前端必备：我用 Claude Code 打造了一个永不烂掉的 AI 第二大脑（附完整搭建教程）
我的 Notion 里有 300 多条笔记，上次打开是 8 个月前
不是懒，是维护成本太高。
写进去容易，要用的时候根本找不到；找到了，已经和现在的认知脱节；想更新，得重新整理结构。恶性循环，最后彻底放弃。
直到我看到 Andrej Karpathy 分享的一个框架，才想通了问题所在：
传统知识库让你「存」，但没人帮你「维护」。
解法：让 LLM 来做那个维护知识库的人。
核心理念：LLM 是维护者，不是检索器
大多数人用 AI + 知识库是这个姿势：
塞一堆文档进去 → 问 AI 问题 → AI 去检索 → 给你答案这个模式的问题：每次都从原始文档检索，知识库本身不会变得更智能。
我换了一种思路：
提供新材料 → AI 阅读提炼 → AI 写/更新 wiki 页面 → wiki 越来越丰富Wiki 是 LLM 持续构建的结构化知识快照，而不是原始文档的向量仓库。
角色分工很清晰：
- 我：提供源材料、引导分析方向、做出最终判断
- Claude Code：归档基础设施、维护交叉引用、保持一致性——那些会导致知识库被放弃的繁琐工作
系统架构（30 分钟搭完）
my-second-brain/
├── CLAUDE.md ← 大脑宪法（告诉 Claude 怎么工作）
├── index.md ← 知识目录（自动维护）
├── log.md ← 操作日志（只追加）
├── sources/ ← 原始资料（不可变，权威参考）
└── wiki/ ← Claude 生成并维护的 wiki
├── people/ ← 人物页面
├── concepts/ ← 概念与方法论
├── projects/ ← 项目
├── resources/ ← 书籍、视频、工具
└── areas/ ← 生活领域工具选型：
| 工具 | 角色 |
|---|---|
| Obsidian | 本地查看 / 双链图谱 / Markdown 渲染 |
| Claude Code | AI 处理引擎（在终端里跑） |
| GitHub | 版本控制 / 多端同步 / 备份 |
三个工具，全部免费或已有，没有额外成本。
最关键的一步：写好 CLAUDE.md
这是整个系统的核心。CLAUDE.md 就是你给 Claude Code 的「工作手册」。
直接复制以下内容，开箱即用：
# 个人第二大脑 — 操作规范
## 概念
这是一个由 LLM 增量维护的持久化个人知识库（wiki）。核心理念：不在每次查询时从原始文档中检索，而是让 LLM 持续构建并维护一个结构化的 wiki，它随着每次摄入而愈加丰富。
角色分工：
- **我（用户）**：提供源材料、引导分析方向、做出判断和决策
- **LLM**：负责归档基础设施、维护交叉引用、保持一致性
---
## 目录结构
```
my-second-brain/
├── CLAUDE.md
├── index.md
├── log.md
├── sources/
└── wiki/
├── people/
├── concepts/
├── projects/
├── resources/
└── areas/
```
---
## 三大核心操作
### 1. Ingest（摄入新资料）
当我提供新源材料时，执行以下步骤：
1. **阅读**源材料，提取关键洞察、事实、观点
2. **讨论**重要发现（如有必要）
3. **撰写或更新** wiki 页面：
- 优先扩展现有页面，而非创建重复页面
- 遇到冲突信息时，不得静默覆盖——在页面中明确标注冲突
- 重写摘要而非简单追加，保持页面整洁
4. **更新 index.md**：在对应分类下添加或更新条目
5. **写入 log.md**：以 `[YYYY-MM-DD] [INGEST]` 为前缀记录摄入内容
6. **更新交叉引用**：检查并补充相关页面之间的链接
7. **标记 source 文件为已处理**：在 source 文件 frontmatter 中添加 `ingested: YYYY-MM-DD`，防止重复摄入
### 2. Query（查询知识库）
当我提问时：
1. **搜索**相关 wiki 页面
2. **综合**回答，附带页面引用（`[[页面名]]` 格式）
3. **记录发现**：如果本次查询产生了有价值的新洞察，将其写入相关 wiki 页面
4. **写入 log.md**：以 `[YYYY-MM-DD] [QUERY]` 为前缀记录查询与关键发现
### 3. Lint（审计知识库）
1. 检查**矛盾**：同一主题在不同页面之间的冲突信息
2. 标记**孤立页面**：没有被任何其他页面链接的页面
3. 修复**缺失的交叉引用**
4. 识别**过时内容**
5. 写入 log.md：以 `[YYYY-MM-DD] [LINT]` 为前缀记录审计结果
---
## 启动对话的方式
- **摄入**：「帮我摄入这篇文章：[内容]」或直接粘贴内容
- **查询**：直接提问
- **审计**：「请对知识库做一次 lint」
- **浏览**：「给我看 index.md」实际操作演示
摄入一篇文章
在终端 cd 到知识库目录，启动 Claude Code，然后：
你：帮我摄入这篇文章：[粘贴内容]
Claude Code：
✓ 阅读完毕，核心洞察：...
✓ 新建 wiki/concepts/llm-agents.md
✓ 更新 index.md
✓ 写入 log.md：[2026-10-22] [INGEST] 摄入《...》，新建 [[llm-agents]]
✓ 在 source 文件标记 ingested: 2026-10-22查询知识库
你：我之前看过哪些关于 AI agent 的资料？有什么结论？
Claude Code：
根据 [[llm-agents]] 和 [[ai-workflow]] 页面综合来看...
[结构化回答，附带 wiki 页面引用]定期 Lint
你：请对知识库做一次 lint
Claude Code：
发现 2 个孤立页面（没有任何页面链接它们）
发现 1 处内容矛盾：[[react-hooks]] 和 [[frontend-patterns]] 对 useEffect 的描述不一致
已修复 3 处缺失交叉引用
写入 log.md：[2026-10-22] [LINT] 审计完成...GitHub 同步：手机也能查阅
# 初始化
cd my-second-brain
git init
git remote add origin https://github.com/你的用户名/second-brain.git
# .gitignore 排除大文件
echo "*.pdf\n*.mp4\n*.zip" > .gitignore
# 每次摄入后提交
git add .
git commit -m "ingest: 摄入《文章标题》"
git push手机端：iOS 用 Working Copy 拉取仓库，Obsidian Mobile 打开同一目录，随时查阅。
用了一段时间后，真实感受
好的地方：
- Wiki 越摄越厚，是结构化的知识提炼，不是原始材料堆砌
- 交叉引用自动维护，Obsidian 双链图谱直接可用，不用手动整理
log.md记录所有操作历史，能看到知识库的「成长轨迹」- 再也不怕知识库「烂掉」——维护的活是 Claude 干的
踩过的坑：
CLAUDE.md必须写清楚，描述模糊 Claude 会乱建页面、结构混乱- Source 文件要标记
ingested字段，否则下次对话会重复摄入 - 页面之间有冲突时，Claude 会标注但不会自动解决，最终判断还是你来做
- 私密内容建议用私有仓库，敏感部分本地不推送
和市面上方案的对比
| 方案 | 核心问题 |
|---|---|
| Notion AI | 检索型，wiki 本身不会生长 |
| RAG + 向量数据库 | 技术门槛高，知识不被提炼 |
| 普通 Obsidian 插件 | 还是靠人工维护，时间长了依然会烂 |
| 本方案 | LLM 是维护者，知识库增量生长，维护成本接近于零 |
完整搭建步骤（速查）
# 1. 新建目录
mkdir my-second-brain && cd my-second-brain
mkdir -p wiki/{people,concepts,projects,resources,areas} sources
# 2. 创建 CLAUDE.md（复制上面的内容）
# 3. 创建空文件
touch index.md log.md
# 4. 初始化 git
git init && git remote add origin [你的仓库地址]
# 5. 用 Obsidian 打开这个文件夹
# 6. 在终端 cd 到这个目录，启动 Claude Code
claude然后直接跟 Claude Code 说：「帮我摄入这篇文章」，它会按 CLAUDE.md 的规范自动完成所有操作。
总结
这套系统的本质：把知识库的维护工作外包给 LLM，你只负责提供材料和最终判断。
作为前端开发，我们每天接触大量新技术、框架、最佳实践——这套系统让这些碎片化信息真正沉淀成可复用的知识资产，而不是刷完就忘。
核心框架来自 Andrej Karpathy，我在他的基础上加入了 Claude Code 作为本地 agent、GitHub 做版本控制、Obsidian 做可视化层。
搭建时间：30 分钟内。长期维护成本：几乎为零。
你现在用什么方式管理技术知识？欢迎评论区交流，点赞收藏方便以后查阅 👇