LLM Wiki：我们应该把知识管理外包给AI吗?

Karpathy 前两天发了一个 LLM Wiki 项目，最近各大AI类公众号也都在转发。他的核心想法是：让 LLM 帮你增量构建和维护一个个人知识百科。你往里丢原始材料，LLM 负责做摘要、交叉引用、归档、日常维护这些脏活累活。你只需要筛选信息源、主导分析方向、提出好问题、思考所有的价值点。

听起来很不错，但我下意识冒出一个想法：连构建个人知识库都外包给AI，我们最后还剩下什么？

每外包一层，能力就减少一分

克里斯坦森在《你要如何衡量你的人生》里边讲过戴尔和华硕的故事。华硕最初只是给戴尔供应电路零件，后来建议戴尔把主板生产也交给它，这样成本降 20%，财务指标更好看，华尔街也满意。戴尔觉得很划算啊，于是继续外包：电脑组装、电脑设计、供应链管理，一层一层都交了出去。每一步都是理性决策，每一步都是Win-win。直到华硕推出了自己品牌的电脑，成了戴尔的直接竞争对手。

每外包一次，戴尔的核心能力就减少了一分。这个场景，是不是跟我们现在用大模型很像？让AI帮你写代码，效率提高了；让AI帮你写文章，质量提升了；让AI帮你做知识库，时间成本降低了。每一步都是理性决策，直到订阅模型到期，离开AI之后发现自己啥也不会了。

克里斯坦森给的建议是要清楚自己的能力。“你需要了解什么是能力，哪个对你的未来而言更关键，知道哪个应该自己保留，哪个不太重要。” 在体力工作已经被机器全部接管之后，我们都得思考，什么是自己的核心能力。在我看来，人最核心的能力就是可以持续学习。

学习的必要难度理论

心理学上有一个“必要难度（Desirable difficulty）”的学习理论，是 Robert Bjork 提出的。它区分了学习中的“存储”和“提取”。“存储”就是信息有没有写入你大脑，“提取”就是你能不能在需要的时候把它调出来。

这里有点反直觉的洞察是，学习的时候越费力，以后想用的时候就越轻松。学习的时候越轻松，以后想用的时候越费力。这跟很多时候看别人的文章一样，以为自己懂了，但真正让自己讲一遍，很可能发现什么也讲不出来。

《卡片笔记写作法》有一个原则：做笔记一定要”用自己的话再讲一遍“。逻辑是一样的，都是通过增加存储难度，降低未来的提取难度。

不要看不上“脏活累活”

很多人现在已经不再读书，甚至看到一篇稍微长一点的公众号文章，都会直接丢给AI去总结。”做摘要、交叉引用、归档、日常维护“这些不一定只是”脏活累活“，尤其对很多人来说这些是必须经历的过程。在信息爆炸的AI时代，甄别有效信息、不断成长的能力很可能就来自于这里。

当然，这也不是纯反对llm-wiki，我相信对于某些人还是有价值的。如果你已经有能力独立构建和维护知识体系，让 LLM 帮你提效是合理的。怕的是还不学习走路就直接坐车了。