Second Brain 實踐心得
工程師的知識成長瓶頸，往往不在「學得不夠多」，而在「沒有把學到的東西 compile 成可以調用的資產」。
Second Brain 實踐心得
工程師的知識成長瓶頸，往往不在「學得不夠多」，而在「沒有把學到的東西 compile 成可以調用的資產」。
這是建立 Second Brain 的根本動機：讓每次學習的成果能被累積、被調用、被演化——而不是讀完就消失。
為什麼傳統知識工具最後都沒在用？
苦工留給人，才是最大的問題
傳統知識管理工具（Notion、Roam、Obsidian），把「整理的苦工」全部留給人做：連結要人建、標籤要人貼、矛盾要人找。大多數人最終放棄，不是沒有毅力，而是維護成本長期超過了使用回報。
Andrej Karpathy（OpenAI 共同創辦人）在 2026 年初公開的解法是：把整理成本轉移給 AI。人負責找素材、定方向、問好問題；AI 負責摘要、交叉連結、一致性維護。他自己在某研究主題上已累積將近 100 篇筆記、40 萬字，而且查得動。
三工具組合各自扮演不同角色
Obsidian（容器層）：本地 markdown、無 vendor lock-in、
雙向連結形成有機網絡、Graph View 讓知識形狀可見。土壤好，但不會自動長出知識——種什麼決定長什麼。LLM Wiki 方法論（組織層）：每份新資料進來，核心問題是「這份資料讓我對哪個主題的理解改變了什麼？」這比「把資料存起來」多了一個關鍵步驟：整合。
Copilot CLI（執行層）：沒有工具輔助，LLM Wiki 方法論門檻很高。Copilot CLI 把「整理知識」從 20 分鐘的任務壓縮到一句話：「幫我 compile 這篇文章」→ 三個 concept 更新、index 補上、log 記錄完成。
四種操作，讓知識庫越用越強
操作設計的核心原則：每次互動都要留下痕跡
Karpathy 模型有一句關鍵設計原則："every exploration adds up"。每次跟知識庫的互動——不管是 compile 新資料、query 回答問題，還是 lint 清理——都應該讓知識庫變得更完整，而不是用完就消失。
這個原則對應四個具體操作：
Compile：讀取 raw 原始資料，LLM 作為 compiler，主動整合進相關 concept articles（不只寫摘要）。發現新連結時，建議哪些概念值得建立新文章。
Query：從 concepts 找答案，回答有整合價值時詢問使用者是否要存回
derived/qa/，讓每次查詢都累積。Lint：健康檢查＋連結圖分析，找出矛盾、孤立頁面、待升級 concept pages，並主動建議新文章候選。
Derive：從 concept article 生成 Marp 投影片（
derived/slides/），讓知識庫直接產出可用的分享素材。
目錄結構設計背後的邏輯
raw/ ← 唯讀原始資料，只進不改，是事實來源
wiki/
├── sources/ ← 輕量摘要頁，索引用（每份 raw 資料對應一頁）
├── concepts/ ← 完整合成文章，LLM 持續更新，可獨立閱讀
└── derived/ ← 衍生產出（slides / qa），每次使用留下痕跡
sources/ 是入口、concepts/ 是核心、derived/ 是輸出——三層分工讓知識庫可以獨立運作，不依賴人工整理。
使用後的反直覺發現
和原本預期最不同的三件事
| 假設 | 實際情況 |
|---|---|
| 頁面數量越少越好 | 連結密度比頁面數量更重要 |
| 整理知識很花時間 | 是工具讓它變成大事，不是本來如此 |
| 建立就能立即受益 | 大約 20–30 頁後，查詢品質才開始顯著提升 |
| LLM 幫你決定什麼重要 | LLM 是整合者，觀點和結論仍然是你的 |
| Topics 格式（摘要+清單）就夠了 | Concept articles（完整論述）才讓知識庫真的可閱讀 |
三工具組合後產生的化學反應
- 新資料會被「拉向」現有知識網絡，自動形成連結——知識開始有重力
- 結論在 wiki 裡，大腦改去思考更高層的問題，不再靠記憶力硬撐
- 查詢變成對話：「我的 Second Brain 關於這件事知道什麼？」而不是搜尋關鍵字
log.md讓理解的演化軌跡可追蹤，知道每個結論是什麼時候、基於什麼資料更新的
目前的限制和待解問題
已知的空缺
- raw/ 輸入來源還不夠系統化（主要靠記得 clip，沒有自動蒐集機制）
- Concept articles 多數還在「待升級」狀態（從 topics 格式遷移需要時間）
- 技術知識的「過期」機制尚未設計（N 個月後自動標記待驗證）
- 跨人協作的適用性尚未驗證
最值得追問的問題
- 如果把這個流程應用在團隊層級，角色分工是什麼？
- Derive 的 Marp 投影片品質夠好嗎？實際分享時有多少人工後製成本？
- Karpathy 說「有空間誕生了不起的產品」——Copilot CLI + Second Brain Skill 是否就是這個方向的實作？
重要來源
- Copilot-CLI-LLM-Wiki-Obsidian-第二大腦心得（2026-04-22）- Jesse 親身使用的第一手心得
- Karpathy-LLM-Wiki-Obsidian-Claude-Code-bnext（2026-04-07）- Karpathy 系統的中文介紹，工具組合與啟動方式
- Graphify-vs-Karpathy-LLM-Wiki（2026-04-22）- 選型框架與兩工具的對比分析
待深入的問題
- Second Brain 工作流能否成為團隊層級的知識治理工具？
- Concept articles 的「升級」過程能否自動化，還是需要人工判斷何時足夠成熟？
