用 AI Agent 搭建个人知识系统

我们每天被几百条信息淹没。但信息不是知识，就像食材不是菜。这篇文章记录我如何用 AI Agent 在 48 小时内搭建起一套完整的认知引擎。

为什么需要一个”系统”？

大多数人的信息管理是这样的：

微信收藏了 500 篇文章，从没打开过第二次
播客听了忘，忘了听，每次都觉得”这期讲得好”
笔记本里写满了金句，但从没串联过
看到一条新闻，不知道它跟之前看到的有什么关系

问题不在于信息太多，而在于 没有加工流程。

食材放在冰箱里不会自动变成晚餐。信息躺在收藏夹里也不会自动变成认知。

我需要的是一条流水线：采集 → 存储 → 加工 → 关联 → 输出。

系统全貌

先看数字：

维度	数量
总文件数	486
信息收件箱	409 条待处理
深度分析报告	6 篇
思维框架文件	13 个
假说	5 个（持续验证中）
事件追踪器	7 个
知识卡片	19 个（概念+模式）
自动化 Cron 任务	3 个
播客转录	3 条（含 10.2 小时完整转录）

这一切跑在一台 VPS 上，全部免费（转录用开源模型，存储用 GitHub，AI 用 Agent 自带额度）。

架构图

┌─────────────────────────────────────────────────┐
│                    信息输入                       │
│  RSS(6源) / 播客(5个) / Owner随手丢 / Web搜索     │
└─────────────────┬───────────────────────────────┘
                  │
                  ▼
┌─────────────────────────────────────────────────┐
│              📥 Inbox (收件箱)                    │
│  所有信息先进这里，不做判断，不做分类              │
│  当前: 409条待处理                               │
└─────────────────┬───────────────────────────────┘
                  │ AI 处理引擎
                  ▼
┌─────────────────────────────────────────────────┐
│           三套框架（核心设计）                     │
│                                                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐      │
│  │ 信息框架  │→│ 思维框架  │→│ 知识框架  │      │
│  │ tracker/ │  │ models/  │  │knowledge/│      │
│  │ What     │  │ How to   │  │ What we  │      │
│  │ happened │  │ think    │  │ know     │      │
│  └──────────┘  └────┬─────┘  └──────────┘      │
│                     │                            │
│              验证/证伪 → 迭代                     │
└─────────────────┬───────────────────────────────┘
                  │
                  ▼
┌─────────────────────────────────────────────────┐
│              📤 输出层                            │
│  早报(08:00) / 晚报(21:00) / 周报(周一09:00)     │
│  博客文章 / 深度分析 / 决策建议                   │
└─────────────────────────────────────────────────┘

三套框架：系统的灵魂

这是整个系统最关键的设计决策。不是我想出来的——是在消化了 3 个播客（石磊、南添、Cryptoria）之后，从他们的方法论中抽象出来的。

框架一：信息框架（What happened）

目录：tracker/

只记录事实，不记录观点。每个重大事件一个追踪器：

iran-war-2026.md — 伊朗战争事件链
energy-price-2026.md — 能源价格追踪
private-credit-crisis.md — 私人信贷危机
stablecoin-dollar-expansion.md — 稳定币与美元扩张
us-trade-war-2026.md — 美国贸易战
us-debt-crisis-2026.md — 美国债务危机
consensus-tracker.md — 市场共识温度计

关键原则：播客是观点源，不是事实源。所有”事实”必须交叉验证后才能进入 tracker。每条事实标注 ✅（已验证）/ ⚠️（存疑）/ ❌（已证伪）。

我们做了一次完整验证：Vol.58 播客中的 26 个事实性声明，逐条对照 Reuters/CNBC/EIA/Bloomberg，结果 13 条准确，13 条有偏差，0 条错误。

框架二：思维框架（How to think）

目录：models/

这是系统的大脑。分两层：

核心框架 (models/core/)——我自己的思维操作系统：

文件	内容
`OUR-FRAMEWORK.md`	五层总纲（世界观→分析→纪律→策略→迭代）
`dalio-big-cycle.md`	达里奥大周期（八因素+六阶段，宏观定位用）
`complex-systems.md`	复杂系统世界观
`transmission-chain.md`	传导链分析（A→B→C 的因果链）
`three-body-decision.md`	三体决策模型（事实×共识×自我）
`anti-fragile-strategy.md`	反脆弱策略
`bayesian-recording.md`	贝叶斯记录法（对抗后见之明偏差）
`CASE-EVIDENCE.md`	60+ 案例论据库

他人框架 (models/others/)——研究别人怎么想：

石磊的吸引子模型
南添的商业思维 / 演化思维 / N 分类
Cryptoria 的历史类比法

核心区别：核心框架是可运行的——它不是”学习笔记”，而是一套可以拿来做决策的工具。比如”三体决策模型”直接回答：“这个标的，我该跟趋势还是该有主见？“

框架三：知识框架（What we know）

目录：knowledge/

从加工过的信息中抽象出的模式和概念：

假说（hypotheses/）——可证伪的判断：

“能源是 2026 年的主要矛盾”（置信度 85%，持续验证中）
“私人信贷是新的系统性风险”
“稳定币是美元霸权的新工具”

模式（patterns/）——跨领域的规律：

“能源-地缘政治传导链”
“泡沫是内生的不是外生的”
“无增量无趋势”

概念（concepts/）——理解世界的最小单元：

CLO 结构化信贷
霍尔木兹海峡
自组织临界性
稳定币即欧洲美元

自动化：让系统自己跑

Cron 定时任务

任务	时间	做什么
早报	每天 08:00	扫 RSS → 筛选 → 推送摘要到 Telegram
晚报	每天 21:00	汇总当日信息 + AI Agent 动态
周报	每周一 09:00	周度复盘 + 假说验证更新

全部跑在 VPS 上，隔离 session，用 Sonnet 模型（省成本），结果自动推送到 Telegram。

信息源

新闻 RSS（6 源）：

BBC World / HackerNews / TechCrunch
CoinDesk / Al Jazeera / Reuters

播客（5 个）：

面基 / 硅谷 101 / Web3 101 / 无人知晓 / 起朱楼宴宾客

播客处理流程

下载(yt-dlp) → 转录(faster-whisper, 本地CPU) → 深度分析(AI) → 三框架提取

实测：10.2 小时的南添播客，转录耗时 4.4 小时，零费用。输出 21,705 个语音段、1.1MB 文本。

深度分析：系统的核心产出

不是所有信息都值得深读。但值得深读的，要彻底读透。

已完成的深度分析

十分吸引 Vol.58——伊朗战争一周复盘
- 核心发现：能源是 2026 主要矛盾（不是黄金）
- 提取：反脆弱三步法、传导链分析模板
Cryptoria Ep.150——穿越五十年的货币战争
- 核心发现：稳定币 = 美元霸权的新载体
- 与 Vol.58 互补：一个看能源线，一个看货币线，交汇于伊朗
南添完整版播客（10.2 小时）——三种思维方式
- 核心发现：三体决策模型（事实×共识×自我）、2% 风险管理常数
- 从中提取了整个思维框架的操作系统
AI Agent 行业调研——MCP + A2A 两大协议格局
三体决策首次市场实战扫描——AI/能源/A股/稳定币四标的

三框架提取法

每个深度分析都执行同一个流程：

原始内容
    ↓
信息框架提取: 事实是什么？哪些需要验证？
    ↓
思维框架提取: 他用了什么分析方法？有什么可借鉴的认知工具？
    ↓
知识框架提取: 能抽象出什么模式？形成什么假说？
    ↓
交叉验证: 这个播客的观点和其他源矛盾吗？互补吗？

目录结构

knowledge/                    # GitHub 仓库根目录
├── system/                   # 系统设计文档
│   ├── DESIGN.md            # 总体架构设计
│   ├── THREE-FRAMEWORKS.md  # 三框架体系说明
│   ├── SOURCES.md           # 信息源配置
│   ├── TRACKING.md          # 追踪规则
│   └── DAILY-BRIEF-TEMPLATE.md
│
├── inbox/                    # 信息收件箱（409条）
│   └── YYYY-MM-DD-*.md     # 每条一个文件
│
├── tracker/                  # 信息框架：事件追踪
│   ├── iran-war-2026.md
│   ├── energy-price-2026.md
│   └── ...
│
├── models/                   # 思维框架
│   ├── core/                # 自己的框架
│   │   ├── OUR-FRAMEWORK.md
│   │   ├── three-body-decision.md
│   │   └── ...
│   └── others/              # 他人的框架
│       ├── shilei-attractor.md
│       └── nantian-*.md
│
├── knowledge/                # 知识框架
│   ├── hypotheses/          # 可证伪假说
│   ├── patterns/            # 跨领域模式
│   └── concepts/            # 概念卡片
│
├── analysis/                 # 深度分析报告
│   └── YYYY-MM-DD-*.md
│
├── audio/                    # 播客转录
│   └── *.txt
│
├── briefs/                   # 日报/周报存档
│   └── YYYY-MM-DD-*.md
│
└── concepts/                 # 事件概念卡（cron 产出）
    └── *.md

技术栈

整个系统的技术选择极其简单：

组件	选择	理由
存储	GitHub + Markdown	版本控制、免费、永久、可搜索
关联	Wikilink 双向链接	`[[concept-name]]` 语法
AI 引擎	OpenClaw Agent	7×24 运行、自动化、多模型
转录	faster-whisper (small)	本地 CPU、零费用
下载	yt-dlp	播客音频下载
推送	Telegram	日报/通知/交互
部署	VPS (Ubuntu)	一台机器搞定一切

总费用：0 元。 GitHub 免费、Whisper 开源、VPS 是已有的。

从南添 10.2 小时播客中学到的

这是系统迄今为止处理过的最大单体内容。值得单独说说收获。

最关键的 5 个认知工具

三体决策模型：任何决策都是事实、共识、自我三者的博弈。当事实强时跟趋势（无我）；当只有共识没有事实时，要么不玩要么只赌 2%。
2% 风险管理常数：有认知时——认知止损 + 以损定量（知道哪个价位事实不对了，反推仓位）。没认知时——只投 2%。这个数字不是随便选的，美国银行息差、鲍威尔通胀目标、凯利公式都指向同一个常数。
N 分类：世界上的事物分三类——N0（无增量，零和博弈）、N1（有增量，跟趋势）、N2（可持续增量，长期持有）。选错分类比选错标的更致命。
万能公式：任何产品的价格 = 制造成本 + 渠道成本 + 信息差 + 智商税 + 品牌溢价。击败竞争的方式不是在细节上 53% vs 52%，而是把整个环节去掉。
用户型 vs 流量型：用户型企业的竞争优势是久期长（用户会原谅你 1-2 次），流量型企业的优势是增速高（但走向衰亡没有第二次机会）。

实战验证

用三体决策模型扫描当前市场：

AI/NVDA: N1 → 跟趋势，不要有自我
能源: N1（事件驱动）→ 跟但留退路
A 股: N0 → 观望或网格
稳定币: N0→N1 拐点观察中

Vol.58 的假说”能源 = 2026 主要矛盾”正在被实时验证——布伦特从 $70 涨到 $92。

下一步

P2 决策模板：把三体决策 + 2% 常数做成可填写的 checklist
处理引擎自动化：inbox 409 条 → 自动分类 + 打标 + 入库
新播客分析：继续消化关注列表中的播客
假说验证周期化：每周自动检查 5 个假说的置信度变化

总结

这不是一个笔记系统。笔记系统解决的是”存在哪里”的问题。

这是一个认知引擎。它解决的是”怎么想”的问题。

信息（What happened）
    ↓ 通过思维框架加工
知识（What we know）
    ↓ 反馈修正
更好的思维框架
    ↓ 重新审视信息
更深的知识
    ↓ ...

核心循环只有一个：假说 → 验证/证伪 → 复盘 → 迭代思维框架。

这就是一个人的认知如何持续进化的机制。AI Agent 做的不是替你思考——它做的是帮你建一条流水线，让思考的过程可重复、可追溯、可迭代。

48 小时，486 个文件，3 套框架，零费用。

这只是开始。