2026年第6期：北京光庭专家分享《构建个人知识库与AI提效实践》

4月24日，本期AI DAY分享会特邀北京光庭专家 X Hui 担任主讲嘉宾，围绕《构建个人知识库与AI提效实践》这一主题，系统介绍了基于LLM的Wiki理念与实操方法。张旭辉从个人知识管理到企业级应用、从工具链选型到认知边界思考，带来了一场兼具实战深度与战略前瞻的精彩分享。

一、突破传统痛点：知识库从“存储”走向“主动服务”

传统笔记工具三大痛点：信息过载、维护成本高、知识难以复用；现有RAG仅支持片段召回，缺乏知识生长与聚合能力。

提出“第二大脑”理念：通过大模型实现知识加工、沉淀与主动服务。

LLM-Wiki三层架构：原始数据层（日报、论文、PDF等）→大模型加工层（归纳输出结构化Wiki）→ 控制协议层（定义操作规则，形成可复用skill）。

二、实操演示：Obsidian + 大模型打造个人知识库

使用Obsidian作为本地平台，大模型自动创建文件夹结构，解析日报/周报抽取项目、人员、工作内容等实体，支持跨文档双向链接，形成可追溯知识网络。

扩展功能：可安装插件，将个人思维模式蒸馏为专属skill，也可引入外部专家skill（如张一鸣、马斯克）辅助决策；不同岗位需定制适配的逻辑链与方法论。

三、企业级应用：从需求到代码的端到端追溯

公司AIKO系统已集成知识库构建与查询能力：基于项目文档自动构建，自然语言提问获取答案与证据来源（精确定位至文档行号）。

自动驾驶场景：整合2000+PDF文档与标准规范，解决多源异构检索难题，实现从需求文档到对应代码函数的端到端追踪。

技术路线：采用开源框架LVK + Treecode工具，完成代码结构分析与文档图融合，实现RAG与知识图谱协同。

四、技术选型与优化策略

高阶模型对构建质量至关重要，复杂任务中表现更优，虽成本略高，但可减少人工干预。

根据任务复杂度灵活选型：轻量任务用低等级模型；不同模型擅长不同任务（DeepSeek擅长推理，Minimax擅长执行）。数据处理关注质量、分块策略与存储方式；初期用传统RAG处理大规模文本，后期向知识图谱演进以提升关联性。

五、工具推荐与认知边界

主推Obsidian + 大模型构建本地化知识体系；飞书、钉钉等云文档AI适合职能部门快速部署。

信息获取渠道推荐：腾讯研究院等公众号，B站、抖音等平台辅助理解新概念。

六、数据安全与认知摩擦的平衡

敏感数据（财务、人事等）优先私有化部署或签署保密协议；本地化存储（如NAS）保障控制权。

认知摩擦：过度依赖AI可能导致深度思考与知识内化能力退化。建议新领域初次学习由人主导，建立基础认知后再交由AI辅助。AI适用于成熟流程提效，而非替代人类认知训练。