这是 Farzapedia！我让一个 LLM 把我日记、Apple Notes 以及一些 iMessage 对话中的 2500 条记录整理了一下，给我做了一个“个人版维基百科”。点击标题演示网址！
它生成了 400 篇非常详细的文章，内容包括：
- 我的朋友
- 我的创业项目
- 我的研究领域
- 甚至我最喜欢的动漫，以及它们对我的影响
别再让AI瞎猜你心里想啥了，亲手给自己建一个能当操作系统用的第二大脑吧！
不是让AI“慢慢记住你”，而是你主动把自己的人生数据整理成一个结构清晰、可以被AI直接读取的“个人维基百科”。这个系统叫 Farzapedia，本质就是把日记、笔记、聊天记录这些原本杂乱的信息，重新组织成一个有结构、有链接的知识网络，让AI像查数据库一样理解你。
换句话说，这不是“AI更聪明了”，而是你把自己变得更“可计算”。以前你的灵感、经历、想法都散落在各个地方，AI看了也只能抓点碎片；现在你把它们整理成一个像 Wikipedia 一样的结构，AI一进去就像进了图书馆，直接按目录查资料，这效率差的不是一点点，是从“翻垃圾堆”进化到“进国家图书馆”。
人生做成一个AI能读懂的“文件系统大脑”
别指望AI慢慢“认识你”，那跟相亲似的，聊半天还记不住你叫啥。反过来，你得主动出击，把自己的人生数据整理成一个大平层，不对，是一个结构清晰得像超市货架一样的“个人维基百科”。这个系统叫Farzapedia，听着挺唬人，但说白了就是把你的日记、随手记、聊天记录这些东一榔头西一棒子的破烂儿，重新码放整齐，变成一个带超链接的知识网。这样一来，AI进去就不是抓瞎了，而是像查数据库一样精准理解你。
这里有个超级反差的幽默点。以前我们总觉得，AI不够聪明是因为它算法不行。现在真相大白了，是你自己太乱。你的灵感在微信收藏里吃灰，你的经历在日记本上落土，你的想法在手机备忘录里迷路。AI看了也只能捡几块碎片，跟翻垃圾堆的拾荒者似的。现在你主动把这些破烂整理成国家图书馆，AI一进去，好家伙，直接按目录索骥，这效率提升的感觉，就像从骑自行车上班突然换成了坐火箭通勤。你把自己变得“可计算”，比求AI变聪明靠谱一万倍。
Farzapedia是怎么构建的：从2500条碎片到400篇结构化认知
作者干的第一件事，听起来特朴素，但绝对是神来之笔。
他把自己过去攒下的2500条记录，什么日记啊，苹果备忘录啊，甚至跟对象的聊天记录，一股脑全倒给一个大模型。注意，他不是让模型给他写个总结，那太low了。他是让模型干一件苦力活：把这些碎片重新搭成一个有骨架的知识体系。结果模型吭哧吭哧生成了400篇有头有脸的文章，每一篇都有一个明确的主题。这些主题五花八门，从具体的人物、手头的项目、研究的方向，甚至到喜欢的动漫以及这些动漫怎么毒害，哦不，影响了他的价值观。
更骚的操作在后面。这些文章不是孤立存在的，它们之间都加了“反向链接”，也就是backlinks。什么意思呢？你写了一篇吐槽你室友的文章，同时在你的创业计划里又提到了这哥们帮你搬砖。那么这两个页面就会自动手拉手，互相链接。这就彻底告别了以前那种文件夹式的死板分类。你的知识库不再是一堆文件，而是一张网，一张图谱。而图谱这玩意儿对AI来说，就像打游戏开了全图挂。AI不再需要猜A和B有没有关系，链接直接告诉它，这俩不但有关系，而且还是铁哥们。这种结构化的幽默感在于，以前你脑子里是两个分开的文件夹，一个是“生活”，一个是“工作”，但在AI看来，你那个帮你搬砖的室友，就是你人生图谱里的超级节点。
为什么这个系统不是给人用的，而是给Agent用的
很多人一看到“个人维基”这四个字，第一反应就是，这不就是个高级版记事本吗？大错特错。这玩意的目标用户根本不是你，而是那些不知疲倦的AI智能体。作者直接把话挑明了，这个系统就是为AI智能体量身定做的。因为它的文件结构和链接方式，对AI智能体来说，就像高速公路对于汽车一样，特别容易遍历和理解。你给人类看的东西，跟给机器看的东西，完全是两套逻辑。你写日记可以写“今天天气不错，心情不好”，标题随便起个“无题”，AI看了直接懵圈。
但AI智能体不吃你这一套情绪化的表达。它需要的是清晰的路标、稳定的路径、明确的引用关系。就像一个强迫症图书管理员，每本书放在哪个书架，哪个书架在第几排，都得写得明明白白。这个维基百科恰好满足所有条件。所以AI智能体就可以像一条训练有素的警犬，从首页的索引文件开始，一层一层往下嗅，穿过目录，翻过分类，精准定位到它需要的那篇文章，然后再顺着反向链接找到所有相关的内容。
整个过程行云流水，没有一丝多余的猜测。你想想，以前你问AI一个问题，它在你的垃圾堆里刨半天，给你叼回来一只破鞋。现在它直接去档案馆，三秒钟调出你十年前的所有相关档案，这反差，就像从原始社会一步跨进了赛博朋克。
实际效果：AI不再“瞎猜你”，而是“查你档案”
作者举的例子特别有画面感。他要设计一个产品的落地页，也就是给客户看的第一个界面。他没有像普通人那样去问AI：“嘿，帮我写点牛逼的文案。” 这个问题太蠢了，AI只能从全网给你抄一堆俗套的废话。作者是怎么问的？他问：“去看看最近启发过我的那些电影和图片，然后帮我想想风格和文案。” 这句话的潜台词太狠了：正确答案不在互联网上，而在我这个活人的脑子里，在我过去的经历里。
于是AI智能体开始干活了。它会自动去翻你的维基百科，找到你关于吉卜力纪录片的那篇笔记，里面写满了你对那种细腻画风的哲学思考。它还会找到你分析某家知名创业公司竞品的文章，里面全是数据和吐槽。最后，它甚至翻出了你几年前在二手市场淘到的披头士乐队周边的图片，那东西一直在你的收藏夹里吃灰。AI把这三样风马牛不相及的东西一融合，给出一个设计建议。
这里的关键变化是，AI从一个谁都能用的通用工具，变成了一个“先读懂你，再为你工作”的私人小秘书。这就像你雇了一个设计师助理，这小子跟了你十年，知道你讨厌大红大紫，知道你迷恋蒸汽波风格，知道你每次看到披头士都热血沸腾。那他出的活儿，跟一个网上的随机设计师能一样吗？前者是为你量身定做，后者是给你套模板。
为什么传统RAG不行，而这个方法有效
作者非常直白地承认，一年前他用过传统的RAG技术做过类似的东西，结果效果烂得一批。RAG这玩意儿，全名叫检索增强生成，听起来高大上，但实际操作起来特别傻。它更像是一个高级的关键词检索加拼接答案的机器。它对文章结构的理解几乎为零，对信息之间的关系更是两眼一抹黑。你问它一个问题，它就去向量数据库里，用数学方法找几段看起来跟你问题最像的文字，然后像拼积木一样拼在一起，给你一个看起来像答案的东西。但这个东西缺乏一个“认知路径”，就像你问去天安门怎么走，它告诉你“红色”、“大广场”、“毛爷爷”，就是不说怎么坐地铁。
而这个维基百科系统，本质上是“文件系统加图结构”。AI智能体可以一步步推理：先从目录看起，哦，这个人的一生分成了“工作”、“生活”、“学习”几个大板块。然后进入“工作”分类，找到“落地页设计”这个具体文章。最后，在这篇文章里看到反向链接，指向了“吉卜力”和“披头士”。这个过程，简直跟人类思考一模一样，先宏观再微观，再联想。它不是数据库查询那种生硬的“问-答”模式，而是一种探索和发现的过程。所以结果就从“勉强能用，但感觉像个智障”进化到了“真的有用，感觉像个懂我的老铁”。
这个反差就像你用老式导航，它总把你往沟里带，而新导航不光认识路，还知道你最喜欢在哪个服务区买烤肠。
自动进化的知识库：AI开始帮你“整理人生”
最离谱也最有潜力的功能来了。当你往这个维基百科里扔新东西，比如一张随手拍的照片，或者一段冗长的会议录音，这个系统不是傻乎乎地存起来就完事了。它会自动分析这些新内容属于哪几篇已有的文章。比如你拍了一张夕阳的照片，系统会判断这张照片可能属于“摄影爱好”这篇文章，也可能属于“2024年夏天回忆”那篇文章。然后它会自动更新这两篇文章，在文章里加上这张图片的引用。如果它发现这张照片实在找不到合适的家，它甚至会干脆给你新建一篇文章，标题就叫“某年某月某日的夕阳”。
这就相当于你花了一份工资，雇了一个永远不下班、从来不抱怨、而且还能真正“理解”内容的图书管理员。你随手丢进去一段会议录音，它帮你提炼出要点，然后归类到你的“工作项目”和“人际关系”两个分类下，并且自动建立项目和人之间的链接。时间一长，这个系统会越来越完整，越来越像你大脑外部的一个硬盘，而且这个硬盘是带智能索引的。你想想，以前的你，记性再好也会忘，笔记记得再多也懒得翻。现在好了，你每活一天，这个系统就跟着你成长一天。
它不再是一个死板的工具，而是一个活着的、跟你共同进化的数字生命体。这其中的幽默感在于，你自己懒得收拾屋子，结果你造了一个机器人天天帮你收拾，最后你的屋子比五星级酒店还干净，而你还是那个乱扔袜子的你。
卡帕西为什么觉得这个方向更高级
AI大神Karpathy出来站台，说这个方向更高级，其实是在疯狂打脸现在市面上很多AI产品的逻辑。现在这些产品都在吹嘘“用得越多越懂你”。但问题来了，你根本不知道它到底记住了你啥，也无法控制它忘掉不该记的东西。这种所谓的“隐式记忆”听起来特别智能，但实际上又危险又低效。就像一个神神秘秘的管家，你觉得他了解你，但他到底在你背后记了你什么黑料，你完全不知道，想删都删不掉。
而Farzapedia这种方式，玩的是“显式记忆”。
所有关于你的信息，所有AI能读取的内容，都明明白白地摊在你面前，就是那些Markdown文件。你可以随时打开看，觉得不对就改，觉得没用就删。这就像从“黑箱AI”变成“透明玻璃房”。你不是一个被动被算法学习的对象，而是一个主动构建自己认知模型的总设计师。
Karpathy觉得这高级，是因为这尊重了人的主体性。你不是在喂养AI，你是在给AI画一张精确的地图。
这个反差就像，一个是把你的秘密告诉一个会读心术的陌生人，另一个是你自己动手写一本关于自己的百科全书，然后让一个识字的人来读。哪个更靠谱，哪个更可控，一目了然。
File over App：文件才是王，应用只是皮肤
这里面还有一个非常硬核的理念，叫“文件高于应用”。意思是，整个系统的核心不是某个花里胡哨的软件，而是那些最朴素的、通用的文件。因为这些数据都是纯文本的Markdown格式和常见的图片格式，所以你可以用任何工具去折腾它们。你可以用命令行工具一键替换所有文件里的某个词，你可以写个脚本自动统计你写了多少字，你也可以用别的笔记软件打开它，甚至心情好了自己写个网页界面来浏览它。
这带来的好处是极其现实，甚至是有点冷酷的：你永远不会被任何一个平台绑架。今天这个AI公司倒闭了，或者它开始漫天要价了，没关系，你的数据全在自己电脑里，全是标准格式。明天你想换个更聪明的模型，直接接上就行，数据迁移就像从A抽屉换到B抽屉一样简单。这种“可迁移性”在未来会越来越重要，因为AI工具的变化速度快得跟翻书一样。今天你用的神器，明天可能就成笑话。唯一能稳定下来的，就是你自己积累的数据和整理好的结构。
这个理念的幽默之处在于，大多数人都在追最新的App，觉得那才是生产力。而真正的高手却在死磕最古老的TXT文件，因为App就像皮肤，会老会皱，而文件才是骨头和肉，是你数字生命的根基。
BYOAI：AI可以换，但“你”不能丢
BYOAI这个概念比上一个还要狠。BYOAI就是“带上你自己的AI”。意思是，你可以接入任何你喜欢的AI模型，不管是闭源的超级模型，还是开源的社区模型。甚至，你可以用自己的这个维基百科去微调一个开源模型，把这个模型直接变成一个“参数里都刻着你名字”的专属AI。这就等于，你不只是在用AI，你是在亲手“养大”一个AI。你喂给它你的记忆，你的逻辑，你的知识结构，最后它输出的每一句话，都带着你的味道。
这一步的意义在于，你彻底摆脱了对任何一个单一AI公司的依赖。你把AI从一个你必须伺候的“云服务”，变成了一个你可以随意插拔的“引擎”。真正核心的东西，永远是你自己的数据、你建立的结构、你积累的知识体系。AI模型只是一个跑得飞快的引擎，坏了就换一个，甚至你可以自己造一个，但你这辆车，也就是你的人生操作系统，永远是你的。
这个反差太明显了。普通人还在纠结用哪个AI软件，每个月交着会员费，生怕软件跑路。而高手已经把自己的大脑做成了一套操作系统，AI不过是这个系统里的一个驱动，想换就换。你不是AI的用户，你是AI的老板。
现实提醒：这不是最简单的路，但这是未来的路
说实话，这种方法一点也不轻松。你需要有强迫症一样的耐心去维护文件结构，你得搞清楚目录怎么建，分类怎么分。你还要理解一些AI智能体的基本玩法，比如怎么给它写指令，让它按照你的维基去工作。对于那些只想问一句话就拿走一个标准答案的懒人来说，这显然太麻烦了，简直是给自己找罪受。他们宁愿在五花八门的App里被广告轰炸，也不愿意花一个小时整理自己的笔记。
这整套东西的本质就一句话：把你的人生数据，变成AI可以直接操作的系统。
谁先把这件事做好，谁就相当于拥有了一个持续进化的“第二大脑”。而且这个大脑不会忘记、不知疲倦、还能帮你做事。这已经不是工具升级，这是认知基础设施的升级。