AI,个人随笔 从收藏夹到内容生产线:我如何用 AI + Obsidian 持续输出 AI写作的痛点并非表达能力的局限,而是上下文管理的缺失。本文揭示了一种革命性的知识管理方法——通过构建三层知识库(原始资料层、结构化知识层、内容输出层),将碎片化写作升级为可持续的知识生产系统。从Obsidian实战出发,教你如何让AI成为真正的思维伙伴,而非临时写手。 山野 AI写作obsidian个人知识库
AI,个人随笔 企业 Agent 的上限,不在模型参数里,在公司的知识管理能力里 企业级Agent为何难以稳定落地?模型参数的不断升级并未解决根本问题,真正瓶颈在于企业的知识管理能力。本文深度剖析Agent在实际应用中的三大阶段演进,揭示隐性知识显性化的关键路径,以及如何将组织记忆转化为AI可执行的智能资产。 墨峥说AI产品 AI应用RAG企业级Agent
个人随笔 AI时代,每个人都能有一个只认识自己的读书助手 在数据主权意识觉醒的时代,Trae IDE工具正重新定义电子书阅读的边界。本文揭秘如何通过本地化部署构建专属阅读分析系统,将历史笔记转化为私人知识资产。从双层偏好建模到三阶阅读解析,这套方法让大模型真正理解你的思维轨迹,实现从'平均化输出'到'个性化过滤'的质变。 阿润的商业笔记 AI应用Trae提示词
AI 为了给我的AI团队造间”办公室”,我开发了这套本地多Agent协作系统 当AI助手从单一工具演变为协作团队,管理复杂度正成为新的挑战。本文揭秘如何通过本地文件系统打造AI共享工作区,用Markdown文档构建项目四件套与共享记忆库,实现跨工具的无缝协作与知识传承。从临时对话到系统性管理,这套轻量级解决方案正在重新定义人机协作的边界。 麦克先生 AI协作Markdown文档团队管理
AI,个人随笔 AI 时代,构建本地AI知识库 AI工具的强大潜力远未被充分挖掘,大多数人仍停留在临时求助的浅层使用阶段。本文通过深度拆解本地知识库与AI工作流整合方案,揭示如何让AI真正成为你的长期智能伙伴——从Obsidian的底层优势到知识治理四步法,从增量编译原则到规则文件的宪法地位,手把手教你搭建能持续进化的个人智能协作系统。 Wcof AI工作流obsidianRAG
AI LLM Wiki实战篇:少花token,多沉淀知识 构建一个高效的LLM Wiki系统,关键在于解决超长文档处理、精准检索与稳定调用等核心挑战。本文详细拆解了基于qmd的本地知识库架构设计,从CLI封装到目录结构规划,再到CLAUDE.md操作手册的编写,提供了一套可落地的解决方案,让LLM真正成为知识管理的得力助手。 秋孝隱 ClaudeLLMqmd
产品设计 建设中医科研数据库和西医科研数据库,到底差别在哪?(一) 中医与西医科研数据库建设的本质差异,远不止于数据格式的不同。从术语标准化、问诊连续性到知识库构建,中医面临的核心挑战是如何将老专家的经验智慧转化为可计算的结构化数据。本文将深入剖析七大关键差异点,揭示中医数据库建设为何既是技术攻坚,更是一场文化遗产的抢救行动。 云 NLP中医数字化医疗AI
AI,个人随笔 微调 vs RAG,AI产品经理怎么选? 当AI产品面临RAG与微调的选择时,如何做出理性决策成为关键。本文深度剖析两种技术的核心差异与适用场景,从知识更新频率、数据准备成本到输出风格控制,提供一套清晰的决策框架。通过真实案例揭示产品经理常踩的三大误区,教你用三步提问法避开技术选型陷阱。 Ivy AI技术选型Prompt工程RAG
AI AI 都开始执行任务了,RAG 还要停在知识库吗? 从知识补丁到上下文操作系统——RAG正在经历一场角色革命。当AI从问答走向任务执行时,仅仅检索文档已远远不够。本文深度剖析Agent时代下,RAG如何从静态知识库演进为动态的Context OS,解决业务状态、权限边界、风险控制等核心问题,揭示企业级AI落地的关键突破点。 诗说红豆 AgentAI应用ContextOS
个人随笔 我用2000篇文档蒸馏了自己,结果只得到了一个低质RAG 当 Codex 与飞书文档碰撞,数字分身计划却暴露了 AI 的认知鸿沟。本文作者将 2000 多份工作文档喂给 AI,试图打造能替代决策的'数字分身',最终得到的却只是低质 RAG 系统——它能检索显性知识,却无法复刻人类判断中那些未言明的隐性逻辑。这场实验揭示了当前 AI 在企业知识管理中的致命短板。 柠檬饼干净又卫生 CodexRAG知识管理
AI,个人随笔 从个人痛点到企业级知识库:一款基于大模型的智能知识管理产品设计实践 知识工作者的痛点被精准击中——当传统文件搜索沦为低效的‘文件名匹配游戏’,如何跨越从存储到理解的认知鸿沟?本文揭秘一款云端AI知识库的实战搭建过程,从RAG技术选型到Yuxi框架的巧妙应用,展示如何让尘封文档在对话中‘活’起来,打造真正的智能知识副驾。 王佳亮 AI应用RAGYuxi
AI,个人随笔 动手LLM Wiki前,建议你先想明白这些 知识管理的未来正在被LLM Wiki重新定义,但盲目跟风可能让你陷入新的效率陷阱。本文深度解析Karpathy提出的知识编译理念,揭露那些教程不会告诉你的五大真实痛点——从规模天花板到惊人的API成本,同时带来突破性解决方案qmd的完整拆解。这是一篇给真正想建立可持续知识体系的工作者的避坑指南。 秋孝隱 KarpathyLLMqmd