Offline knowledge, buses, and note-takinga day agohttps://tomrenner.com/posts/offline-knowledge/仅存储在记忆中的知识是有风险的，因为人类容易遗忘，而计算机擅长记忆。文档化通过确保多人能够执行任务来降低‘公交因子’，从而分散关键知识。个人文档系统应能快速捕捉任务，显示即时优先级，并始终可访问。有效的笔记记录释放了用于创造性解决问题的脑力空间，而非用于记忆任务。
Why organizing knowledge in the age of AI sucks, and how I solve it14 days agohttps://jordangreen.bearblog.dev/why-organizing-knowledge-in-the-age-of-ai-sucks...作者花费大量时间在AI聊天会话中进行个人和专业任务，但在检索和重用历史对话上下文时遇到困扰。当前工具如Claude Projects、Linear议题或文档平台未能与人类组织知识的心理模型对齐，导致存储和加载AI上下文效率低下。关键洞察包括：会话式组织方式与人类记忆模式的错配、AI解读中元上下文的缺失，以及人类与AI对自然语言成果记忆需求的重叠。作者利用Claude编程技能构建了一个极简解决方案：创建以文件夹为话题主题、文件为知识条目的知识库，实现更优的上下文捕捉与检索。未来计划包括开发类似Obsidian的视图层，并通过更精细的上下文加载控制来增强系统功能。
You Have an AI Working Agreement. Write It Down17 days agohttps://age-of-product.com/ai-working-agreement/一份AI工作协议将团队零散的AI使用规则整合为单一文档，详细说明授权委托、人工监督、审查流程、数据边界、所有权归属及修订程序。团队已通过习惯和模板形成隐含的AI使用规则；将其成文化可避免员工流动导致的知识流失，并帮助新成员快速融入。关键要素包括默认执行标准、硬性边界（数据、判断、人际关系）、现成模板、披露规范、问题升级路径和审查触发机制。制定协议需收集现有决策、填补空白、分配所有权、设定修订规则，并选择便于访问的中央存储位置。协议优势包括减少单点故障风险、保障决策一致性、确保符合组织政策，并促进团队协同与对AI产出的信任。
Karpathy, Google, Tan agree Markdown is the answer, but not for the same problem22 days agohttps://thenewstack.io/markdown-agent-memory-moat/安德烈·卡帕西的‘LLM维基’提出使用链接的Markdown文件作为AI代理的记忆系统。谷歌推出了开放知识格式（OKF v0.1），将组织知识打包为Markdown格式供企业使用。加里·谭的gstack使用Markdown文件定义专业编码代理角色，在GitHub上获得了极高的人气。Markdown已成为代理读写数据的事实标准格式，从开发者惯例（如CLAUDE.md）演变而来。竞争优势正从模型所有权转向积累可跨系统移植的Markdown知识库。像OKF这样的Markdown标准的持久性取决于采用率和生态系统发展，否则可能仅停留在概念层面。