今天在x上看到一篇 Andrej Karpathy（前特斯拉 AI 总监）发了条长推。底下一堆圈内人疯狂点赞转发，阅读量直接奔着两百多万去了，讨论度高得离谱。
我一开始以为他又发布了什么硬核的底层代码，点进去仔仔细细盘了一遍他写的每一个字。看完之后，我转头看了一眼自己电脑里那堆名叫“学习资料”、“待看论文”、“知识库”的文件夹，突然觉得背后冒冷汗。
我发现自己就像个还在钻木取火的原始人。
1. 承认吧，你的“第二大脑”只是个赛博垃圾场
我们搞的那些所谓“知识管理系统”和“第二大脑”，99%都是赛博仓鼠的自我安慰。
回想一下你自己的实际情况：看到一篇干货，马特点个收藏；下了一堆几十页的 PDF，建几个花里胡哨的嵌套文件夹；再花半个周末纠结 Obsidian 的插件怎么配、Notion 的模版怎么搞。
然后呢？然后这些文件就像被扔进了赛博乱葬岗，你这辈子都不会再打开看第二眼。
大家都在为了“怎么打标签更科学”争论不休，而 Karpathy 今天的推文，直接把这块遮羞布给扒了。
2. 降维打击：把整理笔记的活全扔给 AI
大佬的操作粗暴得像个包工头——人家根本不手动“整理”笔记了。
他建了一个叫 raw/（原始数据）的文件夹。平时看到什么文章、网页、代码库、图片，一股脑儿全往里扔。
接下来，就是见证技术极客压榨 AI 的时刻。他让大模型去当这个知识库的“苦力”。大模型会自动去把 raw/ 里的垃圾读一遍，然后把它们“编译”成一个井井有条的本地维基百科。
什么提取摘要、提炼概念、写词条、甚至文件之间的双向链接，全是大模型自动干的。Karpathy 自己干嘛？他只把 Obsidian 当成一个纯净的“阅读器”。整个知识库的构建和维护，他连一根手指头都不想动，全权交给大模型。
3. 别搞复杂架构，让大模型自己卷自己
更好笑的是，现在很多技术圈的人（包括我）还在苦哈哈地研究怎么搭复杂的 RAG（检索增强生成）系统，搞什么向量数据库，生怕大模型搜不到自己的本地文件。
结果 Karpathy 发现，对于个人几十万字的笔记体量，现在的顶级大模型直接硬啃就完事了，它自己就能维护好索引。
你向它提问，这个 AI 代理就会自己钻进那堆 Markdown 文件里去翻找、研究。最后它甚至不会给你吐一堆枯燥的文字，而是直接给你生成一份幻灯片，或者一张数据统计图。
更离谱的是，大模型还会给自己“找活干”。
闲着没事的时候，它会在知识库里巡逻检查（Linting）。看看有没有前后矛盾的数据，发现缺了什么信息，就自己上网搜回来补齐；甚至还能根据现有的资料，自动建议你“嘿，这里有个新方向，你要不要研究一下？”
4. 最大的产品机会，就在那个没人管的文件夹里
推文评论区里有个老哥一针见血：“每家公司、每个人都有一个装满垃圾的 raw/ 文件夹，但从来没人去‘编译’过它。这就是下一个杀手级产品。”
这句话真该裱起来挂在每个知识管理爱好者的墙上。
别再沉迷于手动给文件重命名、画思维导图这种低级的脑力劳动了。你以为你在积累知识，其实你只是在赛博空间里收破烂。真正的效率，不是教你怎么更好地当一个图书管理员，而是直接把图书管理员开了，换个不需要睡觉的 AI 上班。把脏活全扔给它们，让它们把破烂嚼碎了喂给你，才是现在的正确玩法。
更多深度内容与完整文章，欢迎关注我的微信公众号：SamLai 效率研习社
主要分享：
AI 编程与开发效率
技术趋势与工程思考
实用工具与工作流
