我在本地构建了一个第二大脑，无论是你想了解学习的视频、文章、论文，还是书籍，以及你的日记、个人生活经历、工作开会记录，全部都能放进这个大脑中帮你记录起来。当你想要哪个资料信息，这个大脑就会帮你直接提取相关信息。

这个构建的第二大脑已经开源放到 GitHub 上，可以直接下载下来使用。

GitHub 仓库地址：https://github.com/EasonChenC/second-brain

理论基础：Karpathy 的 LLM Wiki

这个大脑的构建基于 Karpathy 的 LLM Wiki 理论：不要让大模型每次都从原始资料中重新检索、总结；应让它持续维护一个结构化、互相链接、不断更新的个人知识库。

LLM Wiki 理论将整个大脑系统分为三层：

• Raw Sources：用来存放你想要记录的论文、书籍、会议记录这些原始资料。
• Wiki 知识库：用来整理这些原始资料，构成一个有结构、有链接、有历史的知识网络。
• Schema 规则文件：告诉大模型应该如何组织、更新以及查询这个知识库。

这个 Wiki 理论就是构建我们大脑的一个重要依据。

工具准备

有了理论基础后就可以进入实操阶段，这个大脑的构建需要以下几个工具：

第一步：安装并打开 Obsidian

打开Obsidian的官网点击下载软件，然后一键安装。

安装完后点击打开 Obsidian 应用，就可以看到弹出如下的界面，然后点击打开本地仓库，选择从我的 GitHub 上拉取下来的 second-brain 文件夹作为本地仓库。

打开之后就可以看到整个项目当前构建的一个关系图谱内容以及结构。

raw保存原始资料，wiki负责结构化整理，index.md用于索引，log.md记录演化过程，agents.md规定整个系统的运行规则。

第二步：配置 Obsidian Web Clipper

然后安装Obsidian Web Clipper这个浏览器插件，安装完后打开这个插件的设置页面，然后点击 new template 新建模版，选择 import 导入模版。

然后选择我 GitHub 上下载下来的另外一个文件夹 obsidian 插件模版的网页内容获取-clipper.json 进行导入。

导入成功后看到网页内容获取这个模版，就表示导入成功了。

我们可以打开一个视频，然后点击这个插件，插件就会自动帮我们整理这个视频的内容，然后点击 add to obsidian，将视频内容加入到 Obsidian 中。

Obsidian 中的原始资料文件夹下面就有了这个视频完整的内容。

一个存放的地方，一个抓取的工具，一个干活的大脑。

第三步：用 WorkBuddy 处理原始资料

这个视频内容虽然已经加入到了 Obsidian 中，但是这个资料内容实际上只是躺在原始资料的文件夹下，还没有进行处理放到大脑中，也就还没和大脑关联起来。

这时候就需要 AI 来帮我们处理这个任务，我选择了用 WorkBuddy + deepseek-v4-flash 的配置来帮我处理这些原始资料，你也可以选择使用 Codex、Claude Code 或者豆包，只要是 Agent 都行。

工作空间同时也选择 second-brain 这个文件目录下。

然后输入「帮我处理 raw 下未处理的资料」，WorkBuddy 就会自动帮你处理新加入的资料信息，构建知识图谱。

WorkBuddy 处理完成后就可以看到各个目录下都新增了很多文件内容，并且关系图谱也进行了更新。

第四步：在知识库里提问

紧接着我们在这个目录下问一个问题，WorkBuddy 就会先在这个大脑里储备的资料中检索是否有存储相关的知识，有相关知识的话就会引用相关的知识内容进行回答。

这就是第二大脑的作用，可以将所有你需要的知识内容进行结构化后存储到我们的知识库中，并且和相关的内容构建一个连接关系。当我们想要了解相关知识内容的时候，它不仅会根据存储的对应知识内容进行回答，同时还会将有关联的相关知识进行回答。

第五步：加个定时任务，让它自己进化

当然你也不用每次添加新的材料的时候都要和 WorkBuddy 说一下处理新放入的材料，只需要添加一个自动化的定时任务，这样每隔一个小时就会自动去 raw 下面查找是否有未处理的新增资料，如果有的话 WorkBuddy 就会自动去提取然后知识化处理，非常方便。

总结

这样就实现了一个本地的大脑搭建，你可以将开会内容、视频内容，或者想学习的文章都放入到这个大脑中，配合你使用的 Agent，就会自动帮你处理各种资料，将内容融入到你的知识库中，这样 AI 就会根据你放入的内容来帮你回忆，辅助学习，整理工作内容。