你有没有遇过这种情况
就是说你跟Cloud聊了一个小时
解决了一个很复杂的问题
隔天开新对话他什么都不记得了
那这其实就是AI对话最大的问题
就是说它的知识是一次性的
每一次对话都是从零开始
但如果你今天这个系统就不一样了
这个方法是Andre Carpenter提出来的
而且它可以让Token用量少了95%
我照顾在想
最后是要一个这样一堆东西的技术教学
完全不是
這五分鐘就可以設定好了
如果我也可以
那你也可以
那首先呢我們先來談一下
為什麼我們要建這個東西
很多人看到這個系統
就會直接想要怎麼設定它
但要先搞清楚為什麼你要建它
之後你才會知道怎麼用它
你的知識會像力滾力一樣
持續負力增長
每篇文章
每一段主持稿
或是每一份筆記
都會被整合進同一個知識庫
跟其他內容產生關係連結
所以建這個系統的目的
不是炫技
是讓你的Claw Code
或你的AI工具真正認識你
認識你的工作
你的領域
你這幾年累積下來的所有知識
OK
我們來說一下這個架構吧
Crawberry 它的設計非常簡單
就是四個程式
其實就是這樣
四層結構
然後放在同一個資料夾
第一個呢
我們有Rode
就是它儲存你的文章
你的築字稿
或是你的一些其他文件
Claw Code 只會讀這些東西
它不會修改
然後第二層呢
我們有Wiki
就是說整理好的知識的本體呢
每一個本體其實都是一個markdown file
頁面之間會用這個連結來串接
但沒關係 等一下我會展示給你看
第三個我們有index.md
它其實就是我們書籤的目錄
第四個我們有log.md
就是它會記錄所有操作記錄
每一次的新增資料它都會存在這裡
畫面上你看它就是我自己建議的 Obsidian個人指示庫
基本上這個指示庫是專門儲存我過去影片的腳本
每個腳本都會有一些關聯
比如說我這邊的Cloud.ind
它就會連到SuperPower的Plugin
再連到HNT workflow
每個節點點進去的話
它會幫我們做一個總結
包含給對應的Tag
什麼時候被建立的
然後給一個Title
如果我們滑到最下面
你會看到它會去做一個Related Topics
就是它連結的地方
就是說它跟其他影片有關聯的地方
假設說我們現在打開是Agenti workflow
那你也知道Agenti workflow 它其實就是一個非常非常
本體的一個概念
那其實它就會有很多的分支
比如說可以連到 MCP 可以連到 Cloud MD
或是 Skills 或是我之前講的 Framework
或是上一支影片提到的 Superpowers 的 Plugin
那假設我們點看看那個 Cloud MD
那你會看到這個 Cloud MD 它還會去說 Definition
目前這個Cloud Code對它的理解
包含我之前在講的 Best Practice
盡量在40行內等等之類的
點到Cloud.md 之後
你又會看到它有其他相關的連結
所以說當我們持續增長我們這個個人知識庫的時候
未來假設說我們是要去查某個資訊
那Cloud Code其實就是透過他們之間的連結
去查最相關的資訊
然後再回傳給你
這個跟傳統的 RAC 不一樣
傳統的 RAC 是把它變成像量矩陣
所以它回傳給你也是一個大概的範圍
但是 OBSIDIAN 不一樣
它是直接透過相關聯的連結
它是去找最關聯的資訊
然後再回傳給你
所以這本質上的概念其實有點不一樣
OK 那我們來開始設定吧
第一步就是你要先去查 OBSIDIAN
然後根據你的作業現象去下載這個軟體
下載完打開之後你會看到這三個選項
第一個是Create new Vault
第二個是Open folder as a Vault
第三個是OpenVolv Sync
第三個選項我們目前先不需要
左側就是我過去做的個人的支持庫
我專門就是給我的 brand J-Lux AI 做一個支持庫
還有我的影片腳本也專門用一個支持庫給他
第一步我們就先按Create New Vault
我們點下去
然後給它一個名字
這邊我假設叫做Demo Obsidian
接下來我們要給它一個Location
那我就在這邊先建立一個Demo Obsidian
然後把它放到左面上面
然後按按
好了之後我們就按Create
OK,Create完之後你會看到這個畫面
就是說它可以welcome的一個文件
然後又說這是你的新的知識庫
這邊我們可以先關掉
然後呢,我們就我們的一個圖
一個關聯圖
然後目前呢,因為我們還沒有加任何東西
所以它只有這兩個東西
好,那再來呢,你可以去你最喜歡的 IDE
那我這邊選VSCode
然後Open
去打開我們剛剛建議的資料架
就是這個
打開之後你有沒有看到它有這個點Obsidia
就是它內建的一些資訊
然後還有這份歡迎文件
OK完成之後我們現在直接進入重點
Coverty已經把這整個系統的設計
寫成一份文件放在我們的GitHub上面
GitHub的連結我會放入說明欄
這份文件它不是一個普通的prompt
它是一份給AI工作的說明書
如果你把它貼進Cloud Code
你会跟他讲说
帮我按照这个架构
建立我知之户
那当你输入进去之后呢
Cloud Code会直接帮你建立
Role Wiki Index Flow
就是刚刚前面讲到的资料夹
还有一份专属这份专案的Cloud.md
那Cloud.md快速讲一下
就是说它是Cloud Code专案里面的
规则的说明档案
你在这里可以告诉AI这个专案是干嘛的
要怎么工作
等一下我要做什么事
那Coverty他自己也有说
他把这个文件呢
他特意写得很模糊
为什么呢
因為它要讓每個人根據自己的需求去調整
所以當你把它貼進 Cloud Code 的時候
它會問你說
這個知識庫是哪裡做什麼的
如果你講得越清楚
它建構出來的架構就越符合你的需求
好 那畫面上你看到的就是
Crafted 它所提供的這個文件
基本上我們就要把這些全部複製起來
然後回到我們的 Cloud Code
我們把它貼上去
然後最後你可以直接加這句
你可以截圖或是直接填上去也可以
那這個 Prompt 的用意呢
就是幫助 Cloud Code 更完整更完整的去建構我們這個指示庫
OK 好了之後呢我們就按 Enter
OK 就如一起 Cloud Code 它會問我們一些問題
來確認我們這整個設計的方向
那第一個呢我們就按那個自動化研究
因為這是我要的主題
那第二個呢
原設定我就選反體中文
來源呢我就打我的 YouTube 影片
使用情境當然就是這個
長期試用
按 second answer
OK,回答完問題之後
Claw code就會根據
Clarvietarget的文件
裡面復的架構去做我們開發
然後Claw code就會
開始要你去放一些檔案
到你這個roll的資料夾
所以他大概去做一個ingest
去做這個消化的一個動作
沒關係,等一下我再更詳細的去解釋
這個ingest是什麼意思
那我們就直接加入
OK 加入完之後大概就像這樣
就是我過去的影片的一些腳本
OK 然後後面我就跟他講說
我已經放了一些我的腳本進去了
然後他就可以去做這個 Ingest 的動作
然後他基本上就是去讀每一個文件
去找出他們的觀點性
然後後面基本上就是一直等
然後等等等等
然後到後面呢他幫我做11個
Topic Page
就是我剛剛給你看到的那個Agentic workflow
Cloud.md
Cloud Skills Superpowered Plugin
Create a Page 就是我自己
然後Source page
就是這邊的東西
每一個都是一個影片
OK那到這邊基本上就已經完成了整個Obsidian個人知識庫的建立
然後你也可以點這個按鈕去看它的關聯是怎麼去做出來的
我覺得這動畫蠻酷的也蠻好玩的
OK一切都設定好之後呢
我們就可以開始測試一下我們的知識庫
那基本上你就可以問任何問題
就是相關的問題
比如說腳本裡面的問題
那這邊我就問說
我在過去的影片裡面
最常提到哪個主題
那你會看到說
他就直接去看這個規律
然後還有他們的關聯
他就會拉出
Genteeperflow
然後Cloud.nd
Skill
Superpower
有的沒的
所以基本上就是你個人的知識庫
所以呢
恭喜你
你就已經完成建立你的知識庫了
OK,那接下來我們來看一下這個 ingest 是什麼意思
那 ingest 市面上就是消化吸收嘛
那 ingest 其實它不只是幫你建立一個新的 wiki 頁面而已
而是它會先去讀你的 index nd
看看你現有的知識戶裡面有哪些相關主題
然後同時更新 10 到 15 的 wiki 頁面
然後把這篇文章的內容整合進去
然後並在頁面之間建立連結
就像你剛剛看到那個連結
舉個例子呢
假如我把一個關於Cloud Code的文章
ingest進去
它不只是進一個Cloud Code的頁面
它會同時更新
MCB、Agent、Prompt相關連結的頁面
因為文章裡面有提到這些概念
所以每次ingest
你的Obsidian知識庫
它不是長大一個節點
還是長一個像蜘蛛網一樣大的
一個關聯網子
OK 那經歷完之後
我們來聊一下這個
五個具體的應用場景
那第一個就是
YouTube足指稿的知識庫
就像我剛剛做的
你可以把所有影片的图字稿
ingest进去
建立一个我输过什么的知识系统
第二个
客户提案和回忆记录
你下次开会的时候
AI帮你复习的所有的历史脉络
你都可以放进去
第三个就是建立AI工具的研究库
第四个
个人学习历程库
你学过的东西不在小时
第五个
embarium workflow
下次设计新的workflows
你可以直接问他说有没有类似的案例
OK那最后我们来谈一下
它跟REG到底差在哪里
那REG呢
我们再复习一下
就是REG它是查所影
你问问题
它去找最相信的文字评断
那它不理解这些评断之间的关系
所以说我们LM Wiki呢
有点像读书
比如说AI读的是一本整理好游目录
有交叉引用的书
它理解呢
不只是这段文字
而是整个知识网络
OK那什么时候该用什么呢
那规则其实很简单
那假设你的资料呢
在幾百頁以內
那你有LM Wiki就夠了
而且很省Token
研究顯示這個方法可以讓Token用量減少95%
那為什麼呢
因為AI讀一本整理好的書
比每次從零開始查RUN的原始文件
效率高得太多了
因為你的Index MP
直接讓AI定位到相關的頁面
不用掃描整個資料夾
這就是為什麼會省95%的關係
OK
那其實很多人在建立好這個知識庫
它都直接发到那边
需要的时候
你可以用Cloud Code
是Obsidian搜寻一下
跟直接用Google
没什么两样
但其实这样就没有完全发挥它的价值
那正确的方式应该是这样
就是说你在你的Cloud Code专案里面
去你的Cloud IP
然后加这一行
如果你需要关于我的YouTube内容知识
去读这个路径的Wiki
其实就是这样
从此之后呢
你在所有专案里面的AI agent
都可以调用你这个Wiki的知识库了
那这边还有一个关键
就是不要把所有东西全部塞进你一个知识库
一个左击,一个知识库
YouTube脚本相关的你就建一个Vault
个人Business相关的就建立一个Vault
学习笔记也建立一个Vault
Vault在这边我就直接交到知识库
那为什么呢?
因为当你把所有东西混在一起
AI在查询的时候就需要少描大量不相关的内容
准确度这样会下降
然后投稿优量也会上升
所以如果你建立一个独立的Vault
就可以让AI只在虚拟的范围里面去查询
去思考
OK,那最后复习一下
你有三个思考方式
第一,你可以透过cloud.mv指向
在任何cloud.mv里面
你只要在cloud.mv写上你这个vault的路径和用途
那这个专案的AI呢
就是可以直接读到那个知识库
第二,你可以在cloud.mv里面直接查询
你可以直接打开那个vault的资料夹
然后直接问相关的问题
它读到index,找到相关页面
它就给你答案了
第三,长期ingest
知识顾不是说见完就没了
它需要持续更新
久了之后你就有一个真正的认识你的AI知识系统
另外我把今天所有影片都整合成一份PDF
让你可以直接做参考
那要怎么觉得这份PDF呢
那你只需要加入免费School社群里面
然后进来之后你只要点这个YouTube影片支援
搜寻今天影片的标题
比如说这个
那你就会看到对应的PDF支援了
另外我也会不定时的分享一些Claw Code的技巧
比如说如果会节省token
那如果觉得效果还不错的话呢
我就会在另外做一支影片去做介绍
那另外呢
我也有在classroom里面
去教N版还有商业应用案例
以及说关于Cloud Core相关资源呢
我一并都放在这里面
OK那如果你有兴趣加入的话呢
录取链接我会放在影片下方
我们里面见
好那今天影片呢
我们就从头到尾走完
L1WinWiki的这个系统
从Clarphi的架构到Prompt的运输方式
到底怎么可以应用到你自己的工作上面
那如果你觉得今天这支影片对你有帮助的话呢
歡迎在影片下方點讚
讓更多人知道
我是Jer
我們下支影片見