收藏夹变第二大脑：飞书+AI自动构建知识库

刷到有价值的视频或帖子，随手点个收藏，想着“以后有空整理笔记”，结果再也没有碰过——这个问题困扰着很多人。看了很多视频却没有内化和实践，和没看几乎没有区别。一位B站UP主为此搭建了一套个人知识库，让收藏夹里的链接自动“生长”成结构化的知识。

从收藏到知识：工作流全貌

这套系统的核心链路并不复杂：在飞书文档中粘贴链接，电脑上的定时任务扫描文档中尚未组织的链接，解析其中的文字信息和视频内容，形成原始信息与分析结果，再以类似“LLM Wiki”的方式组织进知识库。

实际操作时，用户只需在飞书文档新增一条记录，粘贴链接，并可选地写下收藏原因和备注，其余交给自动化流程。通过Codex配置定时任务，工作流会按设定的时间间隔扫描飞书表格中的新增链接，先提取文字信息，再获取视频截图并分析视频内容，最终把原始信息与解析结果写入Obsidian中的Wiki知识库。

Codex 是 OpenAI 推出的一款云端软件工程智能体（agent），能够根据自然语言指令直接编写代码、执行命令、读写文件并运行测试，常被用于自动化脚本搭建与任务编排。文中提到的“通过 Codex 配置定时任务”，指的是借助这类编程智能体生成或调整负责扫描飞书文档、抓取链接内容的自动化代码，再由操作系统层面的定时机制（如 cron）周期性触发。需要注意，Codex 本身不负责“按时唤醒”，定时调度依赖运行环境中的定时器，二者配合才构成完整的自动化管线。

知识库的结构设计

知识库并非简单堆砌笔记，而是有明确的分层。左侧的Wiki目录下，组织着摘要、原始笔记信息、概念、可迁移的方法及其使用条件、检查方式、实体（视频中提到的新名词），以及概念之间的比较与权衡，还有能够按步骤操作的实践指南。

这种组织方式借鉴了传统Wiki的结构：保留一个RAW目录存放最原始的笔记或网页信息，再让Agent从中嵌入、提炼知识，自动归入相应目录。原始信息与结构化知识分离，既保住了溯源的依据，也让知识层保持整洁。

你可能没注意到，知识库同时支持手动导入原始信息。用户也可以把零散的笔记或网页内容放入RAW目录，手动触发嵌入操作，让Agent重新组织知识。飞书联动与手动入口并存，覆盖了自动采集和主动整理两种场景。

Obsidian 是一款基于本地 Markdown 文件的笔记软件，所有笔记以纯文本形式存放在用户自己的文件夹中，通过双向链接（[[笔记名]]）把零散笔记连接成网状知识图谱，并支持用图谱视图直观查看概念之间的关联。由于数据完全本地化、格式开放，Obsidian 非常适合作为 Agent 自动写入和读取的目标仓库——程序只需按约定生成 Markdown 文件与目录结构，就能让生成内容无缝融入用户已有的知识体系，这也是文中选择它作为 Wiki 知识库载体的原因。

LLM Wiki 指一种借助大语言模型自动生成和维护的维基式知识组织方式：模型阅读原始材料后，抽取其中的概念、定义、方法与实体，分别写成独立条目，并在条目之间建立引用与比较关系，形成可层层展开的结构化网络。与传统人工编写的 Wiki 相比，它的条目由模型批量产出、随新材料持续更新；与单纯的向量检索知识库相比，它保留的是可读、可编辑的成文条目，而非碎片化的嵌入向量。文章所说的“以类似 LLM Wiki 的方式组织”，即指让 Agent 承担从原始笔记到结构化条目的提炼与归类工作。

定时任务与自动化

整套流程的触发依赖定时任务：用户为知识库目录设置每天几点到几点、每隔多长时间扫描一次飞书表格。被扫描到的新增链接会进入分析管线，完成从链接到原始信息、再到知识的转化。UP主提到，后续会以skill的方式开源搭建飞书联动知识库的流程，目标是让任何人都能随时随地通过飞书投递链接，自动把对应知识组织进自己的知识库。

这个设计的意义在于降低知识管理的启动成本：收藏动作不变，整理动作交给后台。对长期被“收藏吃灰”困扰的人来说，这种把入口前置到飞书、把加工交给Agent的思路，提供了一种可复用的个人知识管理范式。不过，视频中未展示解析准确率、复杂页面兼容性等细节，实际效果仍需在真实内容上检验。