Как я перепоручил ведение базы знаний AI-агенту

Я уже довольно давно веду свою базу знаний в Obsidian. И как у любого уважающего себя «хомяка», у меня накопился запас необработанных материалов. Репосты и ссылки из любимых каналов в телеграме, ссылки «прочитать» в to-do листе, рекомендации книг, которые некогда разобрать.

Пару месяцев назад вышла нашумевшая статья Андрея Карпати про LLM Wiki. Я давно думал, как использовать LLM для такой работы. Карпати добавил недостающих пазлов в мозаику. И я решил попробовать подход в деле.

Основная идея простая. Перепоручить ведение базы знаний AI-агенту, чтобы суммаризацией, систематизацией и построением связей занимается машина. В результате получается та самая LLM Wiki, с отобранными тобой источниками.

Важно! LLM Wiki не заменяет чтение и мышление. Она убирает рутину вокруг них: разбор бэклога, первичную суммаризацию, связи между заметками, поиск по своим материалам.

Что у меня получилось?
Отдельная папка inbox со всеми исходными материалами. Телеграм-бот копирует сюда посты, web clipper тексты статей, а PDF с white papers я кладу руками.

Отдельная папка AI workspace для самой Wiki. Только в ней агенту разрешено делать изменения. Такое ограничение даёт спокойствие, что остальная часть базы будет не тронута массовыми правками и галлюцинациями.

Сделал три новых навыка Claude Code
1) compile — обрабатывает заметки из inbox по моим правилам ведения базы и обновляет AI Wiki.
2) vault-health-check — быстрая проверка. Чинит сломанные ссылки, заметки без ссылок, устаревшие заметки, незакоммиченные изменения. Полезно запускать после ручных правок.
3) deep-audit — глубокий аудит заметок: структура, связи, валидность утверждений и ссылок на источники.

Как работать с базой?
Я прошу агента искать ответы в первую очередь в базе. И при необходимости собирать ответ в новую заметку.

Например, спрашиваю: «какие есть лучшие практики использования ИИ при разработке ПО?». Получаю суммаризацию статей и собранные вместе мысли из evergreen notes. Такой конспект можно быстро прочитать и провалиться глубже по ссылкам. Если информации в базе не хватило, прошу собрать дополнительные материалы и ссылки из моих источников. Сохраняю, компилирую, уточняю. И так по кругу 🙂

Какой результат?
• обработал весь накопившийся за годы текстовый бэклог, около 250+ источников;
• разобрался в темах, до которых не доходили руки: geospatial AI, тренды по ИИ в разработке, паттерны агентных систем;
• база стала не просто архивом ссылок, а рабочим инструментом. Теперь не нужно вспоминать, где именно видел нужную мысль. Достаточно задать вопрос агенту и провалиться в источники;

В итоге мне зашло. Я наконец-то разгрёб старые запасы ссылок «на потом». И получил процесс, в котором база знаний не просто копится, а сама помогает думать.

Промпты, формат заметок и audit-сценарии я ещё дорабатываю. Но направление выглядит очень перспективным.