每场对话都像第一次见面。
聊天记录散落，想法堆进文件夹，AI 只看到眼前这一小段。昨天做过的判断，今天还得再讲一遍。
Human × AI × Knowledge
让 AI 真正
认识你，也记得你。
这个仓库分享一套可研究、可迁移的个人工作台方法与文件结构。它用协议、知识卡片、双向链接、Skill 和维护脚本，把每次从零开始的 AI 对话，变成一段会积累的长期协作。
Markdown 文件优先
Claude Code / Codex
面向分享的通用版本
WORKBENCH / KNOWLEDGE GRAPH
LINK ONLINE
三者共享同一份上下文，协作才会越用越顺手。
protocol.status = active
THE CORE IDEA
核心判断
核心判断
知识库不该只是存东西的仓库。
它应该是 AI 随时可调用的个人认知接口。
01 / Why
普通 AI 对话，结束就失忆。
你反复解释自己是谁、项目做到哪、哪些判断已经推翻。工作台把这些背景写进一套 AI 能读取、能执行、能继续维护的系统。
上下文会沉淀，知识会继续长。
人物档案提供你是谁，卡片网络提供你知道什么，运转日志提供发生过什么，协议告诉 AI 下一步该怎么做。
02 / Flow
从一条碎片，到一张会被用到的卡片。
这条链路不以“存好了”为终点。真正的终点是：下一次遇到相关问题，AI 能找到它、理解它，并沿链接继续推导。
IN
收进素材箱
文章、对话、灵感、视频笔记先进入统一入口。
01
去噪与提炼
剥掉重复和废话，留下一个可独立理解的论点。
↔
建立双向链接
新卡片接入旧知识，形成可导航的关系网络。
AI
检索与推导
AI 沿链接找到上下文，不再只做关键词匹配。
∞
持续维护
存档、日报、体检和审核防止系统慢慢腐化。
03 / System
它给 AI 的不只是一堆文件。
这个分享库同时提供协作协议、个人上下文、知识网络和维护机制。四层咬合，AI 才能从“回答问题”走到“把事情持续做下去”。
LAYER 04 / ACTION项目 · 内容 · 分享 · 素材所有方法最终都要回到真实任务。
LAYER 03 / MAINTENANCE运营层 · 数据层 · 框架层让知识可用，让流程可持续。
LAYER 02 / KNOWLEDGE关于我 · 卡片 · MOC · 日志AI 需要的背景、判断与历史。
LAYER 01 / PROTOCOLCLAUDE.md + AGENTS.md支持读取仓库与操作文件的 AI 可按协议接手。
04 / Maintenance
13 个 Skill，分三层守住系统。
知识库会长大，也会长歪。运营层管每天，数据层管知识，框架层管规则和工具；职责分开，出了问题才知道该修哪里。
运营层
记录每天发生了什么，形成可回看的时间线，并检查日常运转是否断档。
对话存档
日报
周复盘
运营层巡检
数据层
把外部信息编译为知识，沿网络检索，并发现死链、孤立卡片、重复内容等质量问题。
知识编译
知识检索
数据层体检
对话深度整理
微信记录清洗
框架层
结构变更后检查全系统一致性，管理工具，并把用户纠正反写进协作机制。
框架层审核
工具管理
工具自修正
全系统诊断
全链路从素材进入，到卡片被检索，再到全系统维护。
11张通用示例卡片，用于观察卡片格式与 WikiLink 写法。
1 MOC主题地图示例，展示知识如何从卡片长成网络。
05 / Atomic Notes
每张卡片，只说清一件事。
标题就是核心论点，正文能独立读懂，链接自然嵌入语义。这样写不是为了排版洁癖，是为了让 AI 更准确地检索和组合。
---
created: 2026-07-14
source_type: 对话
status: seed
---
标题即核心论点
正文只承载一个可独立理解的认知。它和 [[相关主题]] 自然连接，也保留原始来源。
相关链接：
[[知识卡片索引]] [[工作台方法论]]
LINKS CREATE CONTEXT
单张卡片保存判断，卡片之间的关系保存你的思考方式。
06 / For Whom
适合想和 AI 长期协作的人。
它不是万能笔记软件，也不会替你思考。它更像一套可读、可改、可迁移的协作基础设施。
Claude Code / Codex 用户
让 AI 直接读协议、操作文件、执行 Skill，不必每次重新解释。
知识管理实践者
把碎片笔记变成能被检索、组合和持续维护的知识网络。
讲师与内容创作者
用一套透明的目录和流程，带学生或读者从零复刻。
AI 协作研究者
研究人、AI、知识库如何分工，以及机制怎样替代临时提示词。
07 / Quick Start
把链接交给 AI，先跑起来。
最省事的启动方式，是让你的 AI 克隆仓库、读取根协议，再用对话带你填完人物档案和第一张卡片。
› 我有一个工作台分享库，请帮我搭建个人知识库。 仓库地址：https://github.com/readercyl/workbench-linkstart 请先克隆到本地，然后读取根目录的 CLAUDE.md 或 AGENTS.md，按照首次启动流程引导我完成初始化。不要一次问太多，先帮我建立人物档案，再写第一张知识卡片。
让 AI 带你走适合第一次搭建，少研究配置，直接完成初始化。
自己克隆研究
git clone https://github.com/readercyl/workbench-linkstart.git只采用协作协议先让 AI 读取根协议，再逐步迁移你已有的知识库。
08 / Inside The Repo
打开仓库，你会看到这些。
目录按职责组织。根协议管全局，子协议管局部；个人信息、知识、日志、素材和工具各回各位，AI 寻路时不会在一锅文件里捞针。
workbench-linkstart/ ├── CLAUDE.md # AI 入口协议 ├── AGENTS.md # Codex 入口协议 ├── 01-关于我/ # 你的说明书 ├── 02-知识卡片/ # 卡片 + MOC ├── 00-运转日志/ # 存档与复盘 ├── 03-认知工坊/ # 调研与学习 ├── 04-内容生产/ # 创作方法 ├── 05-项目运营/ # 项目执行 ├── 06-对外分享/ # 输出成果 ├── 素材箱/ # 原始输入 └── AI协作工具/ ├── skills/ # 13 个 Skill └── hooks/ # 自动化脚本
保留真实工作流和配套脚本；人物档案使用模板，知识卡片使用通用示例。
协作规则写在文件里，兼容能读取仓库并操作文件的 AI 工具。
Skill 是 SOP 文档与脚本，不是看不见的黑盒。你可以按自己的工作方式修改。
知识管理链路已经成型，内容生产模块保留框架，仍会继续迭代。
这是一个笔记软件吗？
不是。它是一套基于 Markdown 文件、目录协议、Skill 和脚本的协作系统。你可以用 Obsidian 浏览，也可以直接让 Claude Code、Codex 等 AI 工具读取和维护。
需要会编程吗？
不要求。推荐让 AI 完成克隆、初始化和日常文件操作。你需要做的是提供真实背景、判断内容是否准确，并决定哪些知识值得留下。
能直接套在已有知识库上吗？
可以借用协议和维护思路，但不要把旧文件一股脑塞进来。先建立人物档案和入口协议，再挑一小批资料跑通知识编译链路，确认格式适合你后再迁移。
数据会上传到哪里？
仓库本身是本地文件结构。你的实际数据是否同步到 GitHub、云盘或交给模型，取决于你使用的 AI 工具和同步方式。处理敏感信息前，请先检查对应服务的隐私设置。
为什么同时有 CLAUDE.md 和 AGENTS.md？
它们为不同 AI 工具提供根入口，核心协作规则保持一致。Claude Code 优先读取 CLAUDE.md，Codex 读取 AGENTS.md，降低工具迁移成本。
这套系统现在最成熟的部分是什么？
知识管理链路：素材进入、原子卡片、双向链接、检索、存档和体检已经组成完整闭环。内容生产模块目前仍是实验框架，仓库没有把未成熟部分包装成成品。