别再建维基了！一个真正能帮你做决定的知识系统，基于NotebookLM的轻量级个人决策知识系统构建
卡帕西的LLM维基在处理个人知识时存在严重效率问题：每次查询消耗大量token，响应缓慢，且与真实决策流程脱节。通过NotebookLM的即时嵌入技术，我们能绕过维基索引构建步骤，直接获得带引用的答案。更重要的是，我们将知识转化为可执行技能，并融入日常例行流程，真正提升决策质量。本文用雷·达里奥的五步决策法为例，实时对比两种方案，展示为何新方法更实用。
为什么卡帕西LLM维基对普通人几乎没用
关于卡帕西LLM维基那则播放量最高的帖子下，置顶评论直言“对多数人基本没用”。我当时就想：他说得对吗？为了验证，我决定做一次并排对比。我非常欣赏雷·达里奥，读过他的《原则》。所以我用了完全相同的原始资料，相同的目标——改善我的决策能力。然后实时地，一边搭建维基，一边搭建我的替代系统。
我先复现了卡帕西的维基架构。它有三个部分：原始资料（YouTube字幕、文章、PDF）；维基本体（让Claude读取每条资料，写摘要，抽取出人物和概念形成独立页面）；一个模式文件告诉Claude维基的组织方式，方便它在你提问时知道去哪查找。有了这些索引文件和实体页面，你可以轻松查询维基，并在图谱上导航。
我并行导入了19条资料到维基里，花了大概20分钟。接着我向它提了10个问题。Claude需要读取所有字幕文件，但索引基本帮不上忙——它实际上是在重读完整文件来回答一个问题。每次查询消耗四万四千个token。10次查询就是四十四万token。我的用量限额直接爆表，对话成本飙升到离谱。
NotebookLM的即时处理完胜传统索引
换成NotebookLM后，我加了50条资料，因为导入是瞬间完成的。NotebookLM的导入本质上就是嵌入向量化。它们用的是最先进的嵌入模型，比如谷歌自研的那种。你根本不需要做任何导入步骤的等待，立刻就可以开始提问。
你不需要构建那整套维基索引。
同样的10个问题，每个回复大约一分钟。全部10个答案都带回到原始字幕的引用。你看，我们积累了这么多知识，然后呢？你建了一个维基，有了摘要，有了索引。下一步呢？你真的去用了吗？
维基与现实世界没有集成。你可以问一个问题，但仅此而已。我的目标是改善我的决策。我需要围绕决策来提问，提取概念，然后提升我的技能。维基做不到这点。
将知识转化为可执行的日常技能
我采用了完全不同的三步流程：
第一步，基于知识快速创建技能；
第二步，将这些技能融入你的日常例行公事；
第三步，在例行公事中运行这些新技能。
一个绝佳的例子是早晨例行流程——你把决策框架整合到如何分配时间这件事里。
基于达里奥的五步决策法，我构建了一个决策技能：明确你的目标；不姑息问题；诊断根本原因；设计一个计划；执行计划。我还加了一个每日模板，里面包含反思提示，以及一个每周回顾板块，它会问：“这周的问题重复出现了吗？它们和上周的问题类型相同吗？”
每当我需要做决定时，这个技能就摆在那里。我应用这些知识，而不是仅仅存储它们。
实际测试对比：21条视频源的真实问答
我做了更多测试，创建了更多笔记本。举个例子：我把过去两周关于Hermes Agent、OpenClaw和Claude Code频道的视频拉进一个笔记本，共21条资料。我问了很多问题，得到了扎实的答案，这些答案都基于YouTube视频和人们的实际使用情况。
这正是它真正擅长的地方。我能够掌握信息全貌，而不被单一视频的偏见带偏。只看一个视频，你只得到一个人的观点。把21个视频拉进一个笔记本，我能快速跟上动态，减少那种错失恐惧感。它帮我保住了理智。
我问的一个示例问题是：“为什么Claude禁止订阅？”答案非常棒，且在多条视频中都有依据。如果走维基路线，Claude每次都要重读所有字幕，实在太长了，你根本等不起。通过把综合工作外包给NotebookLM，你只消耗极少量的token。
Token免费时代结束，成本敏感度必须提高
我能感觉到，免费token的时代已经结束了。一月份的时候，Anthropic的token几乎无限，很难触达周限额。但现在正在收紧。LLM维基方法既昂贵又缓慢。我相信维基真正闪光的地方在于需要极其深入的研究，比如博士级别的课题，长期维持的高准确度要求，你愿意花30分钟来导入一条资料。
团队维基我认为是个很好的用例。竞品分析肯定更适合。Claude可以读取所有文件并提供更好的回答，因为它能访问全部资料。但对于个人知识学习，我觉得有点过度工程化了。我不会为每个主题花一小时去搭建维基。我一天能承受的对话量有限。现在token是被补贴的，你还不用付太多钱。但如果你通过API来用，你绝对不可能用LLM维基——根本没门。
NotebookLM工作流：零维护，即时答案
使用NotebookLM，你不需要维护，不需要处理。资料保持原始状态。你提问，你得到答案。就这么简单。
并排对比下来，最佳实践是：打开NotebookLM。让Claude帮你找关于某个主题的视频和文章。它会自动添加到笔记本里。然后你提问，直接拿到答案。搞定！我甚至为此构建了一个NotebookLM技能，自动替你完成这些。
打开笔记本，让Claude收集资料，提问，获得带引用的答案，然后将答案中的决策框架提取成每日/每周例行技能。整个过程不涉及任何维基索引构建，不消耗大量token，不等待长篇重读。你的知识直接服务于你的下一步行动，而不是躺在维基里吃灰。