Andrej Karpathy 今天分享的 LLM 知识库一体化的构建方法确实给我带来很多启发。

大连鹏鹏樱桃园

Andrej Karpathy 今天分享的 LLM 知识库一体化的构建方法确实给我带来很多启发。

回到实际操作中，说说我在处理个人知识库中碰到一些非常磨人的问题和痛点：

1. 入库的摩擦力：

看到不错的文字内容或者网页，很难做到一键转换 Markdown 入库（我用 GitHub 私有仓库）。经常要做一些复制粘贴的零碎工作。虽然有人觉得通过 Skill 可以一行命令实现，但这种通过 agent 抓取、分析然后再转换成 markdown 的流程，实际运行速度通常比手动复制粘贴还要慢得多，尤其在等着文档做进一步处理时，效率很低，另外还有一定失败率。

2. 翻译的低效：

如果要经常看英文文档，想翻译成中文最方便的自然是 Chrome 自带翻译，但其翻译质量一般。更好的翻译质量又很难做到一键实现，大模型 Web 端的翻译还经常莫名其妙地“丢段落”。

3. AI 对话的沉淀：

跟 AI 对话经常产生不少对自己非常有价值的信息，但目前也做不到自动入库，还是得靠复制粘贴这种碎活。

4. 图片的尴尬地位：

图片在大模型世界里像是个另类，大部分情况 LLM 对图片视而不见。但从知识库角度看，“一图胜千言”，图片对人的价值巨大。目前没有特别好的图片处理方法，导致图片入库积极性大大降低。