你从最强 AI 那里只能得到平庸答案，原因只有一个。
因为那个 AI 对你一无所知。
它不了解你的业务、你的客户，也不知道你昨天做了什么决定。所以它每次都得从零开始猜测。而猜测，无论多么高明，最多也只能拿到一个“及格分”。
为了解决这个问题，我用 Claude Code 创建了一个“自己的副本”。用技术术语来说，这就是一个第二大脑。它是一个系统，你的记忆、判断和写作风格都以 AI 可读写的格式存储在磁盘上。
我已经运行这个系统好几个月了，并且为了 Fable 5 完全重建了它——2.0 版本。我会在这篇文章里写下所有内容——我做了什么、怎么做的、代码是什么、文件夹结构是怎样的。我已经把所有模板和脚本都放到了 GitHub 上，请随意拿去用，让它为你自己成长。
→ github.com/chaenmasahiro0425/exbrain
第二大脑到底是什么？—— 不过是 Obsidian 上的一个文件夹
它不是什么宏大的装置。它的真身就是 Mac 上的一堆 Markdown 文件。你用 Obsidian（一个免费的 Markdown 应用）来查看，而 Claude Code 直接读写这个文件夹。不需要任何插件或连接器。人类用 Obsidian 阅读，AI 直接操作文件夹。两者看的是同一个“大脑”。
即使电脑关机了它也能工作（通过云端自动化任务）。你可以在 iPhone 上阅读它（通过 iCloud 同步）。而且无论你切换到什么模型，这个大脑都会一直存在。这是最重要的一点。如果把这个机制画成一张图，流程是这样的：存储 → 编织 → 使用。
即使是同一个 Fable 5，一旦它连接上这个大脑，就会变成一台完全不同的机器。代码会遵循你的架构，文字会带有你的语气，提案会立足于你所掌握的事实之上。
运行几个月后学到的一个教训
去年，我构建了第一代系统，核心是三个文件：SOUL / MEMORY / DREAMS。这是一个自动积累每日日志、X 平台剪辑和会议记录的系统。运行了几个月后，我清楚地认识到了一点。
原始日志放着不管自己就会积累。但“编译过的知识”放着不管就会腐烂。
每日笔记和剪辑通过自动化每天都在变胖。然而，客户页面和索引在几周内就过时了。
四月份创建的客户列表，对七月份的新项目一无所知，就那么冻结着。一个只有在你记得去喂养它时才会成长的大脑，三周内就会死亡。
所以我把它分成了“4 层”——2.0 设计
在 2.0 版本中，我不再把所有东西都放在一个盒子里。我把它分成了四个具有不同特性的层级，并且每个层级只固定一个“写入者”。如果只有一个写入者，结构上就不会发生同步冲突。身份（个性）只由人类写入，摘要只由云端写入，知识库由夜间编译器写入，原始日志由自动收集写入。
为什么要让原始层不可侵犯？因为如果同一个 AI 反复读取和重写同一条笔记，细节会逐渐消失，错误会以复利的方式增长。通过冻结原始日志，上层的知识层可以根据需要多次重建。
这次更新参考了下面这篇海外文章。
https://x.com/masahirochaen/status/2073548158270144705
2.0 的核心——夜间编译器
这是重头戏。我把将原始日志转化为知识的工作交给了每晚 23:30 运行的自动编译器。每天晚上，这个东西会醒来，读取当天的日志和新的剪辑，并自动更新涉及到的客户、人员和工具的相关页面，同时附上来源链接。如果它读到“与 CyberAgent 以 450 万达成协议”，这个事实就会堆积到对应的页面上。
为了防止它失控，我设置了三个机制。① 不让 LLM 接触 git。② 按层级限制写入范围（不让它碰原始层和身份层）。③ 如果原始层发生更改，自动恢复并停止提交。成本是关键。编译是例行工作，所以用最便宜的模型运行。高级模型只需要在每周的整合检查时出场。
让大脑保持活力的循环
第二大脑靠的是日程，而不是记忆。每次会话开始时，一个启动器会注入当天的上下文；早晚生成每日笔记；每 4 小时收集一次 X 平台的书签；每晚进行编译；每周日运行衰退检测和每周总结。高级模型每周只工作一次。其他所有事情都由廉价模型和 shell 脚本处理。把日常任务扔给顶级模型，就像把钱扔进水里。
你不需要每天去筛选“你看到过的记忆”
“我需要自己判断哪些文章是好的吗？”——不。这就是这个设计的答案。
如果在 X 上看到什么吸引你的东西，只需收藏它。每 4 小时运行一次的剪辑功能会自动把它流入原始层（现在已经积累了 1,467 条）。
甚至只是把文章链接丢进 Slack 私信里也行。人类要做的只是“看”。筛选的工作已经交给了夜间编译器。我们把阅读和记忆分开了。
然后 Fable 5 来了——我扔掉了 80% 积累起来的指令
我几个月来写下的规则，不知不觉间已经变得无比庞大。切换到 Fable 5 时我做的第一件事，就是“删除”了其中 80%。
旧的模型，除非你给出分步指令，否则它们就会回到平均分。所以我不断地添加“不要做这个，不要做那个”，没完没了。Fable 5 不同。它通过投入的精力来把握智能和速度，期望的行为只需要一个“短句”。当我停止罗列事项时，它反而变得更聪明了。
对于第二大脑来说，这是一股顺风。为旧一代模型而膨胀的技能和提示词，在 Fable 5 上反而会降低质量。
所以在 2.0 版本中，我缩短了编译器提示词和 CLAUDE.md。你只需要在“大脑”里存储“事实”。随着模型变得更聪明，行为描述会变得更短。
总结——创建“自己的副本”的 7 个步骤
① 创建一个知识库（Obsidian 文件夹）
② 分成 4 层（原始层 / 知识库 / 摘要层 / 身份层），每层固定一个写入者
③ 把你所有的一切都扔进原始层
④ 设置夜间编译（每晚，使用廉价模型）
⑤ 通过每周检查检测“衰退”（周日，不使用 LLM）
⑥ 通过验证将研究转化为资产
⑦ 使用 INDEX 作为入口，禁止全盘扫描
驾驶座上的模型未来还会再次更迭。但知识库会挺过每一次转变。而写入的反馈会让大脑每周都变得更聪明，无论谁在驾驶。你可以在一个小时内做出最小的版本。一个文件夹，十个关于你业务的文件，以及一个被告知“先读那个”的 Agent。之后，输出会告诉你剩下的部分。
我已经把所有东西都开源了。模板、脚本，以及中英双语的 README。请随意取用。→ github.com/chaenmasahiro0425/exbrain
