# 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。
2.  **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。
3.  **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）。
4.  **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。
5.  **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」。
3.  **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。
4.  **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？