我造了个知识编译器，让 AI 自动帮我写 wiki
每天刷的文章、论文、技术博客挺多的。读的时候觉得这个洞察真好，三天以后就只剩个大概了，再过一个月，基本整个都想不起来。我以前的工作流是读完就收藏，结果收藏夹里堆了 500 篇，一篇都没再打开过。讲道理，收藏这个动作基本等于扔了，只是心理上好受一点。
Karpathy 说过一个做法，我觉得很对：维护一个自己的 wiki，把读到的所有东西都喂进去，让条目互相引用，一直往上垒。这种 wiki 是越喂越聪明的，因为有复利：每加一篇新文章，不只是多一个条目，它还会顺手更新五个已有页面、加两条新的交叉链接，一些你之前没注意到的关联就这么连出来了。
问题是手动维护这个东西真的太累了。读完要总结，要找相关的 wiki 页面，手动加引用，再更新索引，搞下来比读原文还花时间。所以我写了 Cortex。我脑子里的模型大概是这样的：obsidian 负责浏览和阅读，相当于 IDE；LLM 干的是编译器的活，读源材料、写 wiki；编译出来的 wiki 一直在增长、重构、攒复利，就是那个代码库。
把知识管理映射成编译流程：Obsidian 当 IDE、LLM 当编译器、Wiki 当代码库
Cortex 里面其实没有任何 LLM 代码，没有 api key，prompt chain、embedding 这些也都没有。它就是一个 MCP 服务器，提供 5 个文件读写工具，claude code 通过这 5 个工具去读源材料、写 wiki。编译逻辑本身写在一个 markdown 文件里。这个文件教 AI 怎么组织知识：什么时候该新建条目，什么时候更新旧条目，怎么引用来源，什么样的概念值得单独开一页。想改编译方式，改这个 markdown 文件就行，不用改代码，也不用重新部署。感觉这个事更像是在配置 AI 该怎么干活，写代码的部分反而是最少的。
用起来具体是这样的：往 obsidian vault 的 inbox/ 里丢链接或者文件，下次打开 claude code，hook 会自动提醒："[Cortex] inbox/ 里有 3 个文件等着处理。"然后 claude code 自动跑三步：
- Ingest：读源文件（URL 通过 Jina Reader 转成 markdown），生成元数据，存进
sources/ - Compile：读源文件，决定创建还是更新哪些 wiki 文章，加上
[[wikilinks]]和来源引用 - Index：更新总索引，记录操作日志
这些在 obsidian 里都是实时能看到的：新文章冒出来，交叉引用跟着刷新，你就看着这个 wiki 一点点变大。
整个项目我刻意做得很小，一共就 15 个源文件，5 个依赖，连数据库都没有，每个决定都是有意的。不用数据库是因为真的不需要：manifest 就是一个 JSON 文件，索引是 markdown，日志是只追加的 markdown。整个状态人可以直接读，直接放进 git，版本控制、备份、迁移全是白送的。
搜索我也没自己做，交给了 qmd，Shopify 创始人 Tobi Lutke 写的一个专门搜 markdown 的 MCP 服务器。Cortex 负责写，qmd 负责读，两个 MCP 服务器各干一件事。编译流水线也直接省掉了，DAG、任务队列、build system 这些一个都没用。LLM 读 schema，调那 5 个工具，所谓的流水线其实就是 agent 自己的推理过程。这个设计还有个好处：模型升级了，文章质量跟着升级，代码一行不用动。
服务器本身只暴露五个工具，全部是文件操作。怎么用这五个工具，是 schema 和那个 markdown 文件教的：
| 工具 | 做什么 |
|---|---|
cortex_ingest | 读 URL 或文件，提取内容，存为 source |
cortex_write | 创建或更新 Wiki 文章，自动更新索引 |
cortex_diff | 显示 inbox 里有什么、哪些还没编译 |
cortex_log | 往操作日志里追加记录 |
cortex_status | 返回 vault 统计（source 数、文章数、最后活跃时间） |
架构上我最满意的一个决定：source 不可变，wiki 可变。source 一旦写进去就永远不改，这样我读过什么，永远留着一份原始记录；wiki 文章就一直更新，加新的交叉引用，总结随着相关 source 变多越写越完整，过时的结论也会被修掉。这样证据和推理是分开的：wiki 里每句话都能追溯到某个 source；source 有问题，就去更新引用它的 wiki 文章，source 本身不动。
source 只读不改是证据，wiki 一直更新是推理，wiki 每句话都能虚线回溯到某个 source
用了一段时间，最惊喜的事发生在喂了 50 篇 source 之后：一些我没让它写的文章开始自己冒出来。AI 发现了跨 source 的主题，自动写 synthesis 文章，把分散在不同来源里的相关洞察连到一起，这已经不是「一篇 source 对应一篇 wiki」的机械映射了。复利大概就是这么体现的：每篇新 source 都能跟已有的全部知识连上，攒得越多，新喂进去的一条能连上的点就越多，价值差不多是按指数往上走的，反正不是线性的。
每喂一篇新 source 就能连上已有的全部知识，还自动冒出 synthesis 文章，价值按指数往上走
想试的话，一行命令初始化：
npx cortex-kb init ~/my-wiki
再把 MCP 服务器注册到 claude code，往 inbox 丢链接就行。代码在 github.com/xingfanxia/cortex，现在是 Phase 1，核心循环已经跑通，我自己每天都在用。这个东西没有 UI，没有设置页，也没有仪表盘，就是 5 个 MCP 工具加一个 markdown 文件，剩下的全交给 obsidian。
