
四条基本规则：
① 每个笔记文件只记一个核心内容（一个教训、一个策略、一个人），文件开头写一行摘要。 ② 如果已经有相关页面了，更新它，别新建一个重复的。保持知识不冗余。 ③ 如果发现某条笔记内容是错的，直接删掉。不要给自己留错误记忆。 ④ raw/ 里的原始资料和后面编译出来的笔记，永远分开存放。 源头不能污染。
为什么 raw/ 绝对不能动？
你想想看——同一批资料，agent 如果今天读一遍、改一改，明天再读一遍、再改一改……循环下去，原始信息会在反复修改中逐渐模糊、变形，甚至出现“以讹传讹”的连锁错误。
raw/ 文件夹就是你的定海神针。永远不动它，编译层（entities/ 和 concepts/）在它上面一直迭代，一次比一次聪明。
五、链接才是真正的杀手锏
刚才我说，页面本身只贡献了一半的价值。那另一半在哪？
在链接。
agent 在「客户 A」和「竞品 B 的产品策略」之间写一个 [【链接】]，这就是一条关系。以后不管从哪一头出发，都能顺着这条线走到另一头。
这跟普通的“关键词搜索”完全不是一个思路。
你想象一下：
如果你的知识库只能靠搜索来找东西——文件越多，搜索出来的垃圾结果就越多（因为你搜一个词，可能命中几百页里不相关的内容）。知识库越大，反而越难用。
但带链接的知识库完全相反：越大越强。
因为每增加一页新的，它都会通过链接跟已有页面建立关系，反过来也让已有的那些页面变得更丰富、更有上下文。
agent 要找答案的时候，不是全盘扫描。它是沿着链接走。
从客户页面 → 走到活动概念页面 → 再走到竞品分析页面。
就像你在回忆一件事的时候，会顺着一个线索联想到下一个。这才是“思考”的过程，不是“搜索”。
Karpathy 自己的知识库大概有 100 篇文章、40 万字的规模，全部由 AI 编译维护，全部互联互通。
你按这个方法用上两周之后，打开 Obsidian 的图谱视图看看——
你会看到你的业务、你的知识，变成了一幅活的网络地图。
光是看到这个画面的那一刻，你对“自己知道什么、不知道什么”的认知就会彻底改变。
六、第一步怎么走？让 AI 帮你自动“回填”
文件夹搭好了，结构有了。但总不能手动把过去几年的经验一条一条敲进去吧？
别急。这就是 Fable 5 的 /goal 功能出场的时候了。
/goal 是什么？
在 Claude Code 里输入 /goal，然后写下一个你想要达到的目标。
比如“把我 raw/ 文件夹里所有聊天记录、客户资料、书签帖子整理成结构化的笔记”。
Fable 5 就会自己持续工作，不停地把 raw/ 里的材料读一遍、理解一遍、写成 entities/ 和 concepts/ 里的笔记。
同时，系统还会启用一个更小、更便宜的模型在旁边当裁判。
它的任务是看你定的目标有没有完成、什么时候该停。一旦目标达成，它就喊停，不会无限制地烧你的钱。
非常重要：裁判只能看到对话里出现过的内容。所以你的 goal（目标）描述里，必须包含它有能力读到的“证据”。
比如你不能说“把所有资料整理好”——裁判怎么判断“整理好了”？它看不到你文件夹。
你应该说：“在 raw/ 文件夹里找到所有 .md 文件，逐篇分析，在 concepts/ 下生成对应的笔记，并在对话中逐一列出你创建或修改了哪些文件。”
让证据出现在对话里，裁判才能做出判断。
在跑 /goal 之前，先把你自己手上已有的所有东西全部扔进 raw/：
微信聊天记录里讨论过业务的片段、收藏夹里吃灰的优质帖子、你之前的笔记 App 导出的内容、客户相关文件夹、过去做过但没整理的研究材料。
然后你就可以走开了。 去喝杯咖啡，去开个会。
回来的时候，raw/ 里的散乱材料已经被处理成了有结构、有链接的笔记。
为了防止 agent 偷懒或者“嘴上说做了实际没做”，配上两条规则：
① 每次修改都要求它用 diff 格式汇报。diff 就是精确展示修改前后的文本对比——哪一行改了、改成了什么，一目了然。agent 说它更新了某页笔记？拿出 diff 来证明。 ② 任何笔记页面，只要没有标注它是从 raw/ 里的哪个原始文件来的，直接打上“不可信”标签。 必须能溯源。
七、搭好不是终点：维护才是
回填完成之后，你手上有了一个“编译好的大脑”。听起来很厉害对不对？
但接下来这一步，才是几乎所有人都会跳过的。
一个只有你想起来才去喂它的第二大脑，三周之内就会变成一具空壳。
所以维护靠的是自动化的排期，不靠你的记性。
⏰ 每次会话结束之后
通过一个小脚本（你可以理解为一段自动运行的小程序，业内叫它 hook），在 Claude Code 会话关闭时自动触发。
它会扫一遍你刚才和 agent 聊了什么、做了什么决策、遇到了什么错误、确认了什么规律，然后把这些发现写成带日期的新笔记，自动存进 vault。
这意味着——你正常上班干活，你的大脑在自动生长。你不需要多花一秒钟去“整理知识”。
🌙 每天晚上
用一个便宜的普通模型（不是 Fable 5！）自动跑一遍编译任务：把当天 raw/ 里收到的新材料读一遍，更新 wiki 页面。
日常的整理工作不需要用到最强的模型，能用便宜的就不用贵的。
📅 每周一次
跑一遍找错清理：检查有没有内容互相矛盾的笔记？有没有建了重复的页面？有没有断掉的链接（指向一个已经删掉的页面）？
写代码的同行把这个叫 lint——本质上就是一次“知识库大扫除”。不扫的话，时间久了你的知识网络里全是死胡同和垃圾。
🧠 每周一次
这次用 Fable 5（旗舰模型）跑一遍综合审视。
让它通读整个 vault，然后写一份本周报告：这周你的知识库里增加了什么？哪些想法在悄悄偏离方向？哪些事情值得你重点关注？
注意看上面的分工：只有最后这一步值得用 Fable 5。前三项任务全用便宜的普通模型就行。
很多人不懂这个，无论清理几张笔记还是查个死链接都拿最贵的模型来跑——这就是在烧钱，效果还不一定好。
八、知识不能只靠存量：建一台自动研究机器
维护做好了，vault 是干净的。但问题来了：
新知识从哪来？总不能靠你自己每天手动找吧？
这一步，就是 vault 从“一个存储工具”升级成“你的核心竞争优势”的地方。但同时也是最容易喂进垃圾的地方。
想想你是怎么做“AI 研究”的：
是不是打开一个聊天框，扔一个 prompt 进去，AI 给一段回答，然后呢？答案留在聊天记录里，过两天就再也找不到了。
更严重的是，这个回答很可能建立在过时知识之上。
在 AI 这个领域，六个月前的所谓“最佳实践”，放到今天很可能已经是错的。而真正管用的东西——现在人们到底在用什么工具、踩了什么坑、什么方案跑通了——从来不在官方帮助文档里，而在社交媒体的一线讨论中。
那怎么办呢？我设计了一套自动研究流程：
① 你提一个大问题（比如“现在市场上怎么做短视频引流”），系统把它拆成 3～5 个更具体的小问题。 ② 多个 agent 同时分头出动——有的去社交媒体搜一线讨论，有的去网页搜官方文档和价格信息，有的用爬虫把值得深入阅读的网页全文拉下来。 ③ 每一条发现都附带**“收据”**：具体的结论、来源链接、发现日期。不是空口无凭。 ④ 然后是最关键的一步：派一个专门负责质疑的 agent（你可以理解成“抬杠机器人”），对前面收集到的每一条结论发起攻击——“你凭什么这么说？”“你的证据呢？”“只有一个人这么说过吗？”“有没有相反的证据？” 如果一条结论是单一来源的炒作，直接打上标签；如果两条发现互相矛盾，把它们并排标注出来。只有扛得住质疑的结论才会进入你的 vault。 ⑤ 最终存活下来的发现，作为带日期、带来源链接、带过期时间的正式笔记存入 vault。设置过期时间这个细节非常重要——过时了的知识会自己“提醒”你：“嘿，我可能是旧信息了，查一下最新的。”
我实际在用的工具组合：
🔍 last30days
自动扫描 Reddit、X（原 Twitter）、YouTube、Instagram、TikTok 上过去 30 天内关于某个话题的所有真实讨论。确保你看到的是“现在人们到底在聊什么”，不是去年的过时文章。
🐦 X 官方 MCP 接口
让你直接从 X（原 Twitter）平台拿实时帖子和书签，不经过二手转述。
🎬 yt-dlp
一个开源工具，可以把任何 YouTube 视频的字幕转成文本。任何教程、任何讲演，全部变成 agent 能分析的文字。
📱 ScrapeCreators
抓取 Instagram 和 TikTok 上的内容片段。短视频平台是很多新工具、新工作流最早出现的地方，传统搜索根本找不到。
📚 Perplexity 深度研究
做带引用来源的全网长文通读，帮你做一次完整的文献综述。
🕷️ Firecrawl
把任何一个网页的完整内容拉下来，转化成整洁的 markdown 格式，直接放进 vault。
再强调一遍“质疑 agent”这一步的重要性。
它是把真正的研究和在网上收集了一堆不知道靠不靠谱的说法区分开来的分水岭。
而且有个细节：质疑 agent 绝对不能跟做研究的 agent 是同一个。不然就是“自己审自己的作业”，根本审不出来问题。
在你的行业或领域里，每周跑一次这个流程。几周之后，你的 vault 里会积攒出一批——
经过验证的、带出处和日期的、你的竞争对手根本不知道的独家情报。
九、怎么用不烧钱：省钱法则
vault 要长期用下去，读它的成本必须低。这一点，恰恰是绝大多数人在搭建时完全忽略的。
先理解一个概念：
AI 模型在处理你的请求时，有一个叫上下文窗口的东西——你可以把它想象成 AI 的工作台。台面是有限的，每放一样东西上去都要花钱。
花的这个钱，按一种叫 token 的单位计算——token 就是你 AI 账单上那行数字的来源。
如果每次让 agent 工作，都把整个 vault 所有内容全塞进它的台面……那你的账单会非常恐怖。
省钱三原则：
📋 CLAUDE.md（agent 的行动手册）——控制长度
每次你跟 agent 开启一次新对话，它会自动先读一个叫 CLAUDE.md 的文件。这个文件是 agent 的“入职指南”，你告诉它它是谁、它的知识在哪里、它该怎么干活。
因为每次必读，所以这是你每月固定的“租金”。把它控制在 200 行以内，内容只做“指引”（告诉 agent 去哪找什么），千万别把 vault 里的知识内容塞进去。
它不是仓库，是地图。
🔗 其他一切按需读取——不要全盘扫描
agent 需要查东西的时候，流程是这样的：先看 INDEX.md（总目录）→ 找到可能相关的那几页 → 顺着 [【链接】] 走到相关联的页面 → 只在需要的时候才打开某一页细读。
它永远不会对整个文件夹做“全盘扫描”——那是最高消费的操作，要坚决杜绝。
👷 遇到大问题，派“外包工人”出去——主会话只看结论
如果你要研究一个很大的问题（比如“过去一年的行业趋势分析”），不要在主会话里让 agent 一页一页翻 vault。
而是派一个子 agent（可以理解为一个临时的“外包工人”），在它自己独立的上下文里安安静静地读 50 页笔记，最后只把一段总结性的结论汇报回来。
AI 的上下文窗口就像一间昂贵的会议室，里面只放决策。整个图书馆在外面，需要什么派人去查，查完拿结论回来汇报。
十、把 vault 接入你的日常工作
一个只用来存东西的 vault，本质上就是“电子仓鼠症”——囤了一堆，但从来不用。
你搭的这个 vault，应该是拿来直接驱动你每一个项目、每一件事的。
怎么接？很简单。
在任何项目的 CLAUDE.md 里（就是你用 agent 做这件具体事情时，它自动读的行动手册），加上这三行：
## knowledge
- before starting, read the relevant pages from ~/vault/entities/ and ~/vault/concepts/
- ground every claim about our business, clients or audience in a vault page翻译一下：
第一行告诉 agent “开工前先去看看 vault 里跟你任务相关的页面”；
第二行告诉它“你在这件事里做的任何关于公司、客户、受众的判断，都必须能找到 vault 里的某页笔记作为依据”。
加完这三行之后，效果立竿见影：
📊 营销工作
策划活动不再靠“假想的用户画像”，所有方案都基于你 vault 里真实的受众分析页面和竞品动态记录。
✍️ 内容创作
写出来的文章引用的是你过去自己的研究结论，语气风格跟你积累的“个人风格说明”一致，读起来就是你写的。
💻 编程开发
agent 在 vault 里为每个项目维护一份持续更新的架构笔记。今天做完的工作，明天 agent 打开项目时还记得，不用每次都从头解释一遍“我们的代码是怎么组织的”。
🤝 客户工作
接手任何一个客户，打开 vault 就能看到完整的合作历史、之前的沟通记录摘要、做过的交付物。交付质量稳定，不会因为换了个人对接就断档。
上面这是 vault “服务你的项目”。
还有另一半价值，同样重要：vault 本身可以变成产品，对外输出。
你 vault 里的研究笔记 → 稍作整合就是一篇行业分析文章。
concepts/ 里积累的经验 → 整理出来可以做成课程。
客户合作案例 → 去掉敏感信息就是对外展示的案例研究。
你不是从一张白纸开始“创作”东西。你只是在把你 vault 里 AI 已经帮你验证过的、整理好的东西，打包输出。
创作效率会高出几个量级。
⚠️ 一个可能毁掉你所有努力的细节
同步工具冲突，是 vault 最常见的死法。绝不开玩笑。
你只需要用一个同步方案。如果你一边让 agent 在你本地文件夹里疯狂写文件，一边又开着 iCloud 自动同步同一个文件夹——
你很快就会看到一堆“冲突副本”和乱掉的文件夹结构，修都修不回来。
安全的做法是：用 git（程序员最常用的版本管理工具）作为你的“时间机器”。
git 不会在你不知情的情况下自动修改任何东西。只有你主动输入命令告诉它“把当前状态存一个快照”，它才会锁定一个版本。
这种你完全掌控节奏的方式，才是最安全的。
🧭 完整操作流程
一件事一件事来，按顺序做：
① 在你的 Obsidian 里创建一个 vault（知识库），在里面建好三个文件夹：raw/、entities/、concepts/，再加一个 INDEX.md（总目录）。
② 在 CLAUDE.md（agent 每次读的行动手册）里写上那四条规则：一个文件只记一件事；优先更新现有页面而不是建新的；发现错误内容直接删除；raw/ 里的原始资料绝对不要动。
③ 把你手上所有相关的东西全部倒进 raw/：过去的聊天记录里有价值的讨论、收藏的书签、之前的笔记导出、客户资料、研究草稿。
④ 用 /goal 命令跑回填——写清楚你期望的最终结果，描述 agent 必须在对话中展示的证据，设好停止条件，然后让它自主跑。
⑤ 把维护循环排列好：每次会话结束 → 自动记录当次收获 → 每天晚上便宜的普通模型编译 raw/ 新内容 → 每周一次全库 lint 找错清理 → 每周一次 Fable 5 综合审视出报告。
⑥ 跑每周的研究扫荡流程：分拆问题 → 并行搜索 → 每发现一条结论就记录来源 → 质疑 agent 攻击验证 → 存活的入库，标注日期和过期时间。
⑦ 在你的每一个项目的 CLAUDE.md 里，加上那三行“知识指引”——告诉 agent 开工前先去 vault 查资料，所有判断都要有 vault 里的依据。
最后说一句：
今天在驾驶座上的是 Fable 5，明天可能换了别的模型。
但你的 vault 不受影响——它跟任何特定模型都没绑定。
每一次你用它、补充它，它都在变得更聪明。不管未来谁来“开车”，你的知识资产一直在增值。
最小版本只要一个小时：一个文件夹，十篇关于你自己业务的笔记，再加上告诉 agent「开工前先读它们」。
剩下的，你的输出成果会自己告诉你答案。
文章整理自：How to build a second brain with Fable 5
@How to build a second brain with Fable 5 EXM7777
