Andrej Karpathy — OpenAI 創始成員、前 Tesla AI 總監 — 四天前在 X 上發了一篇帖。
1500 萬 views，9 萬人收藏。
他講的東西很簡單：你不需要複雜的 AI 工具來管理知識。一個免費的筆記軟體 + 一個 AI 助手，就能幫你把散落的資料變成一個「會自己長大的百科全書」。
這篇幫你用白話拆解他的方法，不管你有沒有技術背景，看完都能理解。
為什麼這件事值得關注？
你有沒有遇過這種情況：
上週用 ChatGPT 查了一個問題，得到了很好的答案。這週又需要用到，結果對話紀錄找不到了，只好重新問一次。
或者你有一堆 PDF、筆記、網頁收藏，散落在不同的 app 裡面，想找某個東西要翻半天。
這就是 Karpathy 想解決的問題 — AI 對話是「用完即丟」的，你的知識沒有被累積下來。
他的解法是：讓 AI 不只是回答你的問題，而是幫你把所有資料整理成一個有結構的知識庫。問過的東西不會消失，而且越問越聰明。
他的方法到底是什麼？
架構非常簡單，就是兩個資料夾：
📁 第一個叫「raw」 — 你把所有原始資料丟進去。文章、PDF、網頁、會議紀錄，什麼都行。
📁 第二個叫「wiki」 — AI 讀完你的資料後，自動整理成一篇一篇有結構的筆記。每篇筆記之間還會互相連結，就像維基百科一樣。
再加一份「目錄」（index），記錄所有筆記的清單。
你之後問任何問題，AI 順著目錄和連結找到答案 — 不是上網亂搜，是從你自己的資料裡找。
工具就兩個：
- Obsidian — 免費的筆記軟體，讓你用肉眼看到整個知識網路的關係圖
- Claude Code — AI 助手，負責讀資料、整理、建連結
跟以前的做法有什麼不同？
以前如果你想讓 AI 處理大量資料，標準做法叫 RAG。
白話講就是：把你的文件切成碎片，用數學方式存進一個特殊的資料庫。你問問題的時候，AI 去資料庫找「看起來最像」的碎片回來拼答案。
門檻高 — 要架資料庫、寫程式、處理技術問題
碎片沒關係 — AI 找到 A 不知道 B 也相關
零門檻 — 就是一個資料夾 + markdown 文件
有連結有索引 — AI 順著結構找答案
有人實測把 383 個散落文件丟進去，之後查東西的成本直接降了 95%。
最關鍵的是：你不用懂什麼是向量、什麼是 embedding、什麼是 chunking。你只要會把文件丟進資料夾就行。
適合誰？什麼時候用？
這個方法特別適合：
- 研究生 — 整理論文和文獻
- 自由工作者 — 管理客戶資料和專案筆記
- 創業者 — 追蹤決策、整理市場研究
- 內容創作者 — 整理靈感、素材、參考資料
- 任何有「資料散落在各處」痛點的人
Karpathy 自己目前是 100 篇文章、40 萬字，運作得很順暢。個人用或小團隊完全夠用。
如果你的資料量到了上萬甚至百萬份文件（通常是大企業級別），那才需要考慮傳統的資料庫方案。一般人根本用不到那個級別。
怎麼開始？三步
1下載 Obsidian（完全免費）→ 建一個資料夾當你的知識庫
2裝 Web Clipper 瀏覽器套件 → 以後看到有用的網頁一鍵存進去
3打開 Claude Code → 跟它說「幫我把這些資料整理成 wiki」
就這樣。AI 會自動幫你分類、建目錄、加連結。之後你問它任何問題，它都能從你的資料裡找到答案。
以前整理知識是苦力活。現在你只負責丟資料進去，AI 負責整理。