个人AI知识库应从最小闭环起步
主要观点
很多人搭知识库，先被目录、插件和 Agent 吓住，最后连第一份资料都没有真正用起来。这份实操手册反其道而行：用 Obsidian 和 Codex，从 3 份资料开始，先完成一次“整理—提问—生成—写回”的闭环。它还把只读检查、人工确认、原文保护、项目进度和隐私脱敏写成可直接复制的提示词，让知识库不只是资料仓库，而是能在真实任务中逐步长出规则的工作系统。
关键要点
- 教程把“先建完整架构”改成“先完成一次真实任务”：目录先少后多，没有真实资料来源或用途的分类暂不创建，避免知识库因追求完整而失控。
- 提示词设计体现了可审计的协作流程：先读取 README.md 和 AGENTS.md，只输出整理方案；用户确认后才移动、重命名或修改文件，并要求检查实际目录、规则文件与意外变更。
- Skill 不是预先购买的复杂能力，而是从重复出现三次以上、规则相对固定的真实任务中提炼；每次遇到问题，就把修正要求补进规则，系统因此持续成长。
- 项目管理只有在存在明确交付物、跨多次对话推进、重要决策或持续新增资料时才值得建立，并用 PROGRESS.md 记录目标、状态、决策、下一步和待确认问题，禁止编造进度。
- 对外分享应与源知识库分离，只保留通用目录、规则、模板和脱敏示例；发布前还要检查姓名、账号、真实路径、附件、链接和元数据，且不得让 AI 自行宣布“可以直接发布”。
- 教程保留了一个重要张力：文件在本地并不代表处理完全离线，AI 仍受账户与数据控制设置影响；同时，Codex 找不到目录、中文网页保存失败、Skill 不出现等工具问题，仍可能成为实际落地的卡点。
建议带着这些问题阅读
- 自己的第一批 3 份资料是什么，能否用一次真实任务验证“整理—调用—产出—写回”闭环？
- 哪些操作必须保持只读或人工确认，哪些重复任务值得沉淀为 Skill？
- 如果 AI 处理并非完全离线，自己的资料、账户设置和发布流程需要怎样重新划定隐私边界？