文章核心观点 - 一种极简的AI个人知识管理方案正在兴起，其核心在于使用三个文件夹和一个自然语言规则文件构建结构，而非依赖复杂软件，从而让AI承担知识整理、关联和进化的核心工作，实现知识的复利增长 [1][15][33] 系统架构与核心组件 - 三个核心文件夹：系统骨架由raw/、wiki/和outputs/三个文件夹构成，分别用于存放原始素材、AI整理后的知识库以及AI生成的回答与报告 [3] - 一个规则文件：在项目根目录创建如CLAUDE.md的规则文件，用自然语言定义知识库主题、目录结构和维基组织规则，这是整个系统的灵魂，无需数据库或复杂代码 [14][17] - 极简与扁平化：该方案强调极简，核心就是一个嵌套的.md文件目录，无需安装专用软件或注册账号，纯文本文件确保长期兼容性和可访问性 [4][6][31] 工作流程与操作指南 - 素材输入：用户将所有类型的原始素材（如文章、笔记、截图、会议记录）无需整理地存入raw/文件夹，示例中有人存放了40多个格式混杂的文件 [7][8] - 自动化采集：可采用自动化工具提升效率，例如Vercel Labs发布的agent-browser命令行工具，其GitHub星标超过2.6万，据称比Playwright MCP节省82%的token消耗，能处理动态加载页面 [10][11] - AI编译维基：用户通过AI编程工具（如Claude Code）指示AI读取raw/内容，并依据规则文件在wiki/中自动生成带摘要、互相链接的主题文件及索引，用户无需手动编辑 [18][19][21] - 主动提问与知识进化：当维基积累一定内容后，用户可向AI提问，AI将基于知识库内素材进行跨文档检索和分析，生成的回答可存回outputs/或用于更新维基，形成越问越聪明的复利循环 [23][24] - 定期审计（月度体检）：需定期指示AI检查维基内容，识别矛盾、未解释的概念或无来源支撑的结论，并建议补充内容，以防止错误信息在系统中复利增长 [25][26] 方案优势与核心理念 - 降低门槛与工具痴迷：该方案无任何使用门槛，直指“工具痴迷症”痛点，认为好的结构（三个文件夹）比拥有众多功能的复杂工具（如Obsidian插件）更为重要 [1][29][32] - 发现隐性关联：系统的核心价值在于AI能够发现并串联用户未注意到的不同素材间的联系，从而生成新的见解，这超越了简单的记忆辅助 [21][22] - 范式转换：标志着AI时代知识管理的范式转换——规则用人话编写，执行交给机器，将管理重点从工具选择转向结构设计 [17][31] - 实现复利效应：系统通过持续问答和更新实现知识复利增长，但需配合定期体检来规避错误复利增长的风险 [24][26][34]