收藏夹吃灰、笔记找不到、灵感转眼忘——问题不是你不够努力，而是没有一套系统。

我花了两个月时间，把三套顶级方法论整合在一起，做了一个会自己整理的 Obsidian 知识库模板。

一套基于 PARA + Zettelkasten + LLM Wiki 三套方法论整合的知识管理系统。

三套方法论，各管一件事

这套模板，就是把他们的方法整合在一起，让你直接用。

知识库的四层结构

大多数知识管理的失败，是因为「只存不流」。我设计了一套有流动方向的四层结构：

┌─────────────────────────────────────────────────────────┐
│  输入层：原始资料（外部输入，不可变）                       │
├─────────────────────────────────────────────────────────┤
│  中间层：Wiki（LLM 提炼，可查询）                         │
├─────────────────────────────────────────────────────────┤
│  输出层：项目（你的作品：视频、文章、产品）                 │
├─────────────────────────────────────────────────────────┤
│  沉淀层：领域（你的方法论、经验、指南）                     │
└─────────────────────────────────────────────────────────┘

知识怎么流动？

外部世界
  ↓
原始资料（网页剪藏、文章、论文）—— 不可变
  ↓ /ingest 技能
Wiki（LLM 自动维护）—— 结构化、可查询
  ↓
  ├→ 你查询 → 直接使用
  ├→ 沉淀到 领域 → 你的方法论
  └→ 输出到 项目 → 视频、文章

关键区别：Wiki 是「别人的知识」，领域是「你的知识」。 从 Wiki 到领域，不是复制，而是重新写——加入你的理解、你的应用、你的经验。

每个目录的职责

PARA：按行动性分类

PARA 的核心不是按主题分类，而是按行动性分类：

三个原则：

1. 按行动性分类，不是按主题
2. 定期流动，项目完成 → 归档
3. 领域只放自己的，参考资料放外部的

Zettelkasten：卡片+链接

Zettelkasten 的核心是原子化 + 链接。每个想法写成一张独立卡片，用 [[]] 把相关卡片串起来。

三种卡片类型：

链接原则：不要只链接「相关的」，要链接「能产生新想法的」。一张卡片至少链接 2 张其他卡片。

LLM Wiki：让 AI 帮你维护

传统 RAG 每次提问都从原始文档重新检索，没有积累。LLM Wiki 的核心区别是：知识编译一次，持续更新。

传统 RAG：  原始文档 → 每次重新检索 → 回答（无积累）
LLM Wiki：  原始文档 → LLM 编译成 wiki → 持续更新 → 回答（有积累）

三层架构：

三个核心操作：

10 个 AI 自动化技能

五套模板

实际工作流

场景 1：看到一篇好文章

1. 剪藏到 原始资料/文章/
2. /ingest → Wiki 自动生成结构化页面
3. 有问题 → /query → 从 Wiki 中找答案
4. 有价值 → 沉淀到 领域/
5. 要做内容 → 调用 Wiki 和领域 → 输出到 项目/

场景 2：突然有个灵感

1. 语音转文字，记录到 灵感库/
2. /card → 生成钩子+痛点+方案+金句
3. /card-picture → 自动生成可视化配图
4. /card-video → 自动转成口播逐字稿
5. /publish → 自动生成标题和标签
6. 录制视频，发布，归档

场景 3：读一本书

1. 记录读书笔记到 参考资料/
2. 提炼方法论，沉淀到 领域/
3. /card 生成视频脚本
4. 录制视频，发布，归档

场景 4：每日复盘

/daily
  ↓ 自动扫描灵感库、项目进度、wiki 健康
  ↓ 输出复盘报告 + 建议行动

设计原则

1. 先捕捉，后整理 — 不要让灵感溜走
2. 用自己的话 — 不要只是摘抄
3. 定期回顾 — 发现新的链接和洞见
4. 输出倒逼输入 — 写作是最好的学习

适合谁？

• ✅ 内容创作者（视频、文章、课程）
• ✅ 知识工作者（需要管理大量信息）
• ✅ 终身学习者（读书、学课程）
• ✅ 想用 AI 提升效率的人
• ❌ 纯轻量笔记需求（备忘录就够了）

总结

这套知识库的核心就一句话：

你只管输入，系统帮你输出。

灵感不丢失，知识有连接，AI 帮整理，输出更高效。

以上，既然看到这里了，如果对你有所帮助，还望不吝点赞与关注，这也是对我最大的鼓励与支持。

感谢你拨冗阅读，山高水长，我们期待下篇文章与你再见。

>/ 更多Agent实战干货
迎访问我的博客：dqtx.cc

文章来源：点此查看