6月24日周三晚。
这是「星阙学习分享会」的第11期线下活动。主题是「AI个人知识库从0到1搭建实践」，主讲人是唐斩老师——前大厂后端工程师，十年编码经验，现为AI编程领域独立创作者，全网粉丝约2万。
唐斩老师的分享全程干货满满高密度的输出，没有一句废话。更让人觉得赚翻的，是下半场的自由交流环节。八位来自不同行业的AI实践者，逐一介绍了自己的项目进展、技术选型与商业化思考。从政府采购招投标到构音障碍语音产品，从幼儿园个性化教育到演唱会舞美设计——AI正在这些极其具体的场景里，长出完全不同的形态。
以下是我全程2.5小时的笔记整理。
Part 1｜为什么你的AI输出总是"没有灵魂"？
分享一开始，唐斩老师抛出了两个问题。
图片
问题一：为什么我用AI写的东西，读起来总有一股"AI味"？
他做了一个对比实验：同一个Agent，同一个大模型，同一个主题，生成两篇公众号文章。唯一的变量是——左边那篇接入了他的个人知识库（约13篇历史文章），右边那篇没有。
结果很说明问题。接入知识库的那篇，标题更短促，信息密度明显更高，句子带有明确的判断和立场，整体读起来甚至有些"干涩"。而没有接入知识库的那篇，行文流畅，措辞安全，读着舒服，但你记不住是谁写的。
唐斩老师的原话："左边那篇不一定更好，但一定个性更鲜明。"
在场的人都有同感。现在读公众号，大家脑子里自带一个"这是不是AI写的"检测器。如果你的内容能让人读出"这是某个具体的人写的"，你就赢了。
问题二：模型越来越强，什么知识都有，我还需要建个人知识库吗？
唐斩老师给了两个层面的回答。
第一，个性化表达必须依赖个人知识库。他用了Seedance做视频的例子：刚出来的时候好多人说"拿它起号无敌了"，结果两天后所有人都会用了，视频又沉下去了。平台只看内容的平均水平，当供给侧的效率普遍提升，真正能跑出来的只有两类内容——要么是极具个性的表达，要么是专业度极深的垂直内容。前者依赖个人风格库，后者依赖垂直领域库。
第二，积累本身具有复利效应。唐斩老师放了一张行业统计图——大模型训练语料的增长速度在2025-2026年已经明显放缓。模型的进化不可能无限持续，未来当大家调用的模型能力相当时，拉开差距的只能是个人知识库的厚度与质量。你现在开始积累，一定比明年再开始的人有价值。
结论：模型提供通识能力，知识库提供个性和深度。两者缺一不可。
图片
Part 2｜唐斩老师的技术选型：为什么是Obsidian + LLMwiki？
进入实操环节，唐斩老师给出了三层技术选型逻辑。
存储层：Obsidian，而非Notion或飞书
理由有三个。
其一，本地优先。Obsidian的每个文件就是磁盘上的一个md文档，读写速度快，不依赖网络，不受云端服务的限频和存储空间限制。
其二，原生支持Markdown格式。这是当前Agent生态的事实标准，token消耗低，结构清晰。
其三，自带双链功能，支持知识之间的关联与追溯。虽然裸软件功能较少，需要DIY插件，但对于愿意动手的用户来说，灵活度远高于云端方案。
唐斩老师特别提醒："用云端工具，商业化考量下一定会限制你的读写频率和存储空间。但本地存储的代价是——你要自己做好定期备份。电脑进水了，存了多少年的资料就没了。"
架构层：LLMwiki，而非RAG
RAG适合企业级海量资料存储，但它的处理方式是将资料映射到高维向量空间，用户最终看到的是一串数字，知识之间的关联和结构不可见、不可追踪。
LLMwiki是近两个月由OpenAI研究员卡帕西提出的新方案。它的核心特征是：生成的知识完全可见、可读、可追溯。对个人用户非常友好。缺点是知识量达到百GB甚至TB级别后会有性能瓶颈，但个人用户很难达到这个量级。
LLMwiki分为三层架构：
• 底层：原始资料（raw sources）
• 中间层：大模型从原始资料中抽取的概念与实体知识（entity + concept）
• 顶层：知识库的规则约束（schema）
用户只需要做一件事：把原始资料导入，剩下的抽取、整理、索引工作全部由大模型自动完成。
Agent层：按习惯选择即可
关键在于大模型的能力底线。唐斩老师的建议是："不要低于DeepSeek V4 Pro，这个价格已经足够便宜，能力也够用。"
实操演示：10分钟从0到跑通
唐斩老师现场用Workbuddy演示了AI个人知识库从0到1搭建的完整链路。从创建文件夹、初始化LLMwiki结构、导入历史文章，到最终生成一篇带有个人风格的技术文章，整个流程清晰直白，底层逻辑到实际应用全程拉通，在场的人一看就懂。
Part 3｜维护知识库的三个关键动作
搭建只是开始，持续维护才是真正的壁垒。唐斩老师分享了三个正在实践的核心动作。
一、建立多场景收集体系
• 手机端碎片灵感（100字左右）→ Flomo
• 线下分享、会议录音 → 独立录音硬件（未公开发售，创业者朋友的产品）
• 微信公众号内容抓取 → 得到代码（原Get笔记），因为微信对爬虫有拦截，这是少数能稳定抓取的工具
• 网页内容直接抓取 → Obsidian浏览器插件
二、AI自动质检
在Workbuddy中设置定时任务（如每周一次），让AI自动巡检知识库：
• 检查孤立内容（与其它知识脱节）
• 检测重复导入
• 评估内容质量并更新
整个过程不需要人工介入。
三、知识库自进化
针对特定专业领域，定期让AI检索全网最新、质量最高的内容，存入"待审核"目录，用户确认后再正式加入知识库。这样连手动找资料的时间都省了。
唐斩老师总结了一句话，在场的人都有共鸣："只存不看不是问题，AI会帮你看。但只存不用才是问题——知识库一定要绑定具体的使用场景。"
他分享了自己在用的两个场景：
场景一：自我认知与决策辅助。 他建了一个名为"唐斩的知识库"的文件夹，每天关电脑前跟AI闲聊——今天做了什么、有什么想法、哪些事完成了哪些没做。持续积累后，他开发了一个桌面应用，基于这个知识库与自己对话，AI会挖掘他的思维模式与决策习惯，辅助重大决策。目前仍在迭代中。
场景二：系统化学习。 他设计了一套六步学习模板，基于知识库学习任意新概念。核心逻辑是：限定学习边界，要求持续输出，输出内容再反馈回知识库。学完之后直接能写文章、做课程，全链路打通。
关于知识抽取维度的灵活性，唐斩老师特别强调：
LLMwiki的两层结构只是一个通用框架，不是不可更改的规范。不同场景下，知识抽取的维度完全不同。同一份资料，摄影师关注构图和光线，文字工作者关注字体和内容。用户完全可以自定义抽取规则，让大模型按自己的需求去解析资料。
Part 4｜八位实践者的真实项目：AI正在这些场景里落地
分享结束后，进入自由交流环节。每人5分钟，介绍自己的行业背景、AI项目进展和当前需求。以下是部分内容摘录。
一、政府采购招投标领域
从业者来自传统政府采购招投标行业。该领域正在逐步用AI替代人工完成文字类基础工作，行业数据对安全性和隐私要求极高，目前不连云端。需求是部署本地大模型完成招投标文件处理，期待与技术方合作，做垂直领域AI产品。未来AI评标是明确的行业趋势。
二、文博空间运营+残疾人孵化
运营文博空间，与成都市残联合作做残疾人创业孵化，帮助残疾人通过手工活获得收入。同时在四川省旅游学院开设AI、手工、烹饪等课程。该学院是全国唯一的烹饪本科院校，预制菜专业国内领先。日常工作中PPT、宣传图、方案均通过AI完成，效率提升明显。
三、数据分析师转型
某互联网公司BI岗位。目前95%的工作可由AI完成，剩余5%因钉钉接口开放不完善无法自动化。已实现广告素材批量打标签、广告脚本生成、图片素材生成，上千条素材存入知识库便于调用。因原公司组织结构限制个人发展，计划离职进入小公司，未来向游戏行业发展。认为五个人以内即可完成从内容生产到投放的全流程。
四、教育领域个性化知识库
文科教育从业者。认为知识库思维适合个性化教育——为每个孩子建立成长知识库，老师和家长共同维护，全方位了解孩子，制定个性化发展计划。匹配生育率下降后教育向个性化发展的趋势，也能帮助家长理解特殊需求孩子的成长特点。已开始尝试，主要挑战在于数据隐私争议。
五、AI自媒体生产工具
产品为"生动口播工厂"。一站式自媒体内容生产系统，从文案生成、数字人生成、混剪到发布全链路打通，点一下10分钟完成一条视频。支持对标账号视频风格学习，提取对标文案风格生成新内容，支持本地生活、美业等多镜头混剪。目前为个人运营，主打下沉市场，做短视频矩阵，一人操作几十个账号，日产出上百条视频。正在探索不封号的无人直播方案。
六、构音障碍语音AI产品
在读博士，先天性脑瘫患者。正在做针对构音障碍人群的语音识别产品——难度高于方言识别，因为每个患者的发音没有共性。产品形态为带消音功能的口罩硬件，输出标准AI语音。软件已上线，正在与上海公司洽谈硬件合作。国内该领域几乎没有竞品，市场空间明确。本人已有几十家媒体报道（包括人民日报、央视），正在搭建个人IP知识库。
七、舞美设计+自媒体
职业舞美设计师，负责演唱会舞台灯光、结构、音响设计。行业垂直小众但市场规模持续增长。已开发Vibe Coding版吊挂承重计算小程序，解决演出报批核心需求。下一步计划做舞美报价知识库，整理全国不同区域、不同品牌型号的舞美器材价格，解决预算计算繁琐的痛点。同时在做面向中老年人的国学内容自媒体，半个多月已开始起量。
八、AI活动园区+OPC入门课程
从火锅店跨界进入AI行业。现经营AI主题园区，全国举办AI线下活动。正在开发面向零基础的OPC入门课程，面向刚毕业和想做第二职业的新人。大纲已完成，正筹备录制，计划改成口语化表达以降低学习门槛。
九、AI电商短视频工具
从知识付费转型。产品核心解决素人做电商短视频成本高、效率低的问题。支持从多个对标视频提取风格、生成原创视频，成本比传统方式低60%以上。一分钟视频含60个镜头，三分钟完成剪辑，支持精细化调整。年底计划完成多账号矩阵管理功能。
Part 5｜一个值得关注的商业化视角
散场前的交流中，多位参会者达成了一个共识：
个人知识库的对外价值，不在于"知识库"本身，而在于"个人数据资产"的定位。
原话是："讲知识库，同样三个字，你收不到钱；讲个人数字资产，你就能够把金额放大。"
背后的逻辑是：企业过去十年在做企业数字化，但创始人个人的知识结构、思维方式、决策逻辑的数字化，是下一阶段的隐性资产。卖给企业老板，比卖给个人更容易成交，客单价也更高。
有人举了两个例子：
一是投过的汉服品牌。创始人一直想写网文构建品牌IP世界观，几年过去一个字没写出来。用AI辅助后，世界观框架和人物设定很快搭起来，效率完全不可同日而语。
二是一位起点中文网的白金作家。搁笔数年，现在重新出来做AI相关的内容创作。AI能帮他润色和扩展，但核心创意和故事框架仍然无法替代。
写在最后
这场活动2.5小时，没有炫技，没有口号，没有"颠覆认知"之类的空话。
唐斩老师分享的是自己踩过坑之后跑通的方案，其他人讲的是自己正在做的事情和真实遇到的瓶颈。
这是「星阙学习分享会」的第11期。如果你认同AI不止于"让机器替你偷懒"，而是"让机器替你积累"，这个系列的活动值得你来现场。