@rvaniaaaa: 一位 Anthropic 工程师分享了他们用作第二大脑的确切系统。三个文件夹。一个文件。一个晚上即可搭建完成……

一位 Anthropic 工程师分享了他用作第二大脑的那套确切系统。

三个文件夹。一个文件。一个晚上就能搭好。

大多数人每天都以同样的方式使用 Claude。打开新标签页。重新构建上下文。得到一个答案。关闭标签页。明天它什么都不记得。你仍然是那个掌握所有上下文的人。你仍然是那个重置一切的人。

这套架构解决了这个问题。

整个系统围绕三个文件夹和一个文件构建。

raw/ 存放所有非结构化内容。文章、转录稿、PDF、语音备忘录、截图。丢进去就再也不用碰。这是不可变的原始事实。

wiki/ 是 Claude 将 raw 中的一切转化为结构化、相互关联、交叉引用的知识的地方。干净。有序。这是 Claude 实际从中思考的文件夹。人类阅读它。模型写入它。

output/ 是成品落地的位置。报告、帖子、文档、演示文稿。Claude 以 wiki 为来源构建的所有内容。

核心是 CLAUDE.md。它不是提示词，而是一个持久的身份、偏好、目标和项目上下文层。Claude 在每次会话前都会读取它。你永远不必再解释自己。

五个自动化模块驱动这套系统。

Ingest 捕获并提取新来源到 wiki 中。Write 检索上下文并起草输出。Manage 将决策链接到上下文。Review 总结并更新。Maintain 修剪并改进连接。

每次会话都会为系统增添内容。每个来源都让 wiki 更智能。回报随时间复利增长。

一个月后，上下文不再消失。三个月后，这个知识库会浮现出你忘了自己曾有的想法。六个月后，复利与重置之间的差距变得不容忽视。

构建一次。每日维护。让它复利。

收藏这个。

同意，一次糟糕的提取可能会毒化下游的一切，所以设置一个隔离层非常有意义。

没错，文件夹是记忆，claude.md 是大脑。

有人发布了一个更简洁的自我改进 AI 架构版本。

7 个步骤。一个循环。智能体自我学习。

大多数 AI 系统在你停止更新的那一刻就冻结了。新模式不断涌现。更好的工作流不断出现。你的智能体永远不会看到它们，除非你手动找到、阅读并安装每一个。

这套架构弥合了这个差距。

循环的工作原理如下。

Scout 持续扫描 GitHub，寻找值得学习的新仓库。Filter 在任何模型浪费算力之前先移除噪音。只有相关的仓库继续前进。

Extract 提取可复用的工作流，并为下一阶段进行结构化。Score 根据客观标准验证每个工作流。任何内容被构建之前先通过质量门。

Generate 将验证通过的工作流转换为标准化的 Agent Skill 包，准备好部署。Review 在一切发布之前让人类参与进来。自动化提出方案。人类批准。

Publish 将批准的技能永久添加到库中。

然后它开始复利。

更多技能意味着更丰富的上下文。更丰富的上下文意味着更好的发现。更好的发现意味着更强大的技能被添加到库中。

然后循环再次开始。

今天，软件。明天，经验。构建一次循环。让它学习。

架构在图片中。