朋友被 Hermes 卡了两天，我帮他找到了小白版的 LLM Wiki
林月半子聊AI 2026年4月29日 09:00
关注 「 林月半子的AI笔记 」，设为「 星标 」
我是林月半子，教你用AI干掉90%的重复劳动 ！
前不久我写了一篇《Hermes 这个技能我一直没碰，跑完一遍后悔没早试》，讲的是怎么用 Hermes Agent 跑通 Karpathy 那套 LLM Wiki 知识库方法论。
文章 2.8 万阅读，4000 多个转发，对我这种小号来说算挺意外的成绩。但发出去之后我后台和私信被一个问题刷屏了。
不是问效果怎么样，也不是问知识库结构怎么设计。问的全是：
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3)
)
我当时刷着这些消息，心情挺复杂的。
对我们这种天天泡在终端里的人来说，curl 一下、brew install 一下、改个 ~/.zshrc，这就是肌肉记忆。但对绝大多数普通人来说，打开终端这四个字本身就是劝退的第一道门。
我有个做新媒体的朋友，看完那篇 Hermes 文章兴致勃勃地说要搭一个选题素材库，结果在"打开 Terminal 装 Hermes "这一步卡了两天。最后跟我说："你能不能搞个不用敲命令的版本？"
那时候我心里就一直在转一个念头：LLM Wiki 这套东西本身没毛病，毛病出在门槛卡在了不该卡的地方。Karpathy 也好、Hermes 也好，搞这套东西的预设受众一直是极客。但最该用上会自己长大的知识库的，恰恰是那些不会敲命令的人。
得有个不一样的方案。
结果前几天，我发现真有人把这事儿干了。
)
有道云笔记官方推出了 youdaonote-llm-wiki skill，它干的事情用一句话说就是：把 Karpathy 那套 LLM Wiki 方法论，原原本本搬到了有道云笔记里。如果你用的是有道龙虾，可以直接在技能市场安装这个 Skill。
)
Karpathy 那套 raw / entities / queries 三层架构里的核心动作，基本都在里头。多出来的几个像切换知识库、选知识库这种多库管理的能力，原版本来是没有的。
最重要的是，跑完之后的成果直接落到有道云笔记里，不是某个本地文件夹。
)
这一下，你的笔记目录里会自动长出一个个会自己更新的百科式知识库。手机、网页、电脑端，打开都能看。"终端"这道门就这么被拆了。
OK 故事讲完，下面进入正题。
先看效果，再看怎么做
我习惯先把效果亮出来，让大家有个预期，再决定要不要花十分钟跟着搭。
视频里这个流程，按官方的说法是这样的：
搜集资料 → 跟 AI 说话 → 在有道云笔记里查看成果。
整理跟归档这些事，AI 全包了。
听着有点像营销话术。但我跑了一遍下来，感觉差不多就是这么回事。
我从头到尾没新建过文件夹，没敲过标题，没整理过笔记。我做的事就两件：往里扔素材、跟 AI 说话。
看完视频可能你会想，这玩意搭起来是不是很复杂？我跟你说，从零到跑通第一个知识库，整个过程不超过 15 分钟。下面我手把手带你走一遍。
这套流程到底怎么跑通的？
讲实操之前，我想先把整个数据流向画一下。这个图能帮你建立一个全局认知，后面卡住的时候你会感谢现在这两分钟。
)
这张图我建议你看完就行，不用记。我当时第一次画完盯着它看了一会儿，琢磨明白了一件事：skill 本身就是个"懂你想干啥"的翻译器，它自己不会去动你的笔记。真正干活的是中间那个 CLI，它拿着 API Key 去调有道云笔记的接口，把 AI 生成的内容写进你云端。这套架构挺取巧的，三件事各干各的，挂掉哪一层另外两层也不会被拖死。
STEP 1：装 YoudaoNote CLI
先打开你的终端（Mac 和 Linux 用自带的 Terminal 就行），把下面这条命令贴进去：
curl -fsSL https://artifact.lx.netease.com/download/youdaonote-cli/install.sh | bash -s -- -f -b ~/.local/bin
回车，等几秒钟。
)
看到 ✓ 安装完成 就 OK 了。然后跑一下版本验证：
youdaonote version
输出 1.3.0（或更高），说明 CLI 装好了。
用 Windows 的朋友看这里：上面这个一键脚本只支持 macOS 和 Linux，Windows 需要去官方文档下载手动安装包，配置一下 PATH 就行。如果卡住了私信我，我截屏带你过一遍。
看到这一步可能有人已经懵了，你不是说要拆掉终端这道门吗，怎么还要敲命令？
讲真我自己写到这一步的时候也卡了一下。龙虾里其实可以直接让 AI 帮你执行 bash 命令，就是把上面那条 curl 直接丢进龙虾对话框，AI 自己会调 bash 工具帮你装好，连终端都不用打开。
)
所以这一步你有两条路：
- 会用终端的：照上面 curl 那条命令直接装，最快
- 看到终端就头疼的：把命令复制到龙虾对话框里发出去，让 AI 帮你装
不管走哪条路，装完一次以后日常都不用再碰，后面全程在龙虾里跟 AI 说话、在有道云笔记里看结果。
STEP 2：到有道云笔记 MCP 平台拿 API Key
CLI 装好之后，得让它知道你是谁、能操作哪个账号的笔记。这就要去拿一个 API Key。流程不复杂，看下面这张图就够了
)
拿到 Key 之后，跟 STEP 1 一样，你有两条路。
路线 A：直接在龙虾里搞定（推荐）
把下面这段话发给龙虾，把 YOUR_API_KEY 替换成你刚才复制的那串：
帮我用 youdaonote config set apiKey YOUR_API_KEY 配置一下，然后跑 youdaonote list 验证一下能不能列出我有道云笔记里的文件夹。
AI 会自己跑这两个命令，配完直接给你列出来。我跑出来是这样：
)
能列出文件夹，说明 CLI 已经成功连上你的有道云笔记了。
路线 B：熟悉命令行的就直接来
# 把 YOUR_API_KEY 替换成你刚才复制的那串字符。
youdaonote config set apiKey YOUR_API_KEY
youdaonote list
返回类似下面这种就 OK：
)
到这一步，CLI 这边的活就全搞定了。
STEP 3：在龙虾里装上 youdaonote-llm-wiki skill
打开龙虾 App，左侧菜单点【技能】→ 切到【技能市场】→ 搜索框输入 llm-wiki。
)
找到 youdaonote-llm-wiki，点【安装】，搞定。
顺便说一下：这个 skill 本身是开放的，你接到别的 AI Agent 上也能跑。但我自己日常重度用有道云笔记，干脆全家桶来一套，有道龙虾 + 有道云笔记原生打通，配置上几乎零摩擦，省心。所以本文后面都以有道龙虾为例。
STEP 4：配置一个能打的模型
LLM Wiki 这套流程对模型有要求，它得做"知识编译"这种相对复杂的结构化任务，模型太弱会崩。
上周国产之光 DeepSeek 发布了 V4，LobsterAI 里已经支持了，我也试过了，速度很快，建议直接上 V4 Flash。在【设置】→【模型】→ 找到 DeepSeek，开启，把 API Key 填进去。
)
到这里准备工作就全做完了，下面进入正菜：怎么用它真的搭一个能用的知识库出来。
STEP 5：用一句话搭出第一个知识库
我决定拿我自己最熟悉、也最痛的场景来开张：把我公众号过往的文章整理成一个 AI 知识库。
为啥选这个场景？因为做内容创作的人都懂，写过的东西很容易就忘了。每次想引用自己之前的某个观点、某个案例，都得回去翻历史文章，效率不行。要是有个能随时问的私人知识库，对创作者来说会省很多事。
我之前已经把所有公众号文章的草稿都同步到了有道云笔记，统一放在一个叫《林月半子的公众号》的文件夹里。
回到龙虾的对话框，我说了这么一句话：
请读取我云笔记中《林月半子的公众号》文件夹中的内容，帮我搭建一个 AI 的知识库。
)
剩下的事就交给 AI 了，我喝了口茶。
回来一看，整个知识库已经搭好了：
)
整个目录搭得整整齐齐，我没敲过一个字。
第一次看到这画面我盯着屏幕坐了好一会儿，心里只有一个想法：要是早点知道有这个东西，我之前手动整理的那几百个小时算白花了。
STEP 6：跟知识库对话，让它"越用越活"
知识库搭好之后，下半场才是真正的高潮。
比如我最近在准备一篇关于AI 自动化变现的文章，但思路有点散。我直接在龙虾里问：
根据 linyuebanzi-wiki 知识库的内容，我之前关于 AI 自动化变现都写过哪些角度？帮我列一下，按变现路径分类。
这个回答没让 AI 跑去网上瞎搜，也不是泛泛丢几条建议给我。
它跑了几次 youdaonote search 和 youdaonote read，把我自己写过的东西从知识库里捞了一遍，整理出 5 条具体的变现路径，每一条都标了素材来源、核心模式和工具组合：
)
最后还顺手帮我把 5 条按"工具杠杆型"和"平台杠杆型"分了两类。
这份清单我自己来梳理至少要一个小时。回头翻历史文章那种活，谁干谁知道。AI 用了不到一分钟，而且翻得比我自己还彻底，有几条路径是我之前写文章的时候顺手提了一句就忘了的，AI 全给挖出来了。
更关键的是下面这一步：
把刚才这份分析存进 linyuebanzi-wiki 知识库。
)
它把这次的分析存进了 queries/AI 自动化变现路径分析.md，同时把 index.md 和 log.md 也同步更新了。我打开有道云笔记看了一眼：
)
注意看正文最底下那行。"来源文章：→ raw/20250830-别让 AI 瞎画图..."。这次新生成的 queries 笔记，反向链接回了 raw 层的原始文章。也就是说，知识库里的笔记之间已经开始互相引用了，越来越像一本真正的百科全书。
下次我再问类似的问题，它会先翻到这篇分析，再基于上面的结论往下接，不用再从头爬一遍 50 篇原文。
这就是 Karpathy 嘴里说的知识复利。每提问一次，知识库都会比上一次更强一点。
我喜欢这个设计的地方在于：它把"跟 AI 聊天"和"沉淀知识"两件事合并了。我以前每次跟 AI 大段大段聊完都觉得可惜，关掉窗口就什么都没留下。LLM Wiki 这套机制下，每次有价值的对话都会自动变成知识库里的一篇。
至于跟 RAG 的区别，一句话：RAG 是查完就走，LLM Wiki 是查完留底。同样是问知识库，LLM Wiki 越问越厚。
STEP 7：补充新素材，知识库继续生长
最厉害的是，这个知识库不是搭完就死的。
比方我哪天看到一篇好文章，想纳入到知识库里，不需要再走一遍初始化流程，直接跟龙虾说：
帮我把这篇文章保存到 linyuebanzi-wiki 知识库[文章链接]
AI 会自动读取文章内容、判断它该归到知识库的哪一层、跟现有 entities 有没有关联，然后悄悄把它补进去。
)
下次你再问跟这篇文章相关的问题，它已经在知识库里了。
这一整套跑完，你会发现一件事：自己几乎不用再手写笔记了。
要做的就两步，把素材丢进去，剩下的交给对话框。整理归档这些活 AI 都干掉了。
没素材也能开始
上面我是用现成的公众号文件夹起步的，但你手头要是空的也没事。直接跟 AI 说"帮我创建一个知识库，主题是 XXX"就行，它会建好结构等你往里扔东西。所以不管你是已经攒了一堆素材想整理，还是从零开始想搭个新主题的库，这套都跑得通。
这套方案，到底适合谁？
得稍微泼一下冷水：不是所有人都需要这套东西。
LLM Wiki 这套范式有它的边界：它不是企业级知识库（千万文档、向量检索、权限管理那种是另一回事），它是"个人活百科"。一图胜千言：
)
如果你属于上面那三类，又一直被终端、本地笔记软件的配置或者海外工具的学习成本拦在门外，那有道云笔记 + youdaonote-llm-wiki 这个组合是目前我见过最适合普通人上手的方案。
写在最后
跑完这一整套，我心里有个挺强的感受：过去两年我们用 AI，基本都是一次性对话。
开个新窗口，问一句，复制走，关掉。第二天遇到类似的问题，又得从头再来。AI 不记得你昨天问过啥，更不知道你过去三年的思考是怎么走过来的。
LLM Wiki 在干一件不太一样的事。用老程序员的话说：这跟单次脚本和持久化服务的区别一样大。前者跑完就消失，后者越跑数据越厚、越懂你。
我猜往后一两年这种形态会越来越多。但目前在国内能让普通人零门槛跑通的，有道云笔记 + youdaonote-llm-wiki 是我见过最快的一条。
回到开头那个问题：那些天天私信我怎么装 Hermes的朋友，我现在终于有了一个能直接甩给他们的答案：
别装 Hermes 了，去下载有道龙虾，技能市场搜 youdaonote-llm-wiki，跟着我这篇跑一遍就行。
如果你也想试试，相关的 skill 入口和详细介绍可以在有道云笔记的【帮助中心】→【拓展能力】里找到。
)
知识库搭起来不难，难的是让它跑起来。光看我写的没用，自己去试试，半小时就能跑通第一遍。
如果觉得不错，随手点个「赞」和「在看」，转发给那些总在跟你抱怨"笔记吃灰"的朋友吧～
林月半子的AI笔记
邀请你前往腾讯公益一起捐
给困境儿童送关爱包
60人捐赠
继续滑动看下一个
林月半子的AI笔记
向上滑动看下一个