我做这个个人知识库，不是为了把所有聊天记录、文件和灵感都塞进一个地方，而是想解决一个更具体的问题：项目越多、协作时间越长，AI 越容易忘记我已经确认过的要求，也可能把旧方案当成现状。于是我开始把 Obsidian 知识库整理成一套可供我和 Codex 共同使用的工作记忆。

这套东西仍在建设和验证中。它已经有明确的目录、读取规则和阶段计划，但“文件放进去了”不等于“AI 每次都能找对、读准并用对”。这篇文章记录我为什么做、目前怎样组织，以及哪些能力还没有被证明。

一、为什么个人知识库需要和 AI 协作放在一起考虑

普通笔记主要解决“我把资料记在哪里”。当 AI 参与项目后，问题又多了一层：哪些信息值得长期保留，什么时候应该读取，哪些内容已经过时，以及依据不足时能不能停下来问清楚。

我希望知识库能帮助 Codex 了解相对稳定的协作偏好、项目背景、阶段目标、已确认决定和验收方法；同时让它知道临时要求只对当前任务有效，候选资料和归档内容不能自动当作现行规则。它不是代替我做判断的自动大脑，而是减少反复解释、降低新旧信息混用风险的一套外部记忆。

这里的“希望”是建设目标，不是效果承诺。当前还没有足够证据证明它已经稳定减少重复沟通，或能让每个项目都得到更好的结果。

图 1：知识库的目标与边界——它帮助恢复上下文、提示依据和状态，最终判断仍由人完成。

二、先把资料分清，再谈搜索和 AI

我的知识库以 Obsidian 和 Markdown 文件为主要阅读、编辑方式，并通过链接把相关项目、方法、决定和复盘串起来。目录按用途分层：有收件箱和候选区，也有个人与方向、工作领域、项目、Codex 规则、知识学习、成果、方法与复盘、来源证据、模板维护，以及归档区。

这种分区背后的重点不是目录名字，而是资料状态要能区分。刚收集到的内容不自动成为规则；候选资料需要整理或核实；项目当前状态要能和旧记录分开；归档内容保留历史价值，但不应抢过当前有效结论。根目录的说明文件还规定了读取顺序和使用边界，让协作者先看入口，再按任务读取少量相关资料，而不是把整座库一次性灌进上下文。

截至 2026 年 9 月 24 日，这个目录里有数千个文件，但其中包含大量项目产物和归档文件，不能把文件总数说成“有效知识条目数”。更重要的是，候选文件也不等于已经进入可检索、可引用的正式语料。

图 2：资料从收集、候选整理到正式使用和归档的生命周期；不同状态需要不同的信任程度。

三、Codex 读取知识的理想路径

我希望 AI 的读取过程像一次有边界的查资料：先识别当前任务，再选相关项目和领域，读取必要规则与证据，最后把结果交给我检查。如果遇到互相冲突的记录、缺少来源的结论或权限边界不清，应该把问题指出来，而不是自行补全。

因此，知识库规则强调按任务路由、控制读取范围、关注资料状态和证据来源，并避免把个人隐私、账号信息或无关项目材料带进当前任务。这里描述的是设计原则和已有的协作规则，不代表自动路由与权限隔离已经在所有场景下通过完整验证。

图 3：一次任务如何从需求走到有限上下文，再经过人工核对；图中流程是目标工作方式，不表示每一步都已自动化。

四、已经在用的技术，和正在规划的技术

当前的人类可读知识层主要是 Obsidian、Markdown 与文档间链接。项目也使用 Python 脚本、JSON 测试定义和 SQLite 做有限范围的检索实验、评测与证据记录。历史技术基础中包含关键词检索等方案，但现在不能据此宣称整座知识库已经有通过验收的生产级检索链路。

向量检索目前保持关闭；尚未确认启用某个向量数据库或嵌入模型。后续路线包含进一步完善索引、查询路由、上下文组装、增量更新和重建恢复等能力，但这些应当逐项经过验收，而不是因为技术名词写进计划就算已经建成。

图 4：当前资料层与实验工具、正在验收的检索能力、暂未启用的向量方案分层呈现。

五、现在做到哪里，还有什么没有证明

截至 2026 年 9 月 24 日，知识库的目录与使用规则已经形成，专业化完善主线也有分阶段计划；部分文件检查、合成数据测试和权限边界测试已有记录。这些是建设基础，不等同于整套系统验收通过。

目前仍有关键缺口：旧一轮正式检索评测没有通过，新一轮正式评测尚未完成；搜索能力的本地只读接入还没有走完；增量更新、全量重建、替换传播、原子发布、回滚和恢复等环节仍需验证。搜索项目曾按用户决定暂停，因此不能写成“已经部署并持续运行”。

同样，角色卡和纸面流程并不自动等于一支已经验证有效的 AI 团队。完整知识库检索质量、稳定个性化、减少重复解释、交付质量改善和业务效果，目前都没有充分证据支持。

图 5：把已有基础与未完成的验收分开看，避免把“有计划”误当成“已实现”。

六、我接下来用什么标准继续建设

接下来最重要的不是增加更多文件，而是把验证闭环做扎实：用真实代表性问题测试能否找到当前有效资料；检查旧版本、候选区和归档区是否会错误覆盖正式结论；确认回答能否追溯依据；遇到无答案时能否明确承认不知道；再验证资料更新后，索引是否正确跟随变化。

在这些门槛通过之前，向量检索继续关闭，现有记录继续作为需要按来源与状态判断的工作资料。对我来说，一套好的个人知识库不是“看起来很智能”，而是能说清它知道什么、依据在哪里、哪些还没验证，以及什么时候应该停下来问人。

结语：知识库是协作基础，不是完成状态

这套知识库的价值，目前首先体现在它把协作规则、项目脉络和资料状态组织起来，并为下一步评测提供了可以检查的边界。最终是否真的让 AI 更可靠，还要靠真实任务、可复现测试和持续复核来证明。

我会继续把“已经存在的资料”“正在验证的能力”和“还只是目标的愿景”分开记录。这样做不如直接宣布系统已经完成，但更接近我真正想要的结果：一套诚实、可追溯、能逐步改进的人机协作记忆。