Hermes Agent + LLM Wiki + Obsidian 个人知识库

来源：htmlDecode("从AI到Web3的探索之旅")

原文链接：https://mp.weixin.qq.com/s/j7Rdxlf9roBGqFmhff0EFQ

现在的 AI 已经完全可以当做以前的搜索引擎使用了，但是随着与 AI 的交流次数越来越多，研究的项目和课题越来越丰富，导致个人或者团队的资料越来越复杂，甚至每次与 AI 对话的时候，相当于全部清零，所有的关键信息全部没有了，又要从头开始梳理一遍
虽然现在的 Agent 记忆功能非常强大，但是每次研究的话题都要自己手动记录到笔记软件当中，时间长了，笔记越来越多，内容越来越乱
OpenClaw 24万星标，Hermes Agent 两个月破10万用户——虽然两者都有非常强大的记忆系统，但是随着会话和任务越来越多，记忆就会变得零碎
主要问题在于： ** 知识没有被消化 ** 。
OpenClaw 的 Active Memory 只是“记录对话”
RAG 只是“检索原文”
你需要的是让 AI ** 把知识编译成笔记 **
就在今年 Karpathy 提出了 ** LLM Wiki ** ： ** 由 AI 代理（AI Agent）全自动构建、维护和更新的结构化知识库，构建你的第二大脑 **

什么是 LLM Wiki?

一个标准的 LLM Wiki 由三个核心层级组成：

1. Raw Sources（原始资料层）

你丢进去的 PDF、网页、论文、代码文件。 ** 这是“真理的源头”，只读，永远不会被修改。 **

2. The Wiki（维基层）

一个包含无数 Markdown 文件的文件夹， ** 完全由 AI 编写和掌管 ** 。AI 在这里生成：
** 实体页（Entity Pages） ** ：人物、项目、产品
** 概念页（Concept Pages） ** ：技术、方法论、思想
** 主题总结 ** ：跨文档的综合分析
这些页面通过双向链接串联成知识图谱。

3. The Schema（指令层）

一个配置文件（如 CLAUDE.md 或 SCHEMA.md ），告诉 AI：
你的核心目标是什么
应该遵循什么格式和规则来编写维基
如何组织和链接知识
** 目录结构示例 ** ：

my-wiki/
├── raw/ # 原始资料层（只读）
│ ├── papers/
│ ├── articles/
│ └── notes/
├── wiki/ # 维基层（AI 管理）
│ ├── entities/
│ │ ├── andrej-karpathy.md
│ │ └── hermes-agent.md
│ ├── concepts/
│ │ ├── llm-wiki.md
│ │ └── rag-vs-wiki.md
│ └── INDEX.md
└── SCHEMA.md # 指令层

** 核心区别 ** ：方式 RAG LLM Wiki 工作原理每次检索原文读已整理的笔记知识积累 ❌ 无积累 ✅ 越用越密可见性黑盒全量 markdown 部署向量库+GPU 本地文件夹
** 一句话： ** RAG 是“查资料”，LLM Wiki 是“翻笔记”

Hermes Agent 自带 LLM WIKI，开箱即用

# 1. 安装 Hermes（需要 Python 3.10+）
pip install hermes-agent

# 2. 初始化
hermes init

# 3. 配置 LLM Wiki 技能
hermes skill enable llm-wiki

# 4. 开始使用
hermes chat

/llm-wiki ingest https://xxx.org/abs/xxxx

Hermes 会自动：
读取文章
创建实体页、概念页
建立交叉链接
更新索引
** 查询知识库 ** ：

/llm-wiki query "XXXX"

** 聊天工具对话： **
当然你可以直接在聊天工具中 “摄入+链接”或者询问
AI 读完内容，拆成多个页面：实体页记录核心事实，概念页提炼技术内涵，对比分析做结构化比较，查询归档按主题归档调研结果。
每个页面都包含 wikilinks，指向关联页面。知识网络像乐高一样拼起来。

Obsidian 让知识「看得见」

LLM Wiki 本身就是 markdown 文件目录，天然兼容 Obsidian，所以结合 Obsidian 非常完美
不需要学新工具，不需要部署复杂的知识库平台。打开 Obsidian，指向 wiki 目录，就得到：
Graph View：一眼看清哪些概念是孤岛、哪些知识互联了
双向链接： wikilink 语法让 AI 写页面时自动建立交叉引用
Dataview 插件：按标签、类型做动态查询
标签系统：一目了然的分类体系
AI 负责录入、整理、链接、更新。你负责浏览、阅读、补充、纠错。人机协作的完美分工

写在最后

** LLM Wiki 提供方法论，Hermes Agent 负责自动执行，Obsidian 让一切可见可控——这就是让 AI 构建你的个人知识库完整解决方案 **