影片筆記：我把卡帕西的知识库升级了：AI + Obsidian 打造自生长第二大脑

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

講者演示如何結合 Obsidian 與 AI Agent（如 Codex/Cloud Code），將傳統的「卡帕西（Kapasai）」知識庫升級為具備「自生長」能力的「萌芽知識庫」。透過七層結構設計與自動化 Agent 任務，實現從資料攝取、自動整理連結到定期審查的閉環，強調 AI 負責整理連接，人類負責思考與輸出，打造個人化的第二大腦。

核心重點

1. 知識庫範式轉移：

• 傳統 AI 知識庫：僅在提問時臨時搜索片段，無法積累知識，每次新問題需重新理解。
• 卡帕西/萌芽知識庫：資料進入時即由 AI 整理至 Wiki，後續相關資料會更新原有頁面，提前建立內容連結，隨使用增加而變完整。

1. Obsidian 的核心優勢：

• 使用 Markdown 格式，便於 AI 讀取/修改及人類閱讀。
• 支援雙向連結，便於建立筆記間的關聯。

1. 升級版「萌芽知識庫」七層結構：

• 靈感庫：隨地大小記，不需整理，支援手機同步。
• 進行中：存放正在進行的事項（腳本、讀書）。
• 成品庫：存放結束後的完整產出（視頻腳本、文章）。
• 外部資源：存放從外部收集的原始資料。
• 歷史記錄：存放已結束或暫停的項目，保留進度以便未來重啟。
• Skills：存放個人技能相關內容。
• Wiki：由 AI 自動整理生成的知識頁面（保留原卡帕西結構）。

1. 自動化運作流程（攝取、問答、審查）：

• 攝取：資料同步至「外部資源」，AI 讀取規則與目錄，提取重點，判斷更新現有 Wiki 或新建頁面，並更新目錄與日誌。
• 問答：提問時，AI 透過目錄找到相關 Wiki 頁面，結合已整理內容回答，若需細節則回溯至「外部資源」查看原文。
• 審查：Agent 定時任務自動檢查 Wiki，找出重複、矛盾、過時或缺乏來源的內容，無需手動操作。

1. 人與 AI 的角色分工：

• AI：負責收集、整理、連接與自動化維護。
• 人：負責思考、主動寫作與輸出。知識不能僅停留在庫中，必須進入大腦，行動是將知識變成自己的最後一步。

詳細大綱

一、 核心概念與原理

• 傳統 AI 知識庫的局限：
• 資料存入後，僅在提問時臨時搜索相關片段。
• 每次新問題需重新搜索與理解，無法真正積累知識。
• 卡帕西（Kapasai）知識庫原理：
• 新資料進入時，AI 先整理至 Wiki。
• 後續相關資料加入時，會更新原有知識頁面。
• 提前整理不同資料間的聯繫，隨使用增加而變完整。
• Obsidian 的選擇理由：
• 使用 Markdown 格式，便於 AI 讀取/修改及人類閱讀。
• 支援雙向連結，便於建立筆記間的關聯。

二、 升級版知識庫結構（萌芽知識庫）

• 整體架構：

1. 靈感庫：記錄突然冒出的想法，支援手機同步，主打「隨地大小記」，不需整理。
2. 進行中：存放正在進行的事項（如腳本、正在讀的書）。
3. 成品庫：存放結束後的完整產出（如視頻腳本、文章、完整讀書筆記）。
4. 外部資源：存放從外部收集的原始資料（對應原結構的外部資源）。
5. 歷史記錄：存放已結束或暫停的項目，保留進度以便未來重啟。
6. Skills：存放個人技能相關內容。
7. Wiki：保留原卡帕西結構，由 AI 自動整理生成的知識頁面。

• 輔助文件：
• index：知識庫目錄。
• log：記錄新增與更新內容。
• 規則文檔：告訴 AI 如何處理內容。

三、 操作流程：攝取、問答、審查

• 攝取（Input）：
• 將各類資料（文章、網頁、論文、播客、圖片、截圖）同步至「外部資源」。
• AI 讀取規則文檔與 index，提取重點，判斷是更新現有 Wiki 頁面還是新建頁面。
• 更新 index 與 log。
• 問答（Query）：
• 提問時，AI 透過 index 找到相關 Wiki 頁面。
• 結合已整理內容回答，若需確認細節，會回溯至「外部資源」查看原文並提供來源。
• 審查（Review）：
• 定期檢查 Wiki，找出重複頁面、矛盾說法、過時內容或缺乏來源的結論。
• 透過 Agent 的定時任務自動執行，無需手動操作。

四、 實操步驟：搭建與導入

• 初始搭建：
• 使用 Obsidian 打開本地資料夾。
• 輸入提示詞，指引 AI 拉取 GitHub 倉庫（卡帕西或講者的「萌芽知識庫」）。
• AI 根據回答（如使用 Codex 或 Cloud Code）創建對應規則文檔（agents.md 或 cloud.md），建立目錄與規則。
• 資訊收集與導入：
• 網頁：使用 Web Clipper 插件轉為 Markdown 保存；可利用 AI 翻譯英文內容；使用內置瀏覽器查看官方文件。
• YouTube 影片：保存至 Obsidian 後自動收集字幕，可讓 AI 翻譯。
• 公眾號文章：使用「Emma 知識庫」工具保存，透過 AI 代理連接 API Key 與配置，將文章列表導入 Obsidian。
• 書籍：使用 Apple Books 等插件，將讀書標註、畫線部分導入 Obsidian。
• 自動化維護：
• 設定 Agent 定時任務（如每晚 8 點）。
• 任務內容：收集整理新增資料、更新 Wiki、生成「每日閱讀導讀報告」。
• 報告內容：當日值得關注內容、閱讀建議、新增理解及建立的雙向連結。

五、 核心觀點與結論

• AI 與人的角色分工：
• AI 負責收集、整理與連接。
• 人負責思考、主動寫作與輸出。
• AI 無法替代人的思考，知識不能僅停留在庫中，必須進入大腦。
• 行動的重要性：
• 行動是將知識變成自己的最後一步。
• AI 是時代的槓桿，放大學習與行動能力。
• 希望「萌芽知識庫」能幫助用戶種下萌芽，長成自己的大樹。

工具 / 模型 / 名詞整理

• Obsidian：本地知識庫軟體，使用 Markdown 格式，支援雙向連結。
• 卡帕西（Kapasai）：原型的 AI 知識庫結構名稱。
• 萌芽知識庫：講者升級後開源到 GitHub 的知識庫名稱。
• GitHub：開源代碼倉庫平台，用於存放知識庫代碼。
• Codex：提及的 AI 代理工具之一。
• Cloud Code：提及的 AI 代理工具之一（註：逐字稿中亦出現「Workbody」，疑為聽誤）。
• Web Clipper：Obsidian 插件，用於將網頁轉為 Markdown。
• Emma 知識庫：用於保存公眾號文章的第三方工具。
• Apple Books：提及的電子書閱讀應用，其插件可導入標註。
• Anthropic：提及的官方文件來源機構。
• Skills：知識庫中的一個資料夾名稱，指代技能或特定講解內容。
• Index：知識庫目錄文件。
• Log：記錄新增與更新內容的文件。
• Agents.md / Cloud.md：告訴 AI 如何處理內容的規則文檔。

操作流程整理

1. 初始搭建階段

1. 使用 Obsidian 打開本地資料夾。
2. 輸入提示詞，指引 AI 拉取 GitHub 倉庫（選擇「卡帕西」或講者的「萌芽知識庫」）。
3. AI 根據用戶回答（如選擇使用 Codex 或 Cloud Code），創建對應規則文檔（agents.md 或 cloud.md）。
4. 建立目錄結構與規則設定。

2. 資料攝取與導入階段

• 網頁資料：
• 使用 Web Clipper 插件將網頁轉為 Markdown 保存至「外部資源」。
• 可利用 AI 翻譯英文內容。
• 使用內置瀏覽器查看官方文件。
• YouTube 影片：
• 保存影片至 Obsidian。
• 系統自動收集字幕，可讓 AI 進行翻譯。
• 公眾號文章：
• 使用「Emma 知識庫」工具保存文章。
• 透過 AI 代理連接 API Key 與配置。
• 將文章列表導入 Obsidian 的「外部資源」。
• 書籍標註：
• 使用 Apple Books 等插件。
• 將讀書標註、畫線部分導入 Obsidian。

3. 自動化維護與審查階段

1. 設定定時任務：設定 Agent 定時任務（例如每晚 8 點）。
2. 執行任務內容：

• 收集整理「外部資源」中的新增資料。
• AI 讀取規則文檔與 index，提取重點。
• 判斷是更新現有 Wiki 頁面還是新建頁面。
• 更新 index 與 log。
• 生成「每日閱讀導讀報告」。

1. 報告內容包含：

• 當日值得關注內容。
• 閱讀建議。
• 新增理解及建立的雙向連結。

1. 定期審查：

• Agent 自動檢查 Wiki，找出重複頁面、矛盾說法、過時內容或缺乏來源的結論。
• 無需手動操作，實現知識的自動化維護。

4. 問答使用階段

1. 用戶提出問題。
2. AI 透過 index 找到相關 Wiki 頁面。
3. AI 結合已整理內容進行回答。
4. 若需確認細節，AI 會回溯至「外部資源」查看原文並提供來源。

值得注意的限制或風險

• AI 無法替代人類思考：影片強調 AI 僅負責收集、整理與連接，人必須負責思考、主動寫作與輸出。知識若僅停留在庫中而未進入大腦，則無意義。
• 行動的重要性：行動是將知識變成自己的最後一步，AI 僅是放大學習與行動能力的槓桿。
• 資料來源依賴：自動化流程高度依賴外部工具（如 Web Clipper, Emma 知識庫, Apple Books 插件）的穩定性與相容性。
• 規則文檔的準確性：AI 的整理行為依賴於規則文檔（agents.md 等）的設定，若規則定義不清，可能導致整理結果不符合預期。

逐字稿辨識疑點

• 「既靈感」：逐字稿開頭出現「既灵感」，語意不通，疑為「藉靈感」或「集靈感」之聽誤。
• 「卡帕西」vs「卡巴西」：逐字稿中交替使用「卡帕西」與「卡巴西」，指代同一個知識庫原型，需確認正確譯名。
• 「Codex Workbody」：逐字稿中出現「你也可以用 Codex Workbody」，「Workbody」疑似為「Cloud Code」或其他 Agent 名稱的聽寫錯誤，因後文又提到「Codex 還是 cloudcode」。
• 「Emma 支持库」：講者口語中稱「Emma 支持库」，但前文稱「Emma 知识库」，需查證該工具正確名稱是否為「Emma 知识库」或另有名稱。
• 「AI 码知识库」：在配置公眾號導入時，講者提到「AI 码知识库的连接方式」，疑為「Emma 知识库」之聽誤。
• 「以安排」：講者提到「点击这个以安排」，疑為「已安排」或特定功能按鈕名稱之聽誤。
• 「getup 仓库」：講者提到「拉取这个 getup 仓库」，疑為「GitHub 仓库」之聽誤。

可延伸追問

• 如何具體設定 agents.md 或 cloud.md 中的規則，以確保 AI 能正確區分「更新現有 Wiki」與「新建頁面」？
• 「Emma 知識庫」與 Obsidian 的 API 連接具體配置步驟為何？
• 若遇到 AI 生成的雙向連結錯誤或矛盾內容，用戶應如何手動干預或修正？
• 「每日閱讀導讀報告」的具體格式與內容範例為何？
• 如何確保手機端「靈感庫」與桌面端 Obsidian 的同步穩定性？