TeddyOS｜个人知识库建设复盘

TeddyOS 是 Teddy 给自己搭的一间“长期书房”：日常想法、项目资料、论文阅读、设计研究、AI 使用经验，都可以慢慢放进去。它的目标是让知识能被保存、找回、复用，并且能让 AI 在合适的时候帮忙。

一、这套系统是什么

TeddyOS 是一个基于 Obsidian 的个人知识库。

Obsidian 可以理解为一个本地笔记软件：笔记以 Markdown 文件保存在电脑里，不依赖某个平台的数据库。这样做的好处是，内容属于自己，结构透明，未来要迁移、备份、交给 AI 读取，都比较容易。

TeddyOS 在 Obsidian 的基础上，增加了一套适合长期学习和 AI 协作的规则。它大致分成几类内容：

• 每天的轻量记录：当天要做什么、想到什么。
• 项目资料：每个项目有自己的首页、笔记和 AI 上下文包。
• 外部资料库：网页、论文、设计案例、技术资料等。
• AI 资产库：好用的提示词、可复用流程、模型经验和长期偏好。
• 系统区：模板、审计脚本、维护报告和 Codex 使用提示。

这里的重点是让每一类东西都有稳定的位置。以后无论是人自己找，还是让 AI 帮忙找，都不至于每次从头开始。

二、为什么要建它

一个人学习、做项目、读论文时，最大的问题是资料散掉了。

今天在网页里看到一段有用内容，明天在项目里改了一个关键决策，后天又和 AI 讨论出一套不错的方法。如果这些内容只是散落在聊天记录、浏览器收藏夹、文件夹和临时笔记里，过几周就很难找回，也很难复用。

TeddyOS 想解决的就是这个问题：把“临时看到的东西”逐步变成“以后还能用的东西”。

它是为了降低未来的重复成本：

• 不用每次都重新解释项目背景。
• 不用反复写同一种提示词。
• 不用到处翻找论文、网页和设计资料。
• 不用担心 AI 忘记长期偏好和协作边界。
• 不用把脑力浪费在“我上次到底放哪了”。

这套系统背后的想法很朴素：人的注意力应该放在判断、学习和创造上；重复整理、格式标准化、检索和汇总，可以逐步交给 AI 协助。

三、AI 在里面怎么参与

TeddyOS 是把 AI 分成几个角色，各自做适合自己的事。

Codex 主要负责维护工作。比如补属性、整理目录、生成报告、创建文档、跑审计脚本。它更像一个懂规则的资料管理员，适合处理文件系统里的批量维护任务。

Copilot 是 Obsidian 里的问答助手。它可以在知识库里检索相关笔记，然后回答“这条内容该归到哪里”“有没有类似流程”“某个项目当前规则是什么”之类的问题。

Memory 是长期记忆。它不记录某个项目当天的进度，而是记录稳定的偏好、协作规则和安全边界。例如：AI 读取 TeddyOS 时先读全局规则，再读项目上下文；不确定时要说明不确定；项目事实以项目上下文包为准。

Embedding 可以简单理解为“让电脑更容易按意思找笔记”的技术。它会把文字转成一种数学表示，使 AI 不只靠关键词匹配，还能找到语义上相近的内容。比如你问“AI 资产怎么整理”，它可能找到关于 Prompt、Skill、Memory 的相关说明，而不一定只找完全相同的词。

这几个角色组合起来后，TeddyOS 的目标就不只是让 AI 随便聊天，而是让 AI 基于已有资料、已有规则和明确边界来协助工作了。

四、现在已经实现了什么

目前 TeddyOS 已经具备了一套可运行的基础能力。

第一，基础笔记和项目结构已经建立。知识库里有 Inbox、Daily、Projects、Areas、Resources、Archive 和 System 等基础区域。项目有首页，也有专门的 AI 上下文包，用来记录项目事实、当前状态、待办事项和禁止事项。

第二，Resources 外部资料库已经预留好位置。网页剪藏、论文、设计案例和技术资料都有自己的入口。当前原则是先保持简单，不急着过度分类，等真正有资料进入后再自然生长。

第三，AI 资产库已经搭起来。Prompts、Skills、Models、Memory 等目录已经存在，并且有使用说明和整理 SOP。以后好用的提示词、稳定的工作流、模型经验和长期偏好都可以沉淀进去。

第四，Memory 系统已经建立入口。AI 进入 TeddyOS 时，能先读取启动说明，理解这个知识库的总体目标、读取顺序、信息分工和回答规则。

第五，Copilot Vault QA 已经有使用和维护 SOP。它说明了什么时候用普通聊天，什么时候用知识库问答，什么时候刷新索引，以及如何检查回答有没有依据。

第六，Codex 自动维护流程已经形成。Codex 在 TeddyOS 里不是随意修改文件，而是先读规则、按任务范围操作、修改后运行审计脚本，并生成报告。

第七，外部资源索引卡的规则已经确定。对于不适合搬进知识库的资料，比如外部课程、项目仓库文档、网盘材料或大型 PDF，可以只做一张“资料身份证”，记录它在哪里、有什么用、什么时候该刷新，而不是把全文硬塞进来。

这些能力加起来，使 TeddyOS 从普通笔记库变成了一个可以和 AI 协作维护的个人知识系统。

五、它对学习和项目有什么价值

对学习来说，TeddyOS 可以帮助 Teddy 把零散输入变成可积累的材料。读论文时，保存一篇笔记，也可以进一步沉淀汇报逻辑、核心概念、引用材料和后续问题。看网页或技术资料时，也不只是收藏链接，而是判断它是否值得进入 Resources，是否能变成项目笔记或 Skill。

对项目来说，最重要的是“项目记忆”。一个项目做久了，会出现很多隐性信息：为什么当初这样设计，哪些方案被否定过，当前最重要的问题是什么，哪些事情不能碰。项目上下文包就是给人和 AI 共同阅读的项目记忆，减少反复解释背景的成本。

对未来工作来说，TeddyOS 的价值在于复用。一次写好的提示词，如果真的有效，可以沉淀为 Prompt；一个重复出现的任务流程，可以沉淀为 Skill；一个工具的使用经验，可以沉淀到 Models；长期偏好可以进入 Memory。这样每次工作都会留下可复用的痕迹。

六、日常怎么维护

TeddyOS 的维护原则是轻量、稳定、可持续。

每天只需要轻量记录。当天最重要的 1 到 3 件事、突然想到的想法、不确定归属的材料，可以先放进 Daily 或 Inbox。不要每天都追求整理干净。

每周做一次整理。重点看 Inbox 和 AI 资产 Inbox 里有没有明显可归类的内容，必要时让 Codex 先给建议，确认后再移动、改名、补属性和更新链接。整理后刷新 Copilot 索引，并用几个标准问题测试检索质量。

每月做一次维护。检查 Prompt、Skill、Model、Memory 是否过期；看项目上下文包是否还代表当前状态；把低价值或已经被替代的内容建议归档；必要时更新外部资源索引卡。

项目发生变化时，要更新项目上下文包。比如项目目标变了、关键方案定了、出现新的禁止事项或下一步计划变化，都应该写进项目的 00_AI上下文包.md。这样 AI 下次参与时，读到的是较新的项目事实。

长期偏好变化时，要更新 Memory。比如 Teddy 对回答风格、工作方式、安全边界、工具分工有了新的稳定偏好，就应该沉淀到 Memory，而不是只留在某次聊天里。

可复用流程要沉淀为 Skill。只要某类任务以后还会重复出现，并且已经有明确输入、步骤、输出和验收标准，就可以变成 Skill。这样以后不是重新发明流程，而是调用已有流程。

七、它还不是完美系统

TeddyOS 现在仍然在迭代中。

有些目录只是先搭好，还没有大量内容。有些审计提示属于系统说明或历史文件，不一定马上处理。Copilot 的索引和问答效果也需要在真实使用中慢慢校验。未来随着项目、论文、设计研究和 AI 工作流增多，结构可能还会微调。

这不是问题。个人知识库最怕的是太复杂、太沉重，最后没人愿意维护。TeddyOS 当前的方向是先保持简单，让它能每天用、每周理、每月修，而不是一次建成一个看起来很厉害但很难坚持的系统。

八、最后的理解

如果用 ChatGPT 最喜欢的“一句话概括”，TeddyOS 是 Teddy 给自己建设的“可被 AI 协作的长期知识库”。

它把学习资料、项目记忆、AI 工具经验和个人工作习惯连接起来，让它们不再只是一次性的聊天和文件，而是能逐渐积累成自己的方法。

它的意义在于几年以后，Teddy 回头看自己的学习、项目和思考时，有一套系统能帮他保存脉络、复用经验、减少重复劳动，并让 AI 更像一个了解上下文的助手，而不是每次都从零开始的工具。