AI 自动生成知识库！零基础搭建双向链接学习系统

现在 AI 时代了，我们不应该让 AI 自动来替我们创建这些笔记文件吗？顺便在概念之间自动建立起双向链接关系，以便我们浏览和学习，甚至再用一些记忆曲线之类的东东帮我们记忆和复习。岂不美哉！

根据这些需求，我们大致选择工具和方案：用 AI 提取知识点概念；用 AI 自动编程工具来给我们写 Markdown 文件，并建立双向链接；用随机抽查或者记忆曲线之类的方法帮我们时不时温故知新。

这样的工具有很多，本篇我们主要选用如下几个：

• 当红大模型，DeepSeek-R1；
• 字节跳动刚发布的 AI 自动编程软件，Trae 国内版；
• Obsidian，一个功能强大且注重隐私的知识库软件。

“

划重点：联合 DeepSeek、Trae 、Obsidian 打造个人知识库，通过双向链接和知识图谱构建一个结构化个人知识库。

”

有些朋友看到新软件可能会打退堂鼓，其实大可不用，这些软件都是面向大众的，不是给程序猿专用的。稍微一用就能上手，而带给我们的便利是巨大的。不妨一试，很可能会让你上瘾哦。

当然，DeepSeek 也可以换成其他模型，比如腾讯的混元，阿里的夸克，字节的豆包等。

1. 知识点来源

我们准备让 DeepSeek 给我们自动建知识库，那这些知识点哪里来呢？这个事情当然是有多个途径的，具体取决于我们自己。比如，

• 自己手动构建一个 Markdown 文件，把你想要的概念罗列出来；
• 让 AI 从资料（论文、书籍、题库、音频、图像、视频等）中自动提取；
• 利用 AI 的深度搜索之类的功能从互联网深度捞取；
• 直接在 Trae 等 AI 编程工具中向 AI 讨要，等等 。。。

这里演示第二种方式，假设导师给你一个方向/论文，或者老师傅给你个资料，让你去研究它，但你发现这个东西以前没学过，得从头开始。不用慌，我们把东西喂给 AI，让它给我们指点迷津。

对于其他专业的，原谅我用下面这篇论文为例，毕竟咱们这个号还是 AI inside 的嘛。但是，方法对于任何方向、任何专业都是一样的，绝对童叟无欺。

第一步，让 DeepSeek-R1 生成知识点列表。

上传这篇论文，给它发话交待任务，可以类似这样写：

假设我是小白，而你是这方面的专家，现在请你为我讲解这篇论文。但第一步你只要给我罗列出理解这篇论文的必要概念和知识点，越详细越好，但只需要名词不需要解释，markdown 格式，每个名词用 [[ 和 ]] 括起来，如：- [[扩散模型（Diffusion model）]]； - [[自回归模型（Autoregressive Model，ARM）]]。

注意，[[ 和 ]] 就是为了创建双向链接，到时候在浏览的时候可以用鼠标点击不仅可以跳转过去，还可以跳回来。

很快，DeepSeek-R1 返回一大堆名词。

点左下角的复制，

2 Trae 上场

新建一个文件夹 LLaDa，知识库的家。可以直接建在 Obsidian 的笔记仓库里。比如我的建在 ​​～/Documents/Obsidian Vault/LLaDa​​。

然后，打开 Trae，在菜单文件里找到「打开文件夹」，加载这个文件夹。

旗下再建一个 Markdown 文件 LLaDa.md，把刚才复制的内容拷进去。

可能会跳出一个窗口，点「是，信任此作者」。这不废话嘛，难不成不信任你自己？

大致浏览一下，可以删掉一些不想要的名词。

选择 Builder 模式，可能刚开始用的话需要启用一下，按步骤操作即可。

然后在右下角把 DeepSeek-R1 选上，并把打开的那个 md 文件选上。

选中以后，对话框里是下面这个样子。

然后，向 DeepSeek-R1 发起任务。就是让它为我们一个一个创建那些知识点对应的 Markdown 文件。

网页里的 AI 对话模式干不了这件事情，而 Trae 为自动编程而生，自然能创建各类项目文件，我们这里这点小事对它而言是小儿科了。

可以类似这么写：

请根据文件里罗列的名词，为我构建一个知识库，里面存放所有名词的 markdown 文件，每个 md 文件对应一个知识点的解释，总共 43 个 md 文件，不要遗漏，并且建立相互之间的双向链接关系，方便我在 Obsidian 里浏览这些知识点。对知识点的解释有如下要求：包括定义、数学公式（如果有）、举例说明（如果有必要）等具体你自己安排。

你也可以根据你自己的专业，先写一个样例，然后让 DeepSeek 参考。

看看它干活的样子，

然后，泡杯茶或咖啡，听听音乐放松一下。等它干完，点击全部接受。

如果中间它有偷懒，只建了部分就停工了。对话框里继续跟它发话：你只建了一部分，请查漏补缺，把活儿干完整。

等完事以后，一大片 Markdown 文件就给你安排好了。

点开看看，

如果觉得写得不满意，可以在 Trae 里继续让 DeepSeek 返工，针对当前条目或者所有条目再增加内容。

这样做，至少基本概念以及概念之间的双向链接关系都建立好了，我们只需要进一步编辑和维护。

3、Obsidian 上场

因为我们直接建在 Obsidian 的仓库（Vault）里了，所以在 Obsidian 里立马能看到它们了。

我们用 Graph view 来可视化这个刚建立的知识网络，可以拖拉拽动，也能点击节点进去浏览。

更多插件来帮忙

知识库会慢慢变大，这个时候你就有必要用一些插件来帮我浏览和学习，比如，下面这个插件，

可以点一下它，随机地给你跳到那个知识点，方便你反复温故。

选择这个插件的理由是它可以方便我们设定只针对哪些库，

因为我们在 Obsidian 里面会建立很多知识库，有时你不希望受其他库的牵连。

另外，也可以使用 Spaced Repetition 这样的插件来反复帮助你记忆和复习笔记内容。

稍微处理一下要复习的知识卡片即可加入重复池。

然后点击侧边栏里的 ​​review flashcards​​，

你可以马上玩起来，或者等它根据时间给你抽卡考查，到时还可以反馈难度。

其他更多插件，比如方便你在 Obsidian 里直接对知识卡进行修改等，就等你自己去探索吧。

4、写在最后

有了这个流程，很快可以建起一个知识库的基底，然后随时加进新的知识点，并自动跟库里知识建立双向链接，从而逐步把它搞大。

这么搞知识库，我只担心一件事，就是怕你沉迷于学习而不可自拔！

本文转载自​​​​机器学习与数学​​​​，作者：大师兄