# my-knowledge-base

**Repository Path**: zengzr/my-knowledge-base

## Basic Information

- **Project Name**: my-knowledge-base
- **Description**: 个人知识库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-18
- **Last Updated**: 2026-05-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 个人知识库系统 (PARA + MOC + Zettelkasten)

> 基于飞书文档《用 AI 搭一套会复利的知识系统》搭建
> 
> 采用 **PARA + MOC + Zettelkasten** 混合架构，遵循 **摄取 → 消化 → 输出 → 巡检** 的工作流程。

## 快速开始

### 1. 了解系统结构

```
my-knowledge-base/
├── AGENTS.md              # AI 系统规则（告诉 AI 如何维护知识库）
├── README.md              # 本文件
│
├── raw/                   # 📥 摄取层 - 原始材料
│   └── YYYY/MM/           # 按年月组织
│       └── YYYY-MM-DD-slug-seq.md
│
├── knowledge/             # 🧠 知识层 - PARA + MOC + Zettelkasten
│   ├── projects/          # PARA: 有明确目标的事项
│   ├── areas/             # PARA: 长期负责的领域
│   ├── resources/         # PARA: 参考资料和主题知识
│   ├── archives/          # PARA: 暂时不用的内容
│   ├── moc/               # MOC: 内容地图/导航页
│   ├── concepts/          # Zettelkasten: 概念卡片
│   ├── topics/            # Zettelkasten: 主题页
│   └── index/             # 索引和摘要
│       ├── index.md       # 总索引
│       └── summary-*.md   # 摘要
│
├── outputs/               # 📤 输出层 - 各类产物
│   ├── article/           # Markdown 长文
│   ├── infographic/       # 信息图脚本/文案
│   ├── pdf/               # PDF 文档
│   ├── ppt/               # 演示文稿
│   ├── memo/              # 研究备忘录
│   └── social/            # 社交媒体内容
│
├── inspection/            # 🔍 巡检层 - 巡检报告
│   └── inspection-*.md
│
└── skills/                # 🤖 AI Skills
    ├── llm-ingest/        # 摄取+消化 skill
    ├── drawio-diagram/    # 画线框图 skill
    └── ljg-card/          # 长图生成 skill
```

### 2. 第一次使用

**Step 1: 配置 AI**

把 `AGENTS.md` 的内容发给 AI（如 Claude、ChatGPT、Kimi 等），让 AI 了解这套系统的运作规则。

**Step 2: 摄取内容**

复制 `skills/llm-ingest/prompt-ingest.md` 的内容给 AI，然后提供要处理的链接或内容。

示例对话：
```
[粘贴 prompt-ingest.md 的内容]

请摄取这篇文章：https://example.com/article
```

AI 会生成标准化 Markdown 文件，保存到 `raw/YYYY/MM/` 目录。

**Step 3: 消化内容**

复制 `skills/llm-ingest/prompt-digest.md` 的内容给 AI。

示例对话：
```
[粘贴 prompt-digest.md 的内容]

请消化这份原始材料：raw/2026/05/2026-05-17-xxx-001.md
```

AI 会生成：
- 摘要 → `knowledge/index/summary-*.md`
- 概念卡 → `knowledge/concepts/concept-*.md`
- 主题页 → `knowledge/topics/topic-*.md`
- 更新索引 → `knowledge/index/index.md`

**Step 4: 输出内容**

基于知识库生成文章、PPT、备忘录等。

复制 `skills/llm-ingest/prompt-output.md` 的内容给 AI。

**Step 5: 定期巡检**

复制 `skills/llm-ingest/prompt-inspect.md` 的内容给 AI，定期检查知识库健康状态。

## 核心原则

1. **文件优先** - 所有东西落成普通 Markdown 文件，不锁在单一应用里
2. **增量更新** - 只处理新增内容，不要每次重建全库
3. **可追溯** - 任何结论都能追溯到原始来源
4. **不要只让 AI 生成一次性结果** - 要让 AI 帮你生成一套能持续使用的系统

## 模板文件

| 模板 | 位置 | 用途 |
|------|------|------|
| 摄取文件 | `raw/.templates/raw-template.md` | 标准化原始材料 |
| 摘要 | `knowledge/index/summary-template.md` | 结构化摘要 |
| 概念卡 | `knowledge/concepts/concept-template.md` | 原子化概念 |
| 主题页 | `knowledge/topics/topic-template.md` | 综合主题 |
| MOC | `knowledge/moc/moc-template.md` | 内容地图 |
| 巡检报告 | `inspection/inspection-template.md` | 巡检报告 |
| 文章输出 | `outputs/article/article-template.md` | 长文输出 |

## Skill 文件

| Skill | 位置 | 来源 |
|-------|------|------|
| llm-ingest | `skills/llm-ingest/` | 本系统内置 |
| ljg-card | `skills/ljg-card/` | 李继刚老师 (GitHub: lijigang/ljg-skills) |
| drawio-diagram | `skills/drawio-diagram/` | 参考 README 安装 |

### ljg-card 使用

ljg-card (铸) 是将内容转换为视觉图片的 skill：

```
# 长图（默认）
铸 -l "要转换的内容"

# 信息图
铸 -i "内容"

# 多卡
铸 -m "内容"

# 视觉笔记
铸 -v "内容"

# 漫画
铸 -c "内容"

# 白板
铸 -w "内容"

# 大字
铸 -b "内容"
```

详见 `skills/ljg-card/SKILL.md`

### drawio-diagram 安装

```bash
# 方式一：官方
cd ~/.claude/skills
git clone https://github.com/jgraph/drawio-mcp.git
cp -r drawio-mcp/skill-cli/drawio drawio-diagram

# 方式二：社区
cd ~/.claude/skills
npx degit xstongxue/best-skills/skills/drawio-diagram drawio-diagram
```

详见 `skills/drawio-diagram/README.md`

## 工作示例

### 示例：摄取一篇文章

1. 给 AI 发送 `prompt-ingest.md` + 文章链接
2. AI 生成 `raw/2026/05/2026-05-17-article-name-001.md`
3. 检查内容，确认无误后保存

### 示例：消化为知识

1. 给 AI 发送 `prompt-digest.md` + 原始文件路径
2. AI 生成：
   - `knowledge/index/summary-2026-05-17-article-name-001.md`
   - `knowledge/concepts/concept-new-idea.md`
   - 更新 `knowledge/topics/topic-related-area.md`
   - 更新 `knowledge/index/index.md`
3. 检查所有变更，确认后保存

### 示例：基于知识库写文章

1. 给 AI 发送 `prompt-output.md` + 主题
2. AI 读取相关知识，生成文章到 `outputs/article/`

## 推荐工具

- **Obsidian** - 打开知识库文件夹即可使用，支持 [[wikilinks]]
- **VS Code** - 配合 Markdown 插件使用
- **Anytype** - 支持本地优先的笔记工具
- **Logseq** - 大纲式笔记工具，支持本地文件

## 参考资源

- 飞书原文：https://lcnaoyjp4e3z.feishu.cn/docx/LpbXdRfevoE2c0xfoLWcEY2an7b
- Karpathy LLM Wiki Blog: https://karpathy.ai/blog/llm-wiki.html
- llm-wiki-skill: https://github.com/llmrix/llm-wiki-skill
- ljg-skills: https://github.com/lijigang/ljg-skills
- PARA Method (Tiago Forte): https://fortelabs.com/blog/para/

## 注意事项

1. 每个人使用场景不同，提示词需要根据实际使用情况调整
2. 遇到 AI 无法摄取的内容时，让 AI 研究解决方案，成功后更新到提示词
3. 随着使用，提示词会越来越强大，成为个人资产
4. 不要一上来就让 AI 直接写最终内容，要经过完整的摄取→消化→输出流程
5. 不要把聊天记录当知识资产，文件才是资产

---

**核心思想：这不是知识库，这是 compound engineering。**

今天做过的事，会变成明天的基础。每一次处理，都不是结束，而是下一次处理的输入。