How to Build Your Second Brain

章节 1：引言与数据摄取（Introduction & Data Ingest）

📝 本节摘要：

作者分享了近期使用大语言模型（LLM）构建个人主题知识库的心得。工作重心的转移使得大量算力被用于处理以Markdown和图像格式存储的知识，而不是单纯的代码。在数据摄取阶段，作者将各类源文件存入原始目录，随后利用LLM增量“编译”出一个高度互联的Wiki体系，并借助Obsidian网页剪藏等工具实现图文素材的高效本地化同步。

[原文] [Author]: LLM Knowledge Bases

[译文] [Author]: 大语言模型知识库（LLM Knowledge Bases）

[原文] [Author]: Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest.

[译文] [Author]: 最近我发现一件非常有用（的事情）：使用大语言模型（LLMs）为各种研究兴趣主题构建个人知识库。

[原文] [Author]: In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images).

[译文] [Author]: 通过这种方式，我最近的一大部分 token 吞吐量（token throughput）较少用于处理代码，而是更多地用于处理知识（存储为 markdown 和图像）。

[原文] [Author]: The latest LLMs are quite good at it.

[译文] [Author]: 最新的大语言模型（LLMs）在这方面非常擅长。

[原文] [Author]: So:

[译文] [Author]: 所以：

[原文] [Author]: Data ingest:

[译文] [Author]: 数据摄取（Data ingest）：

[原文] [Author]: I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure.

[译文] [Author]: 我将源文档（文章、论文、代码库、数据集、图像等）索引到一个原始数据（raw/）目录中，然后我使用一个大语言模型（LLM）增量地“编译”出一个 Wiki，它仅仅是一个目录结构中的 .md 文件集合。

[原文] [Author]: The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all.

[译文] [Author]: 这个 Wiki 包括了 raw/ 目录中所有数据的摘要和反向链接（backlinks），然后它将数据分类为各个概念，为它们撰写文章，并将它们全部链接起来。

[原文] [Author]: To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them.

[译文] [Author]: 为了将网页文章转换为 .md 文件，我喜欢使用 Obsidian 的网页剪藏扩展（Web Clipper extension），此外我还使用快捷键将所有相关图像下载到本地，以便我的大语言模型（LLM）能够轻松引用它们。