# 个人知识库搭建小白白皮书

副标题：微信 + AI + Obsidian，让知识真正开始工作

作者定位：老何 · AI 项目分析 / 一人团队 / 提效内容

版本：v1.0

适合人群：AI 开发者、内容创作者、一人团队、项目负责人、知识工作者

---

## 1. 先说结论：个人知识库不是收藏夹

很多人做个人知识库，第一反应是：

- 我是不是要装 Obsidian？
- 我是不是要整理很多文件夹？
- 我是不是要把收藏夹、微信文章、GitHub 项目都搬进去？

这些都对，但不是最关键的。

个人知识库真正的价值，不是“存了多少东西”，而是你以后能不能把这些东西重新用起来。

如果一个系统只能帮你保存链接，它只是收藏夹。

如果一个系统能做到：

- 你在微信里看到文章，直接发给它；
- 你看到 GitHub 项目，直接发给它；
- 你有一个临时想法，直接发给它；
- 它能自动识别、摘要、分类、归档；
- 你后面想找内容时，直接在微信里问它；
- 它每天还能主动推送和你有关的 AI 情报；

这才叫“让知识开始工作”。

这份白皮书讲的，就是这样一套个人知识库系统。

---

## 2. 这套系统解决什么问题？

### 2.1 传统收藏的问题

大多数人的知识管理会卡在这几个地方：

- 收藏很多，但很少再看；
- 微信文章、网页、GitHub、视频号灵感散落在不同地方；
- 临时想法没有进入系统，过几天就忘了；
- 需要写内容、做项目时，找不到以前看过的东西；
- 英文资料很多，但没时间筛选和消化；
- 每天 AI 信息太多，不知道哪些和自己有关。

最后就会变成一种很熟悉的状态：

“我好像看过，但我找不到。”

### 2.2 这套系统的目标

这套个人知识库的目标很简单：

把你每天接触到的信息，变成未来能被搜索、复用、组合和输出的资产。

它不是让你每天花更多时间整理笔记，而是让 AI 帮你完成第一轮整理。

你只需要做三件事：

- 看到有价值的内容，发给微信里的知识助手；
- 需要查询时，用微信直接问；
- 每天看一眼 AI 情报简报，挑出能转成项目或内容的东西。

---

## 3. 整体架构：小白可以这样理解

这套系统可以理解成 5 层：

```text
微信入口
  ↓
OpenClaw 连接层
  ↓
大模型识别与整理
  ↓
Obsidian 风格知识库
  ↓
搜索调用 + 每日 AI 情报推送
```

每一层的作用如下。

## 4. 第一层：微信入口

微信是最适合普通人使用的入口。

原因很简单：

- 你每天本来就在用微信；
- 文章、链接、项目、想法都可以直接发；
- 搜索知识也可以像聊天一样完成；
- 不需要每次打开一个复杂后台。

你可以把它理解成：

微信就是这个知识库的“遥控器”。

你可以发：

- GitHub 链接；
- 微信文章链接；
- 普通网页链接；
- 一段复制来的文字；
- 自己的灵感；
- 一个 TODO；
- 一个问题。

系统收到后，会先判断你这条消息属于哪一类。

---

## 5. 第二层：OpenClaw 连接层

OpenClaw 在这里承担的是“微信和 AI 助手之间的连接器”。

它负责：

- 接收微信里的消息；
- 把消息交给 AI；
- 让 AI 根据规则处理；
- 必要时把结果回复到微信；
- 把需要保存的内容写入知识库。

小白可以不用先理解底层技术，只要知道：

OpenClaw 是让你的微信可以和 AI 工作流打通的工具。

在服务器上，它通常会通过 Docker 运行，并把数据放在一个固定目录里。

本套方案里核心目录大致是：

```text
/opt/openclaw-data/
  config/        OpenClaw 配置
  workspace/     自动化脚本和工作区
  vault/         你的知识库正文
```

其中最重要的是 `vault/`，它就是你的个人知识库。

---

## 6. 第三层：大模型识别与整理

AI 在这套系统里不是简单聊天，它有明确分工。

每条微信消息进来后，AI 会先做“意图识别”。

常见类型有：

- `github_capture`：GitHub 项目收集；
- `content_capture`：文章、网页、外部内容收集；
- `idea_capture`：你的想法、判断、方法论；
- `task_capture`：待办、提醒、后续动作；
- `knowledge_query`：从知识库里搜索；
- `comparison_query`：比较多个工具、项目、方法；
- `mixed`：既有新内容，又有问题。

举几个例子。

你发一个 GitHub 地址：

```text
https://github.com/xxx/yyy
```

系统会识别为 GitHub 项目，然后整理：

- 这个项目是做什么的；
- 解决什么问题；
- 适合谁用；
- 技术栈是什么；
- 对你有什么价值；
- 下一步是否值得研究。

你发一句：

```text
记一下，AI 日报不要只发英文链接，要站在我的 IP 角度提炼价值。
```

系统会识别为想法或规则，放到知识库里的方法论区域。

你问：

```text
帮我找一下之前那个内网穿透工具。
```

系统会识别为搜索请求，先查知识库，再回答你。

---

## 7. 第四层：Obsidian 风格知识库

这套系统用的是 Obsidian 风格的 Markdown 知识库。

小白可以这样理解：

它本质上就是一堆有规则的 `.md` 文档。

优点是：

- 文件是开放格式，不被某个平台锁死；
- 可以用 Obsidian 打开；
- 可以用 Git 备份；
- 可以被 AI 搜索和读取；
- 迁移成本低。

推荐目录结构如下：

```text
00-Inbox/              临时收件箱，未处理内容先放这里
01-Daily/              每日记录和总结
02-People/             人物、客户、联系人
03-Projects/           项目资料
04-Areas/              长期关注领域
05-Knowledge/          沉淀后的知识和方法论
06-Sources/            外部资料来源
  GitHub/              GitHub 项目
  Articles/            文章和网页
07-AI-Insights/        AI 生成的分析和洞察
08-Archive/            归档资料
90-Templates/          笔记模板
99-System/             系统规则和说明
```

这套目录不是为了显得专业，而是为了解决一个问题：

不同类型的信息，进来后应该去不同的位置。

---

## 8. 第五层：搜索调用和每日 AI 情报

知识库搭好后，最重要的不是继续整理，而是调用。

### 8.1 通过微信搜索

你可以直接问：

```text
我之前收过哪些和 RAG 有关的项目？
```

或者：

```text
帮我找一下适合一人团队的 AI 编程工具。
```

系统会去知识库里查找，然后给你一个中文结果。

好的回复不应该只是列文件名，而应该直接告诉你：

- 找到了哪些内容；
- 哪几个最相关；
- 每个内容的价值是什么；
- 你下一步可以怎么用。

### 8.2 每日 AI 情报

这套系统还有一个很关键的能力：

每天早上自动收集 AI 相关信息，并通过微信推送给你。

但这里有一个重要原则：

每日 AI 情报不要和个人知识库混在一起。

原因是：

- 知识库是长期资产；
- 每日情报是当天信息流；
- 情报里很多内容只是今天值得看，不一定值得长期保存；
- 如果全部写进知识库，知识库会很快变脏。

所以更好的做法是：

- 每日情报单独生成；
- 微信推送简版；
- HTML 页面保存完整版；
- 只有你明确觉得有价值的内容，再进入知识库。

这样知识库会更干净。

---

## 9. 搭建前准备清单

如果你要复刻这套系统，建议准备这些东西。

### 9.1 一台服务器

建议配置：

- 2 核 CPU 起；
- 2GB 内存起，建议 4GB；
- Ubuntu / Debian 系统；
- 能安装 Docker；
- 能长期运行。

如果只是个人使用，不需要很高配置。

### 9.2 一个微信连接方式

你需要让 OpenClaw 能和微信连接。

一般流程是：

- 服务器启动 OpenClaw；
- 打开登录二维码；
- 用微信扫码；
- 保持会话在线；
- 后续消息通过这个通道进出。

注意：

微信自动化有一定不确定性，建议只做个人知识助手，不要做大规模营销群发。

### 9.3 一个大模型接口

可以使用：

- DeepSeek；
- OpenAI 格式中转站；
- 自己的大模型服务；
- 其他兼容 OpenAI API 的模型服务。

重点不是模型名字，而是要满足：

- 能稳定返回中文；
- 支持较长上下文；
- 价格可控；
- 网络稳定；
- 最好兼容 OpenAI API 格式。

### 9.4 一个知识库存储目录

建议使用服务器上的固定目录：

```text
/opt/openclaw-data/vault
```

后续可以把这个目录同步到本地，用 Obsidian 打开。

---

## 10. 搭建步骤：小白版

下面是按“小白能理解”的方式拆解。

### 第一步：安装服务器基础环境

你需要在服务器上准备：

- Docker；
- Docker Compose；
- Node.js 环境；
- 基础命令工具，比如 `rg`、`curl`、`git`。

如果你不懂这些，可以把它理解成：

先让服务器具备“运行自动化程序”的能力。

### 第二步：部署 OpenClaw

OpenClaw 可以用 Docker 跑起来。

核心是把配置、工作区、微信登录状态、知识库目录都挂载出来。

示例结构：

```yaml
services:
  openclaw:
    container_name: openclaw
    restart: unless-stopped
    environment:
      TZ: Asia/Shanghai
      OPENAI_API_KEY: ${OPENAI_API_KEY:-}
      DEEPSEEK_API_KEY: ${DEEPSEEK_API_KEY:-}
      OPENCLAW_GATEWAY_TOKEN: ${OPENCLAW_GATEWAY_TOKEN:-}
    volumes:
      - /opt/openclaw-data/config:/home/node/.openclaw
      - /opt/openclaw-data/workspace:/home/node/.openclaw/workspace
      - /opt/openclaw-data/auth-profiles:/home/node/.config/openclaw
      - /opt/openclaw-data/vault:/data/vault
    ports:
      - "18789:18789"
      - "18790:18790"
      - "3978:3978"
```

这一段不用死记。

你只要理解：

- `config` 放配置；
- `workspace` 放脚本；
- `auth-profiles` 放登录状态；
- `vault` 放知识库；
- 端口用于访问服务和连接通道。

### 第三步：连接大模型

在 OpenClaw 配置里设置模型。

如果你用 DeepSeek，就配置 DeepSeek 的 API Key。

如果你用自己的中转站，就配置：

- API 地址；
- API Key；
- 模型名称。

这里最容易出问题的是网络。

如果模型调用失败，不要急着改系统，先在服务器上直接测试模型接口是否能访问。

测试顺序建议是：

1. 服务器能不能访问模型地址；
2. API Key 是否正确；
3. 模型名称是否正确；
4. OpenClaw 配置是否读到了这个模型；
5. 微信消息是否真的进入了 OpenClaw。

### 第四步：创建知识库目录

先建立基础目录：

```text
00-Inbox
01-Daily
02-People
03-Projects
04-Areas
05-Knowledge/Ideas
06-Sources/GitHub
06-Sources/Articles
07-AI-Insights
08-Archive
90-Templates
99-System
```

不用一开始就做得很复杂。

目录的核心原则是：

- 不确定的先放 `00-Inbox`；
- 外部资料放 `06-Sources`；
- 自己沉淀出的长期方法论放 `05-Knowledge`；
- AI 二次分析放 `07-AI-Insights`；
- 规则和说明放 `99-System`。

### 第五步：写清楚 AI 助手规则

这是最关键的一步。

很多人搭知识库失败，不是工具不会用，而是没有给 AI 明确规则。

你要告诉它：

- 收到 GitHub 链接怎么处理；
- 收到文章怎么处理；
- 收到想法怎么处理；
- 收到搜索请求怎么处理；
- 收到混合消息怎么处理；
- 保存到哪个目录；
- 回复微信时要多长；
- 找不到内容时怎么说。

一个好规则应该像这样：

```text
如果消息里有 GitHub 链接，优先识别为 GitHub 项目。
你需要总结它做什么、解决什么问题、适合谁、对我有什么价值。
默认保存到 06-Sources/GitHub/<repo-name>.md。
```

这一步决定了系统是不是“像你的人”。

### 第六步：准备模板

模板是为了让笔记稳定。

GitHub 项目模板可以包含：

- 标题；
- 仓库地址；
- 一句话总结；
- 解决的问题；
- 核心能力；
- 技术栈；
- 对我的价值；
- 使用场景；
- 结论；
- 下一步动作。

文章模板可以包含：

- 来源；
- 摘要；
- 关键观点；
- 可复用信息；
- 适合转成什么内容；
- 相关主题。

想法模板可以包含：

- 原始想法；
- 背景；
- 为什么重要；
- 可以怎么验证；
- 可转化为项目、文章、视频还是产品。

模板越稳定，后面搜索和复用越舒服。

### 第七步：测试微信输入

建议先测 4 类消息。

测试 1：发 GitHub 链接。

期望结果：

- AI 回复已归档；
- 知识库里出现一篇 GitHub 项目笔记；
- 内容有摘要、价值、下一步动作。

测试 2：发一段文章内容。

期望结果：

- AI 能总结；
- 能判断主题；
- 能保存到 Articles 或 Inbox。

测试 3：发一个自己的想法。

期望结果：

- AI 不会当成外部资料；
- 会保存到 Ideas；
- 能保留你的原始判断。

测试 4：问一个搜索问题。

期望结果：

- AI 先查知识库；
- 找到相关内容；
- 用中文直接回答。

### 第八步：搭建每日 AI 情报

每日 AI 情报适合独立出来。

它的逻辑是：

- 定时收集 AI 新闻、GitHub 项目、技术动向、海外博主文章；
- 用你的视角筛选；
- 生成短版微信消息；
- 生成完整版 HTML；
- 每天早上推送。

重点是“站在你的角度筛”。

比如你是 AI 深度开发者，同时做视频号 AI 提效 IP，那么系统就不应该只告诉你：

```text
某某英文文章发布了。
```

而应该告诉你：

```text
这篇文章对你有三个价值：
1. 可以作为 AI 提效视频选题；
2. 提到了新的 agent 工作流概念；
3. 适合和你的一人团队方法论结合。
```

这才是有用的信息。

---

## 11. 推荐的日常使用流程

### 场景 1：看到 GitHub 项目

你直接发给微信助手：

```text
https://github.com/xxx/yyy
```

系统应该回复：

```text
已归档，这个项目我帮你整理成笔记了。
核心价值是……
后续适合用于……
```

以后你可以问：

```text
我之前收过哪些和 AI 编程有关的项目？
```

### 场景 2：看到一篇文章

你直接转发或复制正文。

系统自动整理：

- 文章讲什么；
- 关键观点；
- 对你有什么价值；
- 适合放到哪个主题；
- 能不能转成视频选题。

### 场景 3：突然有灵感

你发：

```text
记一下：小白不是不会用 AI，而是不知道每一步让 AI 做什么。
```

系统保存成想法。

以后你做选题时，可以问：

```text
帮我找一下和小白使用 AI 有关的观点。
```

### 场景 4：每天看 AI 情报

每天早上你收到：

```text
AI 情报简报 | 2026-xx-xx
1. 今天值得关注的模型发布……
2. GitHub 上出现的新项目……
3. 海外博主讨论的新概念……
完整解析：https://...
```

你只需要判断：

- 哪个值得收藏；
- 哪个值得做视频；
- 哪个值得研究；
- 哪个可以忽略。

---

## 12. 内容创作者怎么用这套系统？

如果你做视频号、小红书、公众号或朋友圈内容，这套系统的价值会更明显。

你每天会接触大量素材：

- AI 工具；
- GitHub 项目；
- 产品案例；
- 用户问题；
- 行业观点；
- 海外博主文章；
- 自己的临时判断。

这些东西如果只靠脑子记，很快就乱。

这套系统可以帮你把素材变成 4 类资产：

- 选题库：以后可以拍什么；
- 观点库：你对某个问题的判断；
- 案例库：可以反复引用的项目和工具；
- 方法论库：你自己的长期表达体系。

比如你做“AI 提效 IP”，系统就应该帮你筛：

- 哪些工具适合小白；
- 哪些项目适合一人团队；
- 哪些概念值得解释；
- 哪些新闻只是热闹；
- 哪些内容能变成视频钩子。

这就不是信息收集，而是内容生产系统。

---

## 13. 一人团队怎么用这套系统？

一人团队最缺的不是工具，而是连续性。

今天看了一个项目，明天忘了。

今天想了一个产品点，过两天找不到。

今天客户问了一个问题，下次又重新想一遍。

这套系统可以帮一人团队沉淀：

- 项目调研；
- 技术选型；
- 客户问题；
- 外包报价思路；
- 产品功能想法；
- 内容选题；
- 自动化脚本；
- 复盘总结。

最后你会得到一个越来越懂你的工作系统。

它知道你关注什么，也知道你以前判断过什么。

---

## 14. 常见误区

### 误区 1：一开始就追求全自动

不要一上来就想把所有东西都自动化。

正确顺序是：

1. 先能发微信保存；
2. 再能分类；
3. 再能搜索；
4. 再做每日情报；
5. 最后再做自动选题和内容生成。

### 误区 2：什么都往知识库里塞

知识库不是垃圾桶。

不是所有信息都值得长期保存。

每日情报、热点新闻、临时链接，应该先独立处理，确认有价值再入库。

### 误区 3：笔记模板太复杂

模板一复杂，你就不想用了。

小白阶段建议只保留：

- 它是什么；
- 解决什么问题；
- 对我有什么用；
- 下一步做什么。

### 误区 4：只做保存，不做检索

保存只是第一步。

如果你从来不问它、不调它、不复用它，那知识库还是死的。

每天至少用一次搜索，比如：

```text
帮我找一下最近和 AI 编程有关的项目。
```

### 误区 5：让 AI 自己决定所有分类

AI 可以帮你分类，但规则要你定。

你的业务、IP、项目方向，必须写进规则里。

否则它整理出来的东西会很普通。

---

## 15. 安全和隐私提醒

这套系统会处理你的微信消息和知识库内容，所以安全一定要注意。

建议做到：

- 不要把银行卡、身份证、密码等敏感信息发给知识助手；
- 大模型 API Key 不要写进公开文档；
- 服务器端口不要随便暴露；
- OpenClaw 的访问 token 要设置；
- 知识库目录要定期备份；
- 微信连接只用于个人助手，不建议做大规模营销群发；
- 重要客户资料要单独加权限或脱敏。

一句话：

让 AI 帮你整理知识，但不要把所有隐私都无脑交给它。

---

## 16. 最小可用版本：先搭这个就够了

如果你是小白，不要一次做完整系统。

先做最小版本：

```text
微信入口
  ↓
AI 判断消息类型
  ↓
保存 Markdown 到知识库
  ↓
微信里能搜索回来
```

最小版本只需要支持 4 个能力：

- GitHub 项目归档；
- 文章归档；
- 想法归档；
- 知识搜索。

每日 AI 情报可以作为第二阶段。

---

## 17. 进阶升级路线

### 阶段 1：能用

- 微信能收消息；
- AI 能识别；
- 笔记能保存；
- 知识能搜索。

### 阶段 2：好用

- 模板更稳定；
- 分类更准确；
- 搜索结果更像人话；
- 重复内容能合并；
- 每日 AI 情报能推送。

### 阶段 3：懂你

- 根据你的 IP 方向筛选内容；
- 自动判断哪些内容适合做视频；
- 自动生成选题；
- 自动关联已有知识；
- 输出项目分析、脚本、文案、素材包。

### 阶段 4：半自动内容生产

- 每日情报自动变成选题；
- GitHub 项目自动变成项目分析；
- 知识库观点自动变成视频脚本；
- 你的历史表达风格自动复用；
- 形成个人 IP 的内容流水线。

---

## 18. 小白检查清单

搭建完成后，用这张清单检查。

### 基础能力

- 微信能正常登录；
- OpenClaw 能收到微信消息；
- 大模型能正常调用；
- 知识库目录已经创建；
- 模板已经放好；
- GitHub 链接能归档；
- 文章内容能归档；
- 想法能归档；
- 搜索问题能回答。

### 体验能力

- 微信回复足够短；
- 笔记内容足够清晰；
- 分类没有乱放；
- 找不到内容时会说明；
- 重复内容不会疯狂新建；
- 每日 AI 情报不写入知识库；
- HTML 完整版可以打开查看。

### 安全能力

- API Key 没有公开；
- 服务器端口有控制；
- 知识库有备份；
- 敏感资料没有乱传；
- 微信只用于个人助手场景。

---

## 19. 给普通人的一句话版本

这套系统不是让你多装一个笔记软件。

它是把微信变成你的知识入口，把 AI 变成你的整理员，把 Obsidian 变成你的长期记忆。

你看到的信息，不再只是“收藏一下”。

它会被理解、摘要、分类、保存，并在你需要的时候重新被调用。

这就是个人知识库真正有价值的地方。

---

## 20. 老何版定位

如果你是 AI 开发者、内容创作者或一人团队，我建议你不要把这套系统理解成“笔记工具”。

你应该把它理解成：

```text
个人知识资产系统
```

它服务三个目标：

- 做项目时，帮你快速找回资料；
- 做内容时，帮你沉淀选题和观点；
- 做一人团队时，帮你积累可复用经验。

最后你会发现：

你真正需要的不是更努力地整理笔记，而是让系统帮你把信息变成下一步行动。

不是收藏，是让知识工作。