背景與靈感

受 Andrej Karpathy 的 LLM Knowledge Base 工作流啟發，將 Vibe Coding 方法應用於自己的 Rails 部落格，打造一套完整的個人知識管理系統，完全取代 Obsidian。

• 核心概念：LLM 作為知識管理員，三層架構 Raw Sources → Wiki → Schema。
• 靈感來源：Vannevar Bush 1945 年的 Memex 概念。

此實作與 rails-vibe-coding-llm-obsidian 的案例相似，皆以 Rails 為基底，利用 LLM 完成筆記結構化。

系統概觀

• WikiEntry 模型：儲存 markdown、分類、標籤、交叉連結（backlinks）以及 private/published 狀態。
• 全文搜尋：PostgreSQL tsvector + ILIKE，支援中英文混合搜尋與關鍵字高亮。
• LLM Ingest：將雜亂筆記送入 LLM，自動產生標題、摘要、分類、標籤與交叉連結。
• REST API：
  • POST /api/wiki/ingest – 上傳原始素材。
  • GET /api/wiki/search?q=... – 關鍵字搜尋，返回高亮結果。
• i18n：完整的中英雙語支援。

技術架構

graph LR
    A[Raw Sources] --> B[LLM Ingest]
    B --> C[WikiEntry (PostgreSQL)]
    C --> D[REST API]
    D --> E[Frontend (Rails Views)]
    C --> F[Full‑text Search]

• 模型：WikiEntry 包含 title:string, content:text, category:string, tags:string[], backlinks:string[], status:enum。
• 搜尋：使用 to_tsvector('simple', content) 建立 tsvector 欄位，配合 ILIKE 處理中文。
• 部署：單一 Rails 應用，Docker 化部署，資料庫使用 PostgreSQL。

此架構與 nicklecheng-project-architecture 中提到的模組化設計理念相呼應。

多管道輸入

為何不需要 Obsidian

1. 多 vault 切換問題 → 單一資料庫、單一搜尋框。
2. 安裝成本 → 只要瀏覽器即可使用。
3. 結構維護 → LLM 自動整理筆記結構。
4. 同步費用 → 部落格本身即為線上同步平台。
5. 中文搜尋 → PostgreSQL ILIKE 直接支援中英文。

Vibe Coding 體驗與心得

• 流程：從討論 Karpathy 的理念 → 分析痛點 → AI 產生提案 → 設計 spec → 實作程式碼 → 撰寫測試 → 部署上線。
• 關鍵：不是 AI 能否寫程式，而是使用者能否清晰表達需求、在適當時機做決策。
• 成果：一個下午完成 22 個任務、37 個測試、2585 行程式碼，全部由 Claude Code 協助。
• 價值：大幅降低從想法到成品的摩擦力，讓知識管理與程式開發同時進行。

部署與測試

# 建立資料庫
rails db:create db:migrate
# 執行測試
bundle exec rspec spec/models/wiki_entry_spec.rb
# 啟動伺服器
rails server -e production

參考連結

• Karpathy 原始推文與 Gist: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
• 本實作的完整程式碼與部署腳本（GitHub repo 連結）

本文即為在 Rails 部落格上以 Vibe Coding 完成的 LLM 知識管理系統說明，已成功取代 Obsidian。