我用 skill 搭了个 LLM wiki，知识开始给我生利息

说起来挺讽刺的

收藏夹里积攒的文章，没有几百篇，恐怕也有几十篇了。技术分析、投资框架、AI工具评测，林林总总。但若真要问起其中某篇的具体内容，脑海里往往只剩一片模糊的空白。

说白了，很多时候，“收藏”这个动作，不过是另一种形式的“再也不见”。

知识复利这件事，一直没做对

问题究竟出在哪里？值得反思。

传统的笔记方法，其本质更像是“往箱子里扔东西”。扔进去的那一刻，成就感满满；等到需要时翻找，才发现箱内早已杂乱无章。

Notion试过，Obsidian也试过，给文章打标签、加双向链接的功夫没少花。结果呢？耗费两三个小时精心整理的内容，一个月后，连打开的欲望都消失了。

后来才想明白：复利的核心并非“可存储”，而是“可检索、可复用”。

存储一万篇无法快速定位的文章，价值近乎于零；而存储十篇能够随用随取的内容，这才是复利开始的地方。

转机：让 skill 成为知识的搬运工

转变始于一次偶然的尝试。

当时正在使用 WorkBuddy 的 skill 功能处理日常文档，顺手将几篇觉得不错的公众号文章丢进了 raw 目录。接着，调用 skill 帮忙提取关键信息、打上标签、并生成结构化的 wiki 页面。

初次尝试时，不免有些怀疑——这能比手动整理强多少？

结果证明，这种怀疑是多余的。skill 所做的并非简单的“搬运”，而是深度的“理解”。

它会将一篇文章的核心观点精准提炼出来，自动关联到已有的知识节点上，甚至还能生成几个“你可能会问的问题”。用“搜索”来形容已不太准确，那感觉更像是知识本身在主动开口说话。

具体做法其实很简单，只有三步：

第一步，收集。 看到有价值的文章，别只丢进收藏夹，直接丢进 raw 目录。

第二步，结构化。 调用 skill，让它完成自动提取、自动入库、自动关联的流程。

第三步，查询。 下次需要创作前，先问问 wiki：“关于这个话题，你知道什么？”

在整个过程中，需要手动介入的部分越来越少，但知识积累的效率，却肉眼可见地提升了。

wiki 起来之后，事情开始变了

最直观的变化是：动笔写作时，心里不慌了。

以往撰写一篇深度文章，光是搜集素材就要耗费大半天。反复翻找收藏夹、搜索公众号、重新阅读之前看过的内容。

现在则完全不同。

直接向 wiki 提问：“关于定投和一次性买入的对比，我之前收集过哪些资料？”

几秒钟之内，相关的核心观点、适用场景、甚至是过往的草稿片段，都会被清晰地呈现出来。不再是“我”去费力寻找知识，而是知识主动来匹配“我”。

这种感觉，就像突然拥有了一位永远不会遗忘、且比你更了解自身知识结构的得力助手。

更为关键的是，每一次对 wiki 的查询，都在无形中强化已有的知识节点。这个 wiki 并非静态的仓库，它会随着使用频率的增加而不断生长、不断变得更为精准。

说到底，这已经不是工具在帮忙，而是“过去的我”在持续赋能“现在的我”。

复利的本质：每次投入都在为未来降本

大多数人对复利的理解，停留在“钱生钱，利滚利”的层面。

知识复利的逻辑其实如出一辙：每一次在整理知识上的投入，都在为未来的每一次调用降低成本。

普通人学习新事物，往往从零开始。而拥有 wiki 体系的人学习新事物，则是站在昨天已经搭建好的基础上继续攀登。

最大的差距体现在哪里？时间。

不需要每次撰写投资分析都重新理解“估值”的概念，也不需要每次讨论 AI Agent 都从零开始查阅定义。这些知识早已沉淀在 wiki 中，并且经过了消化吸收与结构化处理。

Skill 将“整理知识”这件事的边际成本，降到了接近零的水平。

花费一小时进行知识入库，可能在下一次调用时节省十分钟。再投入一小时，又能再节省十分钟。这无数个“十分钟”累积起来，便是实实在在的复利效应。

你能怎么开始

想让知识开始为你产生“利息”，门槛其实远没有想象中那么高。

第一步，选择一个你最常涉及的主题。 投资？技术？产品？任何方向都可以，但关键必须是你在实际工作中真正会用到的领域。

第二步，利用 skill 将过往收集的素材全部结构化。 不必追求一步到位，从十篇文章开始着手就很好。

第三步，在下次需要输出时，先询问你的 wiki。 看看它还记得什么，然后在它提供的基础上进行延伸和深化。

核心心法其实只有一句话：不要等待“有空”再去整理，坚持边用边建。

当你真正“有空”回顾时，或许会发现——wiki 已经让“专门腾出时间整理”这件事，变得不再那么必要了。

如今，每次打开 wiki，都像在与过去的自己进行一场对话。那个曾经认真收集文章、整理知识的自己，始终在后台默默准备着，随时提供支持。

这种感觉，或许才真正触及了“复利”的深层含义。

做一个有深度的技术人

历史精彩文章推荐：

从被动到主动：主观能动性的力量

复利（滚雪球）的魅力

基于“第一性原理”的思路工作

聊聊“晋升”到底该怎么做

万能方法之如何使用“MECE”分析法高效解决问题

来源：互联网