图工程：从记笔记到建图谱的 12 步路线图

图工程（Graph engineering）：从记笔记者到图谱搭建者的 12 步路线图 July 23, 2026 · 10 min read · View source ↗ Claude AI Obsidian 每个人都在建“第二大脑”。几乎没人建那个让它真正运转起来的部分。 现在就打开你的笔记文件夹。如果它是一堆扁平的文件，那么每次你问 Fable 5 一个问题时，都会发生这件事：它把所有这些文件全部读一遍。 那就是 5,000 条笔记、800,000 个 token，被烧掉只为了给你一个答案。慢、贵，而且一半时间里它还是抓错了文件。 那不是大脑。那是你教会你 AI 去搜索的一堆草垛。 一个第二大脑，只跟它底下那张图谱一样好。这就是通往那张图谱的 12 步路线图——从一堆让模型淹死的文件，到一个模型能在几毫秒内走完的结构。 > 一堆文件：回答一个问题要读全部 5,000 条笔记 > token：每次回答约 800,000，按每百万 50 美元计费 > 有了图谱：读 3 个文件，一秒内回答案 > 差值：在一个真实构建上便宜 40%，而且正确的频率高得多 在我们继续之前，为了让你别错过剩下的内容： 在这里关注我 @kingwilliam_。这是本文唯一的“请求”。下面的一切才是真正的系统。 每个人都在截屏错误的那个层——那张闪闪发光的点状网、图谱视图。一个规模化跑这套系统的搭建者说得最好： > “漂亮的图谱是给你看的。索引是给模型用的。只有其中一个能让它变快。” 这就是全部游戏。墙上那张海报 vs 引擎盖下的引擎。 图工程，就是造引擎：路由器、索引、节点、边，以及走这些的代码。 12 步。3 个层级。这一层，决定了你的第二大脑到底是会思考，还是只是摆在那里显得很厉害。 第 1 部分 · 图谱是什么 1. [ 图谱是一种路由结构，不是一张图 ] 四个部件。一个模型先读的路由器，一个它拿来打分的索引，存放知识的节点，以及指向它们之间的边。 就这些。记忆、技能、实时数据——全都只是塑造这四个之一的方式。 你发的那张点状星系图只是装饰。它证明了连接存在。它丝毫不能阻止模型读 5,000 个文件去回答一个问题。 同样的笔记，不同的结构，完全不同的大脑。 2. [ 整张图谱住在一个文件夹里 ] 所有塑造检索的东西都放在一个目录里。学会这个布局，你就能在十秒内读懂任何人的第二大脑： brain/ ├─ CLAUDE.md # 路由器——每个会话都会读，保持极小 ├─ index.md # 每个节点一行：名字、链接、描述 ├─ nodes/ # 你的笔记，一个想法一个文件 │ ├─ billing-rules.md │ └─ client-acme.md ├─ skills/ # 可复用的检索 + 写入工作流 │ └─ save-note/SKILL.md └─ state/ # 会话之间存续下来的东西 └─ STATE.md 一条规则让图谱保持干净：你应该能说清每一个文件为什么存在。 解释不了某个节点？它就不该有节点。 3. [ 图谱 vs 文件堆 vs 系统。三层楼，别把它们叠错 ] 文件堆（pile），是放在一个文件夹里、没有地图的笔记。问它任何东西，它读所有东西。 图谱（graph），是同样的知识，加上路由器、索引和边。问它任何东西，它读三个文件。 系统（system），是一张有复利记忆的图谱。每一个会话都让下一个会话更锋利。 大多数“我的第二大脑一团糟”的痛苦，都是这三者纠缠在一起。把它们拆开，整件事就变快了。 4. [ 默认的第二大脑是囤积癖，不是图书管理员 ] 把 Fable 5 指向一个文件夹，没错，它“能用”。它通过每次查询都把整堆文件读一遍来找东西。 40 条笔记？没问题。4,000 条笔记？现在每个问题都会扫描你整个人生，并按每百万输出 token 50 美元计费。 一个囤积癖拥有所有东西，却什么都找不到。一个图书管理员拥有同样的书，几秒钟就把你要的那本递到你手上。 接下来的八步，让 Fable 5 成为那个图书管理员。 第 2 部分 · 搭建图谱 5. [ 路由器。CLAUDE.md，保持残酷地短 ] CLAUDE.md 在每个会话开始时被读取。它是一张地图，不是一本手册：“计费在这里，这个客户在那里。” 致命的错误：它长成了一本小说。然后每个会话在做事之前，都先把那本小说拖进上下文。 500 token 以下。只放事实和方向。知识住在节点里。 → 路由器提示词： Turn my CLAUDE.md into a pure router, under 500 tokens. List where each kind of question goes - not the answers - plus one standing rule: read index.md first, open only the top node, follow one edge if it points elsewhere. Move everything that's actual content out into nodes/. 6. [ 索引。每个节点一行。这就是秘密 ] 索引，是模型在不打开任何东西的情况下，知道答案住在哪里的方式。每个节点一行：名字、链接、一句话。 # index - billing-rules.md | rates, refunds, dunning | how we bill and when - client-acme.md | Acme account | contacts, scope, gotchas - voice.md | writing voice | tone rules + banned words 从第一天起就养成一个习惯：每条新笔记自动在这里加一行，永远如此。 一个跟得上的索引，让你终身享受廉价的检索。一个漂移的索引，会把你的图谱变回一堆文件。 → 索引提示词： Set up index.md that catalogues every node in one line: name, link, one sentence. Make saving a note auto-append its index line so the catalogue can never drift from reality. 7. [ 节点。一个想法一个文件。没有例外 ] 一个节点只做一件事。小、锋利、命名到光看标题就知道里面是什么。 敌人是“巨型笔记”——那个 4,000 字、触及十个话题的文件。为了用其中一行，模型得吞下全部十行。 按想法拆分。小节点打开成本低。胖节点会流血 token。 8. [ 边。是指针，不是那张漂亮的图 ] 一条边，是节点内部指向另一个节点的链接。那才是真正的图谱——那个指针，不是那张可视化。 一个节点回答你半个问题，并链接到那个能把问题答完的节点。模型跟着一条边走，而不是洗劫整座金库。 只链接一个节点所依赖的东西，别的都不链。十条锋利的边是一张图谱。五十条是穿着图谱外衣的噪音。 9. [ 检索即代码，而不是模型调用。那个没人做的动作 ] 他们的图谱之所以一直慢，原因在这：他们让模型来做“查找”。但查找根本不需要智能。它是一个打分问题，它属于代码。 阶梯： 1. 把问题剥成关键词，丢掉废话 2. 只用 index.md 给每个节点打分——什么都不打开 3. 只打开最顶上的那一个节点，不是三个，不是“以防万一” 4. 只读回答你问题的那一节，不是整个文件 5. 如果那一节指向别处，跟着一条边走 6. 现在模型才运行——一次，证据已经拿在手上 第 1 步到第 5 步在毫秒内跑完，因为它们是代码，不是模型回合。模型只在最后开火一次。 这套东西的一个真实构建，把成本相对默认砍掉了 40%，而且返回得更快。 模型不再读你的图书馆了。你的代码把它需要的那一页递给了它。 → 检索即代码提示词： Build retrieval as deterministic code, not model calls: strip my question to keywords, score nodes from index.md WITHOUT opening files, open only the single best node, read only the section that answers, follow one edge if needed. The model runs once, at the end, with the evidence attached. 第 3 部分 · 让它复利 10. [ 证明它。让图谱在计时赛里打败文件堆 ] 别信它。赛它。同样的问题，一边走一个全新的默认会话，一边走你的图谱，并排跑。 → 证明它的 /goal： /goal don't stop until retrieval is clearly faster and cheaper than a flat folder, proven by tests you run yourself. Same questions both ways, compare tokens with /context and wall-clock time, verify the answers are correct, show me a table. Keep optimising until the graph wins. 这个 /goal 把 Fable 5 从一个你得盯着的工具，翻转成一个给自己打分的工具。它自己测试、自己抓住漏掉的地方，然后在你离开的时候继续跑。 11. [ 加记忆。模型忘掉的，图谱记住 ] 模型在两次运行之间会清空。图谱不必如此。 一个状态文件记录试过什么、什么管用、什么死了。每次运行结束时向它写入，开始时读它。 当一条教训是通用的，它就从状态文件“毕业”成一项技能。那才是“自我改进”诚实的含义——不是一个会学习的模型，而是一张会积累的图谱。 12. [ 发布它。可移植，且属于你 ] 价值从来不是 Fable 5。是路由器、索引、边、规则——一个你拥有的文件夹里的纯文本。 每一个严肃的模型都读 markdown、都跟路由器、都走索引。明天拔掉 Fable 5，插上任何一个接下来的东西，什么都不会丢。 模型是引擎。你的图谱是那辆车。引擎会被换掉。车始终是你的。 [ 让你的 AI 保持迟钝的那些图谱错误 ] 跑在扁平文件堆上。没有路由器，没有索引。模型为回答任何问题而读所有东西。 一个臃肿的路由器。一个长成了手册的 CLAUDE.md。把它砍到 500 token 的指针。 没有索引。没有它，模型猜不出答案住在哪，于是盲目地打开文件。 巨型节点。一个为了用一行而必须整体吞下的巨型文件。按想法拆分。 让模型去做查找。查找是代码的活。把模型留给思考。 没有记忆。每次运行从零重启。状态文件才是让“明天”得以续上的东西。 在你有笔记之前就建图谱。空结构是自我感动。先写，再工程化。 结论： 图谱视图收获截图。索引干真正的活。 每个人都爱上那张点状星系。它是一张海报。 每一个决定你的 AI 是快还是慢、便宜还是烧钱、锋利还是含糊的决策，都住在它下面的一层：你写的路由器、你保持诚实的索引、你画的边、那套在模型思考之前就完成查找的代码。 把那一层建好，它上面的一切都会复利。模型读三个文件而不是 5,000 个。账单降下来。答案变锋利。 自我改进从来不在模型里。它在你围绕模型搭的那张图里。 挑一件你还没做的事——多半是索引，或者“先代码后模型”的检索——今天就加上它。把图谱保持到小到你能解释得清。然后，让开。 附言：如果你只从这篇里做一件事，就做索引。不是路由器，不是漂亮的边——是索引。它是这里最便宜的一步，也是其他每一步都要拿来打分的那一步。把它做诚实了，图谱几乎自己就会变快。 趁它还没被埋掉，先收藏。如果它对你有用，就把它发给一个还在拖着自己 AI 穿过一堆文件的人。 Tags: # X # Claude # AI # Obsidian # Fable 相关文章 How to remember everything you read (stop trying) If you need to remember it, it's not important. If it's important, you will remember it. Aura AI Claude Obsidian