把本計畫群聯課程，轉換成一張知識圖譜

一個由 LLM 自我維護、會隨時間複利成長的個人知識庫

AI 新秀計畫 結業專案｜作者：林汯錕｜日期：2026/05/27
標籤：LLM、知識管理、Obsidian、Claude、地端 AI、AI Agent

一、專案總覽（Project Overview）

這個專案是什麼

• 我的成果不是一個 App，而是一座知識庫本身。

• 把兩個課程系列（地端生成式模型訓練營 + AI 新秀計畫）、約 40 份 PDF / PPTX 教材與手冊，交給 AI（Claude Code）逐份消化。

• 產出一個結構化、互相連結的 Obsidian 知識圖譜。

核心理念

• 傳統筆記：寫完就停在那天的理解，不會自我更新。

• RAG：黑盒檢索、每次重查、不沉澱結構。

• 本專案要的是會複利成長 (compounding) 的知識資產——每多消化一份教材，既有頁面被交叉更新、矛盾被標記、圖譜更密。

二、動機與問題（Motivation）

課程資訊破碎的痛點

• 手寫筆記：不會自我更新，新舊知識不互連，越記越散。

• 全丟 RAG：看不出「知識之間的關係」。

• 直接問 ChatGPT：不綁教材、無法回溯出處、答完即忘。

我的目標

• 有結構（像維基）。

• 能自我維護（像 agent）。

• 可回溯出處（像 RAG）。

• 而且會隨時間長大。

三、核心架構（Architecture）

三層架構

• Raw 來源：教材原檔，唯讀，是事實來源（human 擁有）。

• Wiki：LLM 建立與維護的所有 markdown 頁面（LLM 擁有）。

• Schema：一份規範文件，定義結構與工作流程（人機共同演進）。

• 分工：人類定方向、提問、蒐集來源；AI 閱讀、摘要、交叉引用、維持一致。

三大操作

• Ingest（消化）：抽取教材 → 寫摘要頁 → 更新相關概念頁 → 登錄索引與日誌。

• Query（提問）：查索引 → 讀相關頁 → 綜合作答並附引用；好的回答歸檔成分析頁。

• Lint（健檢）：自動找出矛盾、孤兒頁、斷裂連結、被提到卻沒專頁的概念。

知識庫的頁面類型

• 概念頁：每個技術名詞一頁（定義 → 為什麼重要 → 怎麼運作）。

• 來源頁：每份教材一頁摘要，保留出處可回溯。

• 主題樞紐頁（MOC）：把散落概念串成導航地圖。

• 雙向連結：在 graph view 視覺化整套課程的知識結構。

四、技術棧（Technology Stack）

使用工具

• AI Agent：Claude Code（Claude Opus），擔任知識庫的維護者。

• 內容抽取：pypdf（PDF 取文字）、python-pptx（PPTX 取文字/表格/內嵌圖）。

• 知識庫載體：Obsidian vault（wikilinks、aliases、frontmatter、graph view）。

• 格式與版控：純 Markdown + YAML，git 友善。

為何選純 Markdown

• 可讀、可攜、可版控、零鎖定。

• 十年後用任何文字編輯器都打得開。

五、工程挑戰與解法（Engineering Highlights）

教材抽取的四大難題

• 英文被位移加密：部分簡報英文文字層被位移，需先判讀再解碼還原。

• 中文變亂碼 (mojibake)：嵌入字型抽不出中文時，改走逐頁影像判讀。

• PPTX 文字「消失」：文字被群組 (group) 起來，程式須遞迴才抓得到。

• 整頁圖片型簡報：每頁就是一張全圖、文字層全空（含 AI 生成的簡報）——抽出每頁最大內嵌圖當影像逐頁讀，並挑高資訊密度頁，避免逐頁浪費。

六、知識品質維護（Quality & Consistency）

矛盾標記，不默默覆蓋

• 新教材牴觸舊主張時，用警告標註記錄衝突、保留兩邊來源。

• 實例：群聯 aiDAPTIV+ 訓練版 vs 推論版屬不同世代；GraphRAG 不一定贏傳統 RAG。

Lint 健檢成果

• 全庫達到零孤兒頁、零斷裂連結、所有頁皆登錄索引。

• 曾一次性修復上百條因主題頁缺失造成的斷裂連結。

缺口追蹤

• 尚未上課的主題先記為待補，該堂課後補齊、缺口閉合。

七、成果展示（Results）

規模數字

• 主題樞紐頁：7

• 概念頁：約 32

• 實體頁（工具/產品/框架）：10

• 來源摘要頁：約 29

• 分析頁：1（持續成長）

• 涵蓋原始教材：約 40 份

知識覆蓋（七大主題）

• 模型微調與訓練（SFT / LoRA / RLHF / 知識蒸餾 / 分散式訓練 / 對齊安全）

• 推論與部署（Transformer / Attention / KV-Cache / 量化 / FlashAttention）

• RAG 與檢索（RAG / GraphRAG / Embedding）

• Agent 與工具（Agent / Function Calling / MCP）

• 評估與測試（Benchmark / LLM-as-judge / EvalScope）

• 基礎設施與維運（GPU 硬體 / Docker / CI-CD）

• 地端 AI 部署方案（群聯 aiDAPTIV+）

浮現的主線

• 整理到後來，浮現出貫穿全課程的洞見：地端 LLM 落地，本質是一場對「記憶體頻寬」的搏鬥。

• 訓練端與推論端各自爆記憶體，而量化、分散式、FlashAttention、KV-Cache offload 都是同一敵人的不同戰線。

• 這條主線已整理成知識庫的第一頁分析。

八、負責任的 AI（Responsible AI）

• 金鑰防護：某份投影片含疑似真實 API 金鑰，未抄錄進任何頁面，並提醒撤銷。

• 出處可回溯：每個事實主張都標注來源，避免幻覺。

• 版權意識：原始教材僅作唯讀事實來源、不對外散布。

九、未來展望（Future Outlook）

• 從 ingest 走向 query：累積更多分析頁（選型決策、技術比較），讓知識庫變成「會回答問題的顧問」。

• 接入語意搜尋：規模再大時導入向量檢索，與結構化圖譜形成「結構導航 + 語意檢索」雙引擎。

• 持續複利：每週新教材持續消化，讓圖譜隨時間越長越密。