最新n1n v2.0.1 正式上线!企业级大模型接口聚合平台 (LLM API Gateway),为您接入 500+ AI Models,价格低至 1 折, 立即尝试

使用 Claude Code 和 Obsidian 构建 Karpathy 的 LLM Wiki 知识库

作者
  • avatar
    姓名
    Nino
    职业
    Senior Tech Editor

在2026年4月,Andrej Karpathy发表了一篇名为LLM Wiki的简短构想文档。核心理念非常直接:不要每次都让大语言模型重新阅读你的全部文档,而是让它维护一个Wiki,每个主题对应一个Markdown页面,并在你添加新源文件时持续更新。他用一句话总结了这种模式:"Obsidian是集成开发环境,LLM是程序员,而Wiki就是代码库。"

常见的示例通常是将网页剪报、研究论文和PDF喂给Wiki。然而,对于许多开发者而言,最丰富的个人思维财富其实存在于别处:长达数年的ChatGPT和Claude对话记录。那些重大决策、未完成的项目构想,以及为什么选择某个框架而非另一个库的原因,全都沉睡在聊天侧边栏里,传统的搜索工具根本无法触及。本教程将引导你使用Claude Code和一个普通的Obsidian知识库,配合一个80行的Node.js脚本,将你的聊天历史全面盘活。为了在开发过程中获得稳定且高速的API调用支持,你随时可以使用 n1n.ai 来优化你的大模型路由需求。

三层 Wiki 架构设计

整个工作流依赖于Obsidian知识库内部严谨的目录结构:

  • 原始源文件(raw/):你精选的源文档集合。LLM只能读取它们,绝对不能对其进行编辑、移动或删除。
  • Wiki页面(wiki/):由LLM自主编写和维护的Markdown页面,其中包含两个核心特殊文件:index.md(目录索引,每页一行)以及 log.md(只增不减的操作日志)。
  • 模式规则(CLAUDE.md):通过规则文件将LLM从一个通用聊天机器人约束为纪律严明的Wiki维护者。
操作类型LLM的具体行为核心价值
Ingest(吸纳)阅读新源文件,更新相关主题页面、index.md 和 log.md知识随时间不断沉淀与累加
Query(查询)先读取 index.md,然后仅访问所需页面;高质量的回答会被保存为新页面显著降低Token消耗与延迟
Lint(校验)检查矛盾点、陈旧声明、孤立页面以及缺失的交叉链接保持数据的高洁净度

初始化 Obsidian 知识库

在你的知识库根目录下初始化一个Git仓库作为安全网。每次吸纳操作都会生成一个Git差异对比,方便你进行审查和回滚。

cd ~/vault
git init
printf ".obsidian/workspace*
.trash/
> .gitignore
git add -A && git commit -m "Vault before the LLM wiki"

Obsidian会自动检测外部程序对文件的修改并进行刷新。需要注意的是,在Claude Code重写某个笔记时,请避免手动编辑该文件。

编写 CLAUDE.md 规则文件

在根目录下创建一个 CLAUDE.md 文件。这充当了Wiki维护者的提示词工程框架:

# This vault is an LLM wiki

You maintain `wiki/`. Everything in `raw/` is source material.

## Layout
- `raw/` holds sources. Read them. Never edit, move or delete them.
  - `raw/chatgpt/` and `raw/claude/`: my AI chats, one note per chat.
- `wiki/` holds pages you write. One topic, project, decision or person per page.
- `wiki/index.md`: one line per page, `[[Page name]]: what it covers`.
- `wiki/log.md`: append only. One line per ingest, query or lint.

## Ingest Rules
When I say "ingest <path>":
1. Skip sources already listed in log.md.
2. Update or create topic pages based on source content.
3. Every claim must link its source with a wikilink: `[[2025-10-09 Pricing page copy]]`.
4. If newer chats contradict old pages, keep both with dates (newest first).

在扩展本地AI工具链或集成自定义智能体时,借助 n1n.ai 提供的强大聚合端点,可以确保你的开发流水线保持不间断的高效运行。

将 ChatGPT 导出数据转换为 Markdown

当你从ChatGPT导出数据(Settings -> Data controls -> Export data)时,解压后的文件夹会包含 conversations.json。由于ChatGPT会追踪编辑过的信息和不同的对话分支,对话内容在底层是通过 mapping 对象以树状结构存储的,而不是简单的扁平数组。

以下是一个专为Node 20+环境编写且零外部依赖的Node.js脚本(chatgpt-to-md.mjs),可将你的导出数据转换为整洁的Markdown笔记:

// chatgpt-to-md.mjs: ChatGPT data export -> one Markdown note per chat.
// Usage: node chatgpt-to-md.mjs <unzipped-export-folder> <vault>/raw/chatgpt
import { readdir, readFile, writeFile, mkdir } from 'node:fs/promises';
import { join } from 'node:path';

const [src, out] = process.argv.slice(2);
if (!src || !out) throw new Error('usage: node chatgpt-to-md.mjs <export-folder> <output-folder>');

const files = (await readdir(src, { recursive: true }))
  .filter((f) => /(^|[\\/])conversations(-\\d+)?\\.json$/.test(f)).sort();
const chats = [];
for (const f of files) chats.push(...JSON.parse(await readFile(join(src, f), 'utf8')));

function thread(chat) {
  const path = [];
  for (let id = chat.current_node; id && chat.mapping[id]; id = chat.mapping[id].parent) {
    path.unshift(chat.mapping[id].message);
  }
  return path;
}

function text(msg) {
  const c = msg.content ?? {};
  if (c.content_type === 'code') return '```' + (c.language ?? '') + '\
' + c.text + '\
```';
  if (c.content_type !== 'text' && c.content_type !== 'multimodal_text') return '';
  return (c.parts ?? []).map((p) => (typeof p === 'string' ? p : '*[image]*')).join('\
\
').trim();
}

const visible = (m) =>
  m && ['user', 'assistant'].includes(m.author?.role) &&
  (m.recipient ?? 'all') === 'all' &&
  !m.metadata?.is_visually_hidden_from_conversation;

const day = (t) => new Date(t * 1000).toISOString().slice(0, 10);
const iso = (t) => new Date(t * 1000).toISOString().slice(0, 19);
const safe = (s) => s.replace(/[\\/:*?"<>|#^[\]]/g, ' ').replace(/\\s+/g, ' ').trim().slice(0, 80) || 'Untitled';

await mkdir(out, { recursive: true });
const used = new Set();
let written = 0;

for (const chat of chats) {
  const turns = [];
  const mappedThread = thread(chat);
  for (const m of mappedThread.filter(visible)) {
    const body = text(m);
    if (!body) continue;
    const who = m.author.role === 'user' ? 'You' : 'ChatGPT';
    if (turns.at(-1)?.who === who) turns.at(-1).body += '\
\
' + body;
    else turns.push({ who, body });
  }
  if (!turns.length) continue;

  const title = chat.title || 'Untitled';
  const start = chat.create_time ?? chat.update_time ?? Date.now() / 1000;
  let name = `${day(start)} ${safe(title)}`;
  for (let i = 2; used.has(name.toLowerCase()); i++) name = `${day(start)} ${safe(title)} ${i}`;
  used.add(name.toLowerCase());

  const note = [
    '---',
    `title: ${JSON.stringify(title)}`,
    'source: ChatGPT',
    `url: https://chatgpt.com/c/${chat.conversation_id ?? chat.id}`,
    `created: ${iso(start)}`,
    `updated: ${iso(chat.update_time ?? start)}`,
    'tags: [ai-chat, chatgpt]',
    '---',
    '',
    ...turns.map((t) => `## ${t.who}\
\
${t.body}\
`),
  ].join('\
');

  await writeFile(join(out, `${name}.md`), note);
  written++;
}
console.log(`${written} chats -> ${out}`);

运行转换脚本:

node chatgpt-to-md.mjs ~/Downloads/chatgpt-export ~/vault/raw/chatgpt

在知识库中运行 Claude Code

在你的知识库目录中启动Claude Code,并开始与你的知识库进行交互:

cd ~/vault
claude

通过自然语言指令来吸纳和组织你的历史数据:

> ingest raw/chatgpt, starting with the 25 newest chats > what did I decide about pricing, and when did that change? > lint the wiki

专业提示:建议分批次进行吸纳(每次运行处理20到50个聊天),以防止上下文窗口饱和,并获得深度更高、更精准的页面综合效果。每次吸纳后通过 git diff wiki/ 检查文件变更,从而对你的合成知识库保持绝对的质量控制。获取免费API密钥,请访问 n1n.ai。