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

- 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。