个人知识库搭建：从 Markdown 到 RAG 检索

我写技术博客十年，笔记更是记了无数——但最常发生的场景是：“我记得我记过这个，在哪来着？” 然后翻半小时文件夹。

这篇文章记录我搭建个人知识库的过程：从 Obsidian 本地 Markdown 库，到可语义检索、可 AI 问答的知识库。

一、需求与选型

需求

笔记要能"语义找"：搜"怎么处理消息重复"，能匹配到写于三年前的"幂等消费"笔记
要能 AI 问答：直接问"我的缓存一致性方案是什么"，AI 翻笔记回答
本地优先：数据在自己手里，不上传私有云

选型（2025 年初的调研结论）

方案	类型	优点	缺点
Obsidian + 官方 Sync	笔记+同步	双链、插件生态	检索是关键词，无语义
自建知识库（Dify/WeKNora 类）	本地 RAG	语义检索 + 问答	要维护服务
本地向量库 + RAG 工具链	自建	完全可控	要一点工程
语雀/Notion AI	云	开箱即用	数据在别人那

我的结论：笔记本体用 Obsidian（本地 Markdown），检索层自己搭 RAG 流水线——数据永远本地，检索能力可编程扩展。

二、笔记规范：RAG 的前提

先泼冷水：笔记不规范化，什么 RAG 都救不了你。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# 消息幂等方案
---
tags: [消息队列, 幂等, RabbitMQ]
date: 2023-01-15
status: 常用方案
---

## 核心结论
MQ at-least-once 投递下，消费端必须幂等。
方案：唯一键 + INSERT IGNORE / Redis SETNX / 业务状态机。

## 细节
...
## 关联
[[RabbitMQ 削峰]]

规范要点：

每条笔记一个主题（别写"杂记"）
tags 前置（frontmatter，检索过滤用）
结论放最前（AI 摘录友好）
双链关联（[[xxx]]，图谱 + 上下文）

三、检索层：本地 RAG

架构

关键实现点

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# 检索核心（简化）
def ask(query):
    # 1. 混合检索：向量 + 关键词
    vec_hits = vector_search(query, top=10)
    kw_hits  = keyword_search(query, top=10)   # 标题/标签命中
    candidates = merge(vec_hits, kw_hits)

    # 2. 重排：相关度排序
    ranked = rerank(query, candidates, top=5)

    # 3. 拼 Prompt 问答（带来源）
    context = "\n\n".join(f"[{h.note}]: {h.content}" for h in ranked)
    return llm.chat(f"基于以下笔记回答：\n{context}\n问题：{query}")

我的踩坑（和《RAG 工程化》一致）：

切分按 Markdown 标题，不按固定 token
必须带来源（哪篇笔记），AI 回答可追溯
混合检索（向量 + 关键词），标题命中权重高
增量索引：笔记变更才重建该篇向量

四、落地效果

场景	之前	之后
找"幂等方案"笔记	关键词搜不到，翻 10 分钟	语义检索秒出
问"我的缓存方案"	凭记忆回忆	AI 翻笔记回答 + 给来源
写博客查历史方案	凭印象写	从知识库引用，准确性高

五、避坑清单

总结

个人知识库的核心认知：

笔记是原料，规范是前提：RAG 的输入质量决定输出质量
本地优先：数据在自己手里，能力可扩展
混合检索 + 来源：语义找得到，回答靠得住
别过度设计：万级笔记 SQLite-vec + 本地 embedding 就够，别上分布式

知识库不是"记了多少"，是"能找回多少"。 有了语义检索 + AI 问答，十年笔记第一次真正属于你。

个人知识库搭建：从 Markdown 到 RAG 检索#

一、需求与选型#

需求#

选型（2025 年初的调研结论）#

二、笔记规范：RAG 的前提#

三、检索层：本地 RAG#

架构#

关键实现点#

四、落地效果#

五、避坑清单#

总结#

📚 相关阅读