Markdown

本文介绍如何参考 Andrej Karpathy 的方法构建基于 AI 的个人知识库。通过建立简单的三文件夹结构（原始素材、维基、输出），利用 agent-browser 等工具自动化采集信息，并配合 Schema 文件引导 AI 进行知识整理与问答，实现一个无需复杂软件、随使用而进化的“第二大脑”。

本文介绍了如何利用 Claude AI、Obsidian 和 Markdown 文件构建一个本地化的“研究技能图谱”系统。通过建立一套包含六个分析维度（技术、经济、历史等）、来源评估和冲突协议的结构化框架，用户可以将 AI 转化为具备深度思考能力的虚拟研究部门，实现知识的持续沉淀与复用。

文章探讨了为什么使用Claude Code等AI代理时，HTML是比Markdown更有效的输出格式。作者认为HTML提供了更高的信息密度（表格、SVG、CSS等）、视觉清晰度、易于分享、双向交互、数据摄取以及更愉悦的体验。通过实际用例（如规范说明、代码审查、设计原型、报告学习），展示了HTML在AI辅助工作中的优越性。文章还讨论了常见问题，如token效率、版本控制等，并鼓励读者尝试使用HTML。

本文介绍了如何将AI提示转化为可复用工作流的方法，旨在解决手动复制粘贴和上下文丢失的低效问题。作者指出，当提示习惯无法扩展时，说明遇到了架构问题。通过识别重复任务中的手动静默交接点，可以将其拆分为多步骤工作流，每个步骤输出到独立的Markdown文件，下步读取前步结果，实现上下文自动传递。文章以内容构思为例，展示了从Reddit、新闻和arXiv搜索到最终合成的四步工作流，并强调了决策门（人类检查点）的重要性。最后建议从最简单的两步工作流开始，先可靠后复杂。

作者Ruben通过创建包含自己写作风格、信念和禁止事项的markdown文件，上传到Claude等AI，实现AI完美模仿他的个人风格。文章揭示了所谓独特性是一系列可记录的偏好和模式，并提供详细步骤：采访自己（100个问题）、构建文件、在任何AI中使用。作者认为这种技术不是取代而是放大个人品味，任何人都可以被“文件化”。

本文介绍了如何在 HackMD 中插入图片，包括拖拽上传、工具栏上传、粘贴上传三种方式。同时介绍了如何调整图片大小，包括指定比例和指定宽度。以及如何设置图片的位置，例如居中对齐和右对齐。最后介绍了 HackMD 新增的图片交互功能，例如图片缩放和交互式 UML 图表。

文章详细介绍了如何利用一组互联的 Markdown 文件（称为“技能图谱”）和 AI 代理构建全自动内容引擎。通过建立包含品牌声音、受众分析、平台规则和Hook公式的知识体系，AI 能够将一个核心想法转化为适用于 10 个不同社交平台的原生内容，从而实现高效的内容分发与流程自动化。

本文介绍了如何将Claude Cowork与Obsidian结合使用，以简化AI协作流程。

Andrej Karpathy 介绍了利用 LLM 构建个人知识库的工作流：将原始资料通过 LLM 自动“编译”成包含摘要、分类和反向链接的 Markdown 维基，并以 Obsidian 作为前端展示。该系统支持自动化 Q&A、多种格式输出及维基健康检查，展示了如何利用 AI 实现从处理代码向自动化管理结构化知识的转变。