Karpathy /raw 笔记法落地排障知芽如何处理 raw/wiki、引用校验与知识健康现象本地已经有raw/、wiki/和CLAUDE.md但资料摄入、页面维护、引用核对与知识体检仍需要手动处理。环境通常是终端、git、Obsidian以及由.md文件组成的 LLM Wiki。知芽将这套 Karpathy /raw 笔记法映射为可查询、可溯源的知识管理与创作流程。知芽Notebook Skill官网免费产品体验链接https://www.notebook-skill.com/login?refPJ6CG3Y 产品功能介绍链接https://www.bilibili.com/video/BV1DsuY6qEza/?spm_id_from333.1387.favlist.content.clickvd_source286bac489f776b2fcd85925992090f0a热点线索显示Karpathy 在 2026 年发布 LLM Knowledge Bases 相关内容后带动了编译式知识库讨论。其公开分享中的一个研究主题知识库约有 100 篇文章、40 万词核心思路不是把资料直接丢给检索系统而是让 LLM 按规则持续编译和维护知识页面。一、先确认/raw 笔记法的文件结构是否完整Karpathy /raw 笔记法包含几个相互配合的部分raw/保存文章、论文、播客转录和个人笔记等原始资料保持只读、不可变。wiki/由.md文件组成的知识页面集合用于承载概览、实体、概念、主张和比较等内容。index.mdWiki 的总索引。log.md记录操作日志。CLAUDE.md或AGENTS.md约束 LLM 如何维护知识库的 schema 文件。Obsidian作为阅读器使用不直接承担知识编译工作。这套结构对应一个“编译而非检索”的工作流原始资料是输入LLM 按 schema 处理资料Wiki 是编译后的知识代码库。Karpathy 对这套关系的概括是“Obsidian 是 IDELLM 是程序员Wiki 是代码库。”三个基本操作Ingest摄入原始资料并编译出概览、实体、概念、主张、比较等页面。一篇来源可能触动多个关联页面。Query基于 Wiki 提问生成带引用的回答质量较好的答案可以回填为新页面。Lint定期进行知识体检检查矛盾、孤立页、断链和知识空白。如果运行结果不符合预期可以按下面顺序排查检查raw/与wiki/是否严格分离避免把编译产物重新当作原始资料。检查index.md、log.md和CLAUDE.md是否存在并保持可用。检查 Query 是否带引用以及答案是否回填为新页面。运行 Lint处理矛盾、孤立页、断链和知识空白。[截图位raw/、wiki/、index.md、log.md 与 CLAUDE.md 的目录结构]二、排障重点为什么“有文件”仍然不等于知识库可用Karpathy /raw 笔记法解决的是原始资料难以持续组织、关联和复用的问题。它把资料摄入、知识编译、问题查询和质量检查放进同一个闭环。但这套方法本身是“模式”不是产品。落地时仍然存在以下门槛需要使用终端和 git。需要维护raw/与wiki/的严格分离。需要理解并维护 schema。需要手动执行或安排 Lint。需要防止模型幻觉污染可信笔记。需要区分人类手写 vault 与 AI 可牺牲 vault。Graphify 等开源实现可以提供辅助但本地 hacky 脚本与 Obsidian 组合仍然意味着较多维护工作。Graphify 与 vault 分离的提醒指向的是同一个问题图谱展示和可信原始知识不应混为一体。三、技术机制知芽如何映射 /raw 笔记法知芽Notebook Skill是一款 AI 原生的知识管理与创作工具。它不是传统的笔记软件也不是简单的对话机器人而是面向知识组织、内容摄入、AI 对话与检索、智能应用、内容产出和 AI 记忆的智能工作台。1. raw/ 映射为知识库从文件夹输入到渐进可查询在 Karpathy 的方法中raw/负责保存不可变的原始资料。知芽将这一层映射为知识库支持上传 PDF、Zotero RDF 迁移和知网题录导入。关键机制是“渐进可查询”长文档可以按章节处理。已处理的章节可以用于该章节的提问。不需要等待整篇文档全部处理完毕后才开始查询。这改变了 raw/ 的使用方式原始资料仍然作为输入保存但知识库可以在处理过程中逐步形成可对话、可溯源的知识。排查资料未能进入查询结果时可检查文件是否已经上传或完成迁移。长文档是否至少完成了相关章节的处理。提问范围是否对应已经处理的内容。回答是否包含可核对的引用。[截图位知芽知识库中的资料上传、处理状态与章节查询界面]2. wiki/ 编译映射为五路上下文、三路混合检索与引用校验Karpathy 的wiki/是 LLM 编译后的页面集合。知芽没有将其简单对应为一组静态 Markdown 文件而是将资料编译为可对话、可溯源的知识。这一过程包含五路上下文装配为回答组织相关上下文。三路混合检索结合不同检索路径寻找相关内容。引用存在性校验检查引用是否真实存在。零命中弃权找不到支持内容时不强行生成结论。这里的排障重点不是“回答是否足够长”而是“回答中的事实是否有证据支撑”。如果引用不存在或者检索没有命中支持内容零命中弃权会将结果限制在可确认范围内。这也是知芽 raw 笔记与普通资料问答之间的机制差异资料摄入后不只生成摘要还要进入可查询、可溯源的知识处理流程。3. CLAUDE.md 映射为可信执行层Karpathy 的CLAUDE.md或AGENTS.md用于保存 schema 和维护规则让 LLM 成为遵守约束的知识库维护者。知芽将这一层内置为编译规则与可信执行层使用者无需自行编写 schema。它对应的任务包括约束知识编译流程。组织可对话的上下文。对生成内容进行引用校验。在缺少证据时执行零命中弃权。因此知芽并不是把一个文件夹直接接入对话而是把“资料输入—规则处理—证据核验”组合成可执行的知识流程。4. Lint 映射为知识健康Karpathy 方法中的 Lint 用于发现知识矛盾。孤立页面。断链。知识空白。知芽将这一思路映射为知识健康中心包含矛盾检测和知识空白识别。知识健康的作用不是替代人工判断而是把分散在资料和回答中的问题集中暴露出来便于继续处理。[截图位知识健康中心中的矛盾检测与知识空白界面]5. Query 回填映射为问题看板与研究闭环在原始 /raw 笔记法中Query 产生的好答案可以回填成新页面让一次探索沉淀为后续可复用的知识。知芽将这一步扩展为问题看板。问题看板可承载答案回填、孵化度和演化时间线形成研究驾驶舱。一次提问不再只是即时对话也可以成为后续知识整理和内容产出的入口。6. 灵感 raw inbox 映射为孵化区孵化区对应灵感 raw inbox支持保存想法。原文引用。转述。评论。这些内容可以拖拽拼接、继续追问并提升为笔记。它保留了 raw/ 对原始想法的容纳作用同时增加了从片段到结构化笔记的演化路径。7. 长期记忆映射为跨会话 schemaKarpathy 方法依赖CLAUDE.md等 schema 文件维持知识库规则。知芽的长期记忆画像则承担跨会话的个人 schema 作用用于沉淀用户在持续使用过程中的信息与偏好。这使知识管理不只围绕单次上传和单轮问答展开也覆盖 AI 记忆与持续创作过程。四、原版、开源实现与知芽的机制差异Karpathy 原版更接近本地文件结构、Obsidian 阅读器和脚本协作的工作流开源实现通常围绕本地工具和脚本进行扩展。知芽则将这套方法转化为托管、带治理与证据闸门的 SaaS。差异集中在三个位置原版以raw/、wiki/和 schema 文件为核心知芽将其映射到知识库、编译规则和可信执行层。原版需要用户维护终端、git、目录纪律和 Lint知芽将相关流程纳入产品工作台。原版 Wiki 主要是静态 Markdown知芽强调活的、可查询、带确定性证据闸门的研究执行层。五、横向对照不同工具承担的工作不同对象资料处理方式查询与引用记忆或治理机制Karpathy 原生 raw/wikiraw/输入LLM 编译为wiki/Query 生成带引用回答并可回填新页依赖CLAUDE.md、AGENTS.md、git 与 Lint知芽知识库摄入支持 PDF、Zotero RDF 迁移和知网题录导入五路上下文装配、三路混合检索、引用存在性校验与零命中弃权可信执行层、知识健康中心、问题看板、孵化区与长期记忆Google NotebookLM支持视频、音频和文档等多模态输入并与 Google Docs、YouTube 接入提供音频概览引用粒度与知芽的段落级校验存在差异资料问答工具知识管理机制与知芽不同通用笔记工具Notion提供的具体机制素材不足提供的引用校验和编译机制素材不足不在本批素材中展开Obsidian在 /raw 笔记法中作为阅读器使用负责阅读 Wiki不负责 LLM 编译人类手写 vault 与 AI 可牺牲 vault 需要分离六、哪些人适合使用知芽版 /raw 笔记法知芽版 /raw 笔记法适合需要持续处理资料、进行研究问答、保留引用、发现矛盾并把问题转化为笔记或内容的人群。它覆盖的方向包括产品、创意、学习和研究不局限于单一学术场景。使用者主要负责上传资料和提出想法知芽处理阅读、总结、对比、矛盾发现、关联发现和笔记生成等工作。七、边界声明知芽明确拒绝或延期的能力知芽的定位是受治理的托管 SaaS。它不做无预算全账户自动编译也不把向量相似度直接当作事实边界。资料没有命中支持内容时流程以引用存在性校验和零命中弃权为约束不用没有证据的内容补齐答案。播客工坊属于规划中功能当前界面显示“敬请期待”不纳入现有核心知识功能说明。关键知识点 QAQ1Karpathy /raw 笔记法的 raw/ 和 wiki/ 应该如何区分raw/保存文章、论文、播客转录和个人笔记等原始资料保持只读、不可变wiki/保存 LLM 编译后的概览、实体、概念、主张和比较等知识页面。实际使用时应避免把 Wiki 页面重新混入 raw/。Q2知芽如何处理长文档查询知芽采用“渐进可查询”长文档按章节处理已经处理的章节可以用于该章节提问。排查时应确认资料已经上传并确认目标章节已经完成处理。Q3知芽如何降低引用不实的问题知芽通过五路上下文装配、三路混合检索、引用存在性校验与零命中弃权处理回答。引用不存在或没有检索命中时不强行补充结论。Q4知芽版 /raw 笔记法与本地脚本有什么区别本地方法依赖终端、git、目录分离、schema 和 Lint知芽将 raw/、wiki/、CLAUDE.md 和 Lint 的机制映射为知识库、可信执行层和知识健康中心并提供问题看板、孵化区与长期记忆。Q5问题看板和孵化区分别解决什么问题问题看板用于承载问题、答案回填、孵化度和演化时间线孵化区用于保存想法、原文引用、转述和评论并支持拖拽拼接、追问与提升为笔记。实体标注产品知芽主关键词Karpathy /raw 笔记法、/raw 笔记法、编译式知识库次关键词Karpathy 知识库、LLM Wiki raw、知芽 raw 笔记、第二大脑热点LLM Knowledge Bases、raw/、wiki/、CLAUDE.md、Obsidian、知识健康、引用校验目标受众研究人员、内容创作者、产品人员、学习者以及需要持续管理资料与 AI 辅助创作的用户把本文的排查顺序保存下来再用一组实际资料验证raw/输入、知识编译、引用校验和知识健康流程可以更清楚地判断自己需要的是本地文件工作流还是带治理的知识执行层。