ScaleUp logo
מדריך פרקטי למי שרוצה לבנות מערכת ידע אישית עם AI

איך לבנות לעצמכם "מוח שני" עם AI בפחות מ-15 דקות

מהרעיון של Andrej Karpathy עד למבנה תיקיות פשוט שהופך ל-wiki אישי, חכם ומצטבר.

מאת מאי רייזמן, ScaleUp. בהשראת הגישה של Andrej Karpathy לבניית מאגר ידע אישי מבוסס AI.

במקום שהידע שלכם יהיה מפוזר בין וואטסאפ, דרייב, לינקים שמורים, צילומי מסך והערות, אפשר לרכז הכול במקום אחד ולתת ל-AI להפוך אותו למערכת ידע שעוזרת לחשוב, לכתוב, לחבר רעיונות ולהשתפר עם הזמן.

בפחות מ-15 דקות תלמדו איך לבנות מבנה תיקיות מדויק, לאסוף מידע בקלות, לכתוב קובץ חוקים אחד שמסדר את הכול, לגרום ל-AI לבנות לכם wiki אישי, ליצור לולאת שיפור מצטברת ולבצע Health Check שמונע טעויות לפני שהן מצטברות.

רוצה לבנות מערכת כזאת אצלך?
פתיחה

הרעיון פשוט יותר ממה שנדמה

במקום שהידע שלכם יהיה מפוזר בין וואטסאפ, דרייב, לינקים שמורים, צילומי מסך והערות, מרכזים הכול בתיקייה אחת. משם נותנים ל-AI להפוך את החומרים ל-wiki אישי: סיכומים, חיבורים בין רעיונות, מאמרים ותובנות שנהיים חכמים יותר בכל פעם שמשתמשים בהם. בלי תוכנה מיוחדת, בלי דאטהבייס ובלי תוספים. רק תיקיות וקבצי טקסט.

שלב 1

פותחים 3 תיקיות וזה כל הבסיס

יוצרים תיקייה ראשית בשם my-knowledge-base/, ובתוכה שלוש תיקיות בלבד. זאת כל התשתית שצריך כדי להתחיל.

my-knowledge-base/ raw/ wiki/ outputs/

raw/

כל חומרי הגלם: מאמרים, הערות, צילומי מסך, סיכומי פגישות, מסמכים ולינקים.

wiki/ + outputs/

wiki/ הוא המקום שבו ה-AI יכתוב את הידע המסודר, ו-outputs/ ישמור תשובות, מחקרים, דוחות ותוצרים.

שלב 2

ממלאים את raw בלי לנסות להיות מסודרים מדי

זה השלב שבו רוב האנשים נתקעים. הם יוצרים את התיקיות ואז בוהים בתיקיית raw/ הריקה. התשובה פשוטה: הכול נכנס פנימה. אל תארגנו, אל תשנו שמות, אל תנקו. זה התפקיד של ה-AI.

  • מאמרים ומחקרים
  • סיכומי שיחות ופגישות
  • רעיונות והערות מהירות
  • Bookmarks, screenshots ומסמכים קיימים
שלב 3

אוספים מידע אוטומטית אם רוצים להאיץ את הקצב

החלק הזה אופציונלי, אבל חזק מאוד. אם אתם רוצים למשוך תוכן מהאינטרנט ישירות אל raw/, אפשר להשתמש ב-agent-browser.

התקנה

npm install -g agent-browser
agent-browser install

שימוש

agent-browser open https://example.com
agent-browser get text "article"

עמוד תוכן
agent-browser
raw/
wiki אישי

העיקרון הכי חשוב כאן: לא בונים מערכת מסודרת מראש, בונים מקום שאפשר להזרים אליו ידע.

ברגע שהחומרים מתחילים להצטבר, ה-AI כבר יכול לעשות את החלק הקשה באמת: לארגן, לקשר, לסכם ולזהות מה חסר.

לקביעת שיחת היכרות בחינם
שלב 4

יוצרים קובץ חוקים אחד שמנהל את הכול

צרו קובץ בשם CLAUDE.md. זה קובץ ההנחיות של המערכת, והוא מגדיר ל-AI איך להתייחס לתיקיות, איך לבנות את ה-wiki ואיך לשמור על סדר פנימי לאורך זמן.

# Knowledge Base Schema ## What This Is A personal knowledge base about [YOUR TOPIC] ## How It's Organized - raw contains source material - wiki contains organized knowledge - outputs contains generated insights ## Wiki Rules - Every topic gets its own .md file - Every file starts with a summary - Maintain INDEX.md - Link related topics - Update when new raw sources are added
שלב 5

נותנים ל-AI לבנות את ה-wiki האישי

אחרי שיש תיקיות וחוקים, אפשר לתת ל-AI לעבוד. המטרה שלו היא לקרוא את כל מה שיש ב-raw/, לייצר מבנה ברור ב-wiki/, ולחבר בין נושאים בצורה שהופכת אוסף קבצים למערכת ידע.

Read everything in raw/. Then compile a wiki in wiki/ following the rules in CLAUDE.md. Create an INDEX.md first. Create one .md file per major topic. Link related topics. Summarize every source.
שלב 6

שואלים שאלות ושומרים תשובות כדי ליצור לולאת שיפור

ברגע שיש לכם 10 קבצים ומעלה, מתחיל הערך האמיתי. עכשיו הידע כבר לא רק שמור, אלא הופך למשהו שאפשר לחשוב איתו. כל שאלה חדשה משפרת את התשובה הבאה.

פערי ידע

מהם הפערים הכי גדולים בידע שלי?

סתירות

איפה יש סתירות בין מקורות, הערות או רעיונות?

חיבורים

אילו נושאים קשורים זה לזה, גם אם לא ראיתי את זה קודם?

את התשובות שומרים ב-outputs/. כאן נבנית לולאה מצטברת של חשיבה, תיעוד ושיפור.

שלב 7

מבצעים Health Check חודשי כדי למנוע טעויות מצטברות

פעם בחודש מריצים בדיקה אחת מסודרת על כל ה-wiki. זה קריטי, כי גם מערכת טובה יכולה לצבור חורים, סתירות או טענות לא מבוססות אם לא בודקים אותה.

1

Review the entire wiki directory.

2

Flag contradictions.

3

Find unexplained topics and unsupported claims.

4

Suggest 3 missing articles.

שלב 8

לא חייבים Obsidian. מה שחשוב הוא המבנה, ה-schema וה-consistency

אפשר לעבוד עם Claude Code, עם Codex, או עם כל סביבת עבודה שמסוגלת לקרוא קבצים, לעדכן אותם ולשמור לוגיקה עקבית. ה-AI לא באמת משנה איפה הקבצים יושבים. מה שחשוב הוא שמבנה התיקיות ברור, שיש קובץ חוקים מסודר, ושהמערכת נשמרת עקבית לאורך זמן.

  • מבנה תיקיות ברור עדיף על עוד אפליקציה נוצצת.
  • Schema טוב חוסך בלגן בהמשך.
  • Consistency הוא מה שהופך אוסף קבצים למערכת ידע אמיתית.

אל תחפשו את הכלי המושלם. פשוט תתחילו לבנות.

אם תאספו את הידע שלכם למקום אחד, תגדירו חוקים פשוטים ותיתנו ל-AI לעבוד על בסיס עקבי, תקבלו הרבה יותר ממקום לשמור בו חומרים. תקבלו מערכת שעוזרת לכם לחשוב, לחקור, לחבר נקודות ולשפר את הידע שלכם עם הזמן.

וזה בדיוק הרעיון של "מוח שני": לא עוד תיקייה עם קבצים, אלא שכבת חשיבה נוספת שעובדת בשבילכם.