本文作者：阿西_出海（@axichuhai）。版权归作者所有，未经授权禁止转载。
我用 Codex 搭建了一个自生长的知识库，完全不用人工参与，自己能学习迭代。
现在这个知识库能替我定时抓热点、做工作复盘，还能帮我写文案、做 PPT、做数据看板、生成视频。
从信息搜集、整理，再到输出，全部自动化完成，把我的工作全都接管了过去。
这是一份面向零基础的 AI 知识库保姆级教程。我会从安装配置、信息搜集、数据处理开始，带你入门知识库搭建；再讲怎么让知识库自动化迭代，高效输出各种形式的内容成品，手把手带你从 0 到 1 搭一个属于自己的知识库。
整个过程不用写代码，零基础也能跟着做。
大多数人平时都会有知识囤积的问题：收藏了很多信息，但收藏完，这个动作就结束了。东西全堆在收藏夹里吃灰，真正被利用起来的，基本上没有。
这个知识库可以让这些信息真正被用起来，把信息的利用效率最大化。
先说一下这次要用到的两个工具：Codex 和 Obsidian。
先说 Obsidian。 它是一个本地的 Markdown 笔记工具，Codex 可以直接读写里面的内容。
再说 Codex。 它内置了大量插件，还可以调用 Skill、设置自动化定时任务，可以让 Obsidian 有非常丰富的扩展玩法。
工具介绍完了，接下来我们来看怎么让 Codex 打通 Obsidian。下载安装好 Obsidian 之后，先创建一个仓库（Vault）。
以后你所有知识库的资料，都会放在这个仓库文件夹下。
打开 Codex，点击「项目」→「新建项目」，选择「使用现有文件夹」，指向你的 Obsidian 仓库文件夹。
这样配置完以后，Codex 就能直接在这个 Obsidian 项目文件夹下面创建和管理文档了。
接下来，我们再安装这个「自生长知识库」。它来源于 AI 大神卡帕西（Karpathy）提出的 LLM Wiki 理论，简单来说，就是把知识库当做一个由 AI 持续维护的自生长体系。
整个过程分为三步：
- 摄取信息：不管是 AI 自动搜集来的，还是我自己收藏的内容，都会放在这里。
- 消化信息：丢进知识库系统以后，它会把信息拆解、整理成笔记。
- 输出成品：笔记攒多了，它还会把多篇笔记综合整理，产出像 PPT、文章、视频这样的内容。
安装方法也很简单，把下面这段提示词发给 Codex，就可以直接完成安装：
请在当前目录创建一个由 AI 持续维护的个人 LLM Wiki 知识库。建立 sources/ 目录保存原始资料，原始资料是只读的事实来源，不得修改；建立 wiki/ 目录保存 AI 生成和维护的 Markdown 知识页面，包括来源摘要、人物与实体、概念、主题、比较分析和综合结论。所有页面使用双向链接或 Markdown 链接相互关联，并标注信息来自哪些原始资料。创建 index.md 作为按类别组织的知识索引，记录每个页面的链接和一句话说明；创建 log.md，按时间追加每次资料导入、页面创建和重要修改记录；创建适用于当前 AI 编程工具的项目规则文件，例如 Codex 使用 AGENTS.md、Claude Code 使用 CLAUDE.md。规则文件应定义三套工作流程：第一，导入资料时读取新来源、提取重要信息、创建来源摘要，并同步更新相关实体页、概念页、主题页、索引和日志；第二，回答问题时先查阅索引和相关 Wiki 页面，给出可追溯到原始资料的引用，并把有长期价值的新分析保存回 Wiki；第三，定期检查矛盾、过时内容、孤立页面、缺失链接、重复页面和知识空白。禁止凭空补充事实，无法确认的信息必须明确标记；新资料与旧结论冲突时保留冲突记录，不得静默覆盖。请先检查当前目录，避免覆盖已有文件，然后直接完成目录、模板、规则文件和示例页面的初始化，使项目创建后可以立即通过“导入这份资料”“回答这个问题”和“检查知识库健康状况”等自然语言命令使用。
二、自动化信息收集
不管你是做内容、写报告还是做研究，前期都要先去各个平台上搜集一遍相关信息。我平时写内容，也会先去各种平台上搜集 AI 相关的热点。那么，怎么让这个系统帮你收集呢？
先安装信息抓取 Skill「AI Hot」。它可以抓取最值得关注的 AI 热点，监控了 168 个优质信息源，能拿到一手信息。
把链接发给 Codex，跟它说：
帮我安装这个 skill：https://aihot.virxact.com/aihot-skill/
安装完之后，再跟它说：
我是一个 AI 自媒体博主，帮我搜集近 24 小时的 AI 热点，放到当前目录下。最后它会生成这样一份清晰的热点日报，告诉你哪些是重点热点、需要优先关注的选题方向有哪些。如果要了解每条热点的具体情况，还可以点击对应的参考链接去了解。
除了自动抓取，你还可以自己手动收藏。
平时刷网页的时候，看到觉得好的内容，可以自己收藏。
具体操作是在 Chrome 的插件市场里安装 Obsidian Web Clipper 这个插件。安装完以后，浏览网页时如果想抓取，直接点一下插件，它就会自动把整段内容提取出来，转成 Markdown，沉淀进 Obsidian 作为 AI 的素材，后续想调用的时候可以直接调用。
三、知识自动化迭代
前面我们已经根据卡帕西（Karpathy）的 LLM Wiki 理论，把知识库搭建好了。它还会自己进行健康度排查，包括检查哪些内容是重复的、哪些内容已经过时了。
平时我们可以用这套框架来整理学习笔记、管理工作中的项目信息、沉淀客户资料等等。
不过我在用这套知识库的时候，发现有个缺陷：每次迭代和输出都需要手动触发。这里就可以结合 Codex 的自动化功能，让它自动迭代。
下面我拿每周工作总结的场景来演示。
我把平时工作的内容，包括会议纪要、项目文件、工作安排，都放进这个知识库，跟它说：
根据目录下上周的日报事项、文档内容，复盘下上周的工作有哪些是重点，整理成一份工作复盘。它就会自动干活，生成一份工作周报，里面包括了我上周工作的 3 条主线、工作复盘的核心结论，以及下周的工作方向建议。
它还会把这份工作汇总存回对应的文档下面，形成新的学习养料。
接着我继续跟它说：
把这个总结的过程做成一个自动化任务，每周四、周五下午 5 点跑一次。做完以后，就可以在左侧的自动化任务里看到这个定时任务了。以后每周五，它都会自动进行一次工作周报整理。
除了工作复盘，你还可以拿它做学习资料整理、内容创作、选题整理等等。那些经常性要做的工作，都可以把它们固化成自动化任务。
四、多格式输出
前面我们已经在知识库里面收集到了足够多的信息，接下来看看怎么让这些信息更有效地输出给我们。
下面我拿内容创作的场景举例。
我把平时写的所有文章都放在这个知识库里，让 Codex 提炼我的文风和写作结构习惯，做成写作 Skill。
接着我把一篇写好的大纲丢给它，让 Codex 结合 Obsidian 里收集到的信息，写成一篇 1500 字左右的文章。它会自动去调用写作 Skill。
生成的效果跟我平时的写作风格匹配度大概在 80% 以上。
写完文字版内容，我觉得有点单调，接着调用一个配图 Skill，它会判断文章里适合配图的内容，生成插图，并把图片插入到文档里。
生成的图片会存在 Obsidian 本地文档里，可以单独使用。
有些文章也很适合做成分享 PPT。这里我会调用我做的一个 PPT Skill，让它根据文章内容，输出结构化、清晰的演示文档，多用图像化的表达，少用文字堆砌。
很快就生成了一份排版好看、结构清晰的 PPT。
做完 PPT 后，还可以让 Codex 把这份内容继续做成一条动效视频，让内容的视觉效果更好。
我在 Codex 里调用 HyperFrame 插件，让它根据这份做好的 PPT，做成一条动效视频。下面是做完的效果。
到这里，我们从信息收集、AI 自动整合信息开始，一直到生成多种形态的输出内容，形成了一个信息闭环。
不管是写文章、做视频，还是做 PPT，都可以交给这个 AI 知识库来完成。
🫶如果对你有帮助，欢迎关注我的 X 账号👉@axichuhai，我会持续分享AI 思考、AI 硬核教程等内容。也欢迎关注我的公众号：
