动手实践（二）：日常知识循环——从阅读到内化

阅读与理解之间的鸿沟

你每天读很多东西。文章、文档、Newsletter、社交媒体帖子、论文摘要。有些留住了，大部分没留住。

问题不在记忆力，而在结构。一篇文章进入大脑，停留几个小时或几天，然后消退——因为它没有可以锚定的地方。没有现成的框架可以附着。没有和你已知内容的交叉引用。

四阶段日常循环——早晨、午间、下午、晚上——把被动阅读变成永久知识。每个阶段 5-15 分钟。全天加起来不到一小时。几周几个月下来，累积的效果就是一个不知不觉中不断增长的 Wiki。

第一阶段：早晨捕获（5-10 分钟）

目标： 把原始材料收进 sources/，不加工、不处理。

你早上一路读下来，会看到不少有意思的内容。快速捕获就好。不要整理。不要归纳。不要判断哪些重要。只管收集。

三种捕获方式：

Obsidian Web Clipper。 官方 Obsidian Web Clipper 浏览器扩展可以直接把任意网页保存到你的 Vault 里。设置目标文件夹为 sources/。一键剪藏全文。5 秒钟的事。

快速笔记。 你读到一些值得保留的内容，但没时间剪藏全文。在 sources/ 里新建一条笔记，写上标题、URL，再加 2-3 句话说明为什么觉得它有意思。LLM 能处理这些信息。有半条笔记比完全没有强。

稍后读工具集成。 如果你用 Raindrop、Instapaper 这类工具，可以每周批量把高亮导出到 Obsidian。有些用户把 Obsidian 的 Readwise 插件和 LLM Wiki 结合在一起——高亮内容会自动落到 sources/ 里。

每天收多少合适： 早上 2-5 条来源。关键是持续，不是数量。收 20 篇文章的结果是你根本不会去摄入。收 3 篇你反而会认真处理。

第二阶段：午间摄入（10-15 分钟）

目标： 运行 Ingest Sources，把早晨捕获的内容变成 Wiki 页面。

午饭前后或下午稍早的时候，打开 Obsidian 执行 Ingest Sources 命令（Cmd+P → “Ingest Sources”）。插件会读取 sources/ 里每个新文件，发送给你配置好的 LLM，然后创建实体页面、概念页面和双向链接。

选择你的粒度。 跑摄入之前，检查一下 设置 → Granularity：

• Fine（精细）——创建很多小实体页面（人物、方法、技术）。适合研究型内容。
• Standard（标准）——平衡页面数量和深度。适合大多数文章。一篇文章通常产出 5-10 个页面。
• Coarse（粗略）——创建更少但更宽泛的页面。适合综述类文章或你不那么熟悉的内容。

查看报告。 摄入完成后，会有一份报告显示：

• 提取了哪些实体
• 创建了哪些页面
• 建立了哪些链接
• 有没有错误或警告

读一下报告。30 秒的事，告诉你 Wiki 刚才学到了什么。如果漏掉了关键概念，你可以在源笔记里补充更多细节，重新摄入一次就行了。

批量处理。 如果漏了几天没处理（这事难免），你可以一次性摄入所有累积的源材料。插件会逐个处理，并对已有的 Wiki 内容做去重。Standard 粒度配合 DeepSeek V4-Flash（每百万 token 0.14 美元），每篇文章大约花费 0.01-0.02 美元。批量摄入 10 篇文章花不了几个钱。

第三阶段：下午探索（10-15 分钟）

目标： 在你的 Wiki 里逛一逛，巩固连接、发现缺口。

下午的探索是最容易被低估的环节。摄入负责创建结构。探索负责内化。少了这一步，Wiki 里堆满了页面但你从来不去看。

四种探索方式：

Graph View。 打开全局 Graph View（Cmd+G），看看有没有新增的节点。新创建的页面会像亮点一样出现。点一个，读一读。留意它连接的 [[wiki-links]]，顺着点进去。5-10 分钟你就能自然地在图谱里逛一圈，发现一些你都不知道已经存在的页面。

Backlinks 面板。 随便打开一条最近摄入的源笔记，翻到底部看反向链接。你会看到所有引用它的 Wiki 页面。这是最快的了解方式——知道 LLM 怎么把你的新内容和已有知识联系起来的。如果反向链接很少，说明这条源笔记可能连接得不够深入——考虑用 Fine 粒度重新摄入。

顺着链走。 实体页面和概念页面里包含指向相关概念的 [[wiki-links]]。顺着点 3-4 个链接，你会发现之前没注意到的聚类。一篇关于”迁移学习”的页面可能链接到”微调”、“预训练模型”和”领域自适应”——全都来自你今天早上剪藏的一篇文章。

标签和搜索。 用 Obsidian 自带的搜索（Cmd+Shift+F），搜你在早上阅读时看到的关键词。你会发现已有的笔记也引用了相同概念——正好手动关联起来。LLM Wiki 自动建链接，但手动关联加上了你的个人上下文。

第四阶段：晚上查询与回顾（10-15 分钟）

目标： 通过主动回顾和选择性保存，巩固一天的知识。

晚上是用来查询的，不是用来摄入的。到这个点，你的 Wiki 已经把白天的来源处理完了。现在问一些能检验理解、产生持久整合的问题。

好的晚间问题：

• “我今天关于[某话题]学到了什么？“——把一天的摄入总结成连贯的概述。
• “今天读到的[某话题]跟我已有的知识有什么联系？“——强制跨整个 Wiki 进行交叉引用。
• “我当前的知识还留下了哪些未解答的问题？“——为明天的阅读找到方向。

保存有价值的对话。 当一个查询产生了值得保留的整合内容时，点击 Save to Wiki。保存的页面会成为你永久知识的一部分，在未来的查询中也会被引用。这就是反馈回路在运转。

快速 lint。 Lint 系统会自动检测质量问题。运行 Lint Wiki 检查重复、死链、孤立页面和空页面。每天摄入量少的话，基本找不到问题。要做清理的话，运行 Smart Fix All，它会按因果顺序自动解决所有问题。

每周维护（30 分钟，每周一次）

日常循环管好”流水”。每周维护让系统保持健康。

运行 Smart Fix All。 即使每天跑 lint，问题还是会积累。每周跑一次 Smart Fix All。它会按因果顺序处理重复、死链、孤立页面、空页面和缺失的别名。对于一个 100-300 页的 Wiki，耗时不到 30 秒。

检查空页面。 Lint 会标记没有内容的页面。这些通常是在 LLM 提取了实体名称但没有足够源材料来写完整页面时产生的。逐一检查，要么补充内容，要么删除。空页面不会破坏系统，但会在搜索结果和 Graph View 里制造杂乱。

检查图谱增长。 打开 Graph View，看看有没有孤立的聚类。一个健康的 Wiki 呈现的是连通的图谱，而不是彼此孤立的岛屿。如果看到不连通的聚类，你可能需要创建一些”桥梁”来源——能把两个领域连接起来的文章。

50 页后启用自动维护。 一旦你的 Wiki 超过 50 页，在设置里开启 Auto-Maintenance。它会自动做文件监听和定期 lint。插件会监控 sources/ 里的新文件，按配置的间隔触发 lint，并在启动时检查 Wiki 健康状态。到这个规模，手动维护已经靠不住了。

复利效应

日常循环的力量不在于某一天。而在于几个月下来的复利。

第一周： 你的 Wiki 有 15-30 个页面，来自这一周的阅读。Graph View 显示一个围绕你主要兴趣领域的小聚类。

第一个月： 100-200 个页面。随着不同主题被摄入，出现了多个聚类。跨主题的连接开始形成——LLM 把不同来源中的相关概念串在了一起。

第三个月： 400-600 个页面。聚类合并成一个连通的图。查询产生的整合越来越丰满，因为 LLM 有了大量材料可以用。查询反馈回路加速——保存下来的查询答案变成了未来查询的源材料。

第六个月： 800+ 个页面。你的 Wiki 已经是你感兴趣的领域里一个全面的知识库了。查询结果的质量不亚于咨询一个领域专家。而每天的维护时间还是不到一小时。你总共花了大约 90 个小时。结果是一个不断增长的个人知识图谱，而且它会一直增长下去。

实用技巧

用 Canvas 做可视化映射。 每周一次，创建一个 Obsidian Canvas，把这周新增的 Wiki 页面放上去。把实体页面拖到 Canvas 上，手动画连接。这种空间可视化和 Graph View 互补，能帮你发现 LLM 可能漏掉的关系。

在每日笔记里记录。 创建一个包含”今天的 Wiki 新增”部分的每日笔记模板。列出新创建的页面。用 1-2 句话记录你今天学到了什么。这样在机器构建的 Wiki 之外，你也保留了一本人类可读的日记。

摄入和查询用不同的 Provider。 摄入用 DeepSeek V4-Flash（低成本、大上下文），查询用 Claude Sonnet 4.6（更高质量的整合）。在 设置 → Provider Selection 中分别配置。每天的总花费大概在 0.10-0.20 美元。

下一步

现在你拥有了一整套日常知识工作流：早上捕获、午间摄入、下午探索、晚上查询与回顾。持续比数量重要。坚持这套循环两周，你的 Wiki 页面数就会超过大多数人的整个笔记收藏量。

下一篇：动手实践（三）：用 Web Clipper 搭建阅读管道 —— 把剪藏的文章变成互联的知识图谱。

在 GitHub 上查看