我越来越不相信“把所有问题都丢进一个聊天窗口”是一种可靠的知识管理方式。

聊天很适合探索：你可以问一个问题，追问几轮，让 AI 帮你解释一个概念、读一段代码、比较几个方案。但聊天有一个根本问题：它很难沉淀。一次对话里有事实、有推理、有临时判断、有错误、有上下文依赖，也有当时才成立的结论。如果不把这些东西重新组织，它们很快会变成一堆看似有用、实际很难复用的记录。

我想要的不是“更多聊天记录”，而是一套能让 AI 参与长期知识形成的本地系统。

这就是我开始搭 Obsidian + Codex 联邦知识库的原因。

这不是从零发明一个知识库

先把边界说清楚：这套系统不是在发明“AI 知识库”。

公开实践里已经有很多重要线索。Obsidian 证明了本地 Markdown、双向链接和文件夹结构可以长期承载个人知识。PARA、Zettelkasten 等方法证明了知识组织需要持续流动，而不是只靠收藏。Karpathy-style LLM Wiki 把一个 wiki 设计成 AI 可读取、可维护、可执行的工作面。LLM Wikid、SwarmVault、Zettelclaw 这类项目也都在探索让 AI 维护本地 wiki 或 vault。

所以我真正关心的不是“让 AI 读一个 vault”。

我关心的是另一件事：

project evidence -> federation inbox -> central wiki/source draft -> publication candidate -> site artifact

也就是说，项目里的事实、中央库里的长期知识、AI 的编译动作、Obsidian 的人工审阅、网站的公开发布，不能混成一团。已有实践给了我很多材料，但我的问题更具体：当我同时有多个项目、多个隐私级别、多个发布目标时，怎样让 AI 参与知识形成，又不让边界失控？

本地文件比聊天记录更适合作为知识真相源

本地知识库的第一层价值不是酷炫，而是可控。

文件有路径、版本、来源、修改记录和明确的所有权。聊天记录通常只有时间线和上下文片段。文件可以被 Obsidian 阅读，可以被 Git 管理，可以被 Codex 修改，也可以被脚本检查。聊天记录更多是交互过程，不适合作为长期事实层。

所以这套系统的基本判断是：

conversation is working memory
files are durable knowledge

对话可以帮助我思考，但稳定结论必须回到文件。否则每一次讨论都会重新开始，每一个项目都会重新解释背景，每一个新想法都无法和旧材料可靠连接。

为什么不是一个超大的知识库

把所有材料都放进一个 Obsidian vault 看起来简单，但很快会遇到另一个问题：边界消失。

我会在不同项目里做研究、开发产品、整理家庭资料、准备公开文章。它们的隐私级别、事实来源、更新节奏和公开边界都不一样。如果把所有内容都摊平，AI 很容易把项目局部结论当成全局原则，也容易把私有材料误带进公开内容。

所以我采用联邦式结构：

  • 中央知识库沉淀长期概念、方法和公开候选内容。
  • 项目目录保留项目事实、研究包、代码和局部结论。
  • 发布节点只负责把已审查内容渲染成网站页面。
  • AI 默认只看当前目录，需要跨边界时走窄接口。

这不是目录洁癖，而是事实治理。

Codex 在这里不是聊天机器人，而是编译器

在这套系统里，Codex 的角色不是陪聊，而是把材料编译成结构化知识。

它可以读取来源，提炼概念，更新专题页，整理索引，生成 publication source draft，也可以检查公开边界。但它不应该随意把项目文档搬进中央库，也不应该在站点目录里临时补写知识来源。

更准确地说，Codex 在不同目录下有不同角色：

  • 在中央知识库里，它是 knowledge compiler。
  • 在项目目录里，它是 project worker。
  • 在发布节点里，它是 rendering and build assistant。

同一个 AI 工具，如果没有目录角色，最后很容易变成“什么都能看、什么都能改、什么都说不清来源”的黑箱。

Obsidian 的价值是让人重新掌控知识

我仍然需要 Obsidian，因为 AI 不是知识库的唯一使用者。

Obsidian 给我的是阅读、链接、反向链接、手动修订和长期浏览能力。它不是用来替代 Codex 的，也不是让 AI 在图谱里自动漫游。它更像是人的知识控制台：我可以看到哪些概念已经稳定，哪些专题还缺证据，哪些输出已经准备公开。

AI 可以加速编译，但人仍然要决定什么值得保留、什么应该删除、什么可以公开、什么只能留在项目里。

这套系统真正解决的是连续性

一个知识系统最难的不是存储，而是连续性。

今天调研的产品，明天可能会变成一个专题。项目里的复盘，几周后可能会抽象成一个概念。一次产品讨论，之后可能会变成公开文章。一个私有仓库里的工程实践，可能会提炼成开源方法论。

聊天记录很难支撑这种连续性。本地联邦知识库可以。

它让每一类内容都有自己的位置：证据、概念、项目事实、公开稿、发布记录、审计边界。更重要的是，它让 AI 知道自己正在处理哪一种内容，而不是在一个无限上下文里自由发挥。

这就是我为什么不把聊天记录当知识库。

我需要的不是一个更聪明的聊天窗口，而是一套能让人、AI、项目和发布长期协作的知识操作系统。