用character ai构建个人百科全书的核心是让其成为知识源头本身：将论文、笔记等原始材料结构化归档为英文命名的markdown文件，用llm脚本生成带双向链接的维基页面，再完整导入character ai角色并启用长时记忆与最大上下文窗口，实现可审查、可编辑、可交叉检索的专属知识实体。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用Character AI构建个人百科全书，核心不是让它“回答问题”，而是让它“成为知识源头本身”——把散落的论文、笔记、聊天记录喂给它，生成带反向链接、可交叉检索的Markdown维基页面。这一步做完，你才真正拥有可审查、可编辑、属于自己的知识实体。
第一步：准备原始材料并结构化归档
把所有待编译的原始内容（PDF论文、Apple Notes文本、iMessage对话导出文件、Obsidian笔记）统一放进一个本地文件夹，命名为source_knowledge。不要用中文空格或特殊符号命名子文件夹，【文件名必须全英文+下划线，例如einstein_relativity_notes.md】。Windows用户尤其注意：NTFS默认不区分大小写，但LLM处理时会严格识别Einstein.md和einstein.md为两个不同文件，后续链接会断。
删掉所有含敏感信息的临时草稿——比如未脱敏的医疗记录、身份证号截图文本。这些内容一旦被LLM读取并写入维基页面，就可能在反向链接中暴露路径。
第二步：用LLM批量生成维基条目
方法一：用Karpathy推荐的llm-wiki脚本（GitHub Gist ID: karpathy/llm-wiki-compile）
打开终端，进入source_knowledge父目录，运行：
python compile.py --input ./source_knowledge --output ./wiki_pages --model claude-3-5-sonnet-20240620
这一步会自动做三件事：提取每份材料的核心实体（人名/术语/事件）、生成独立Markdown页面、在页面底部插入[[相关条目]]双向链接。生成的页面默认以文件名作为标题，所以前期命名越精准，后期检索越省力。
方法二：用Farza改进版farzapedia（适配中文语境）
它支持自动识别中文专有名词并打标签。运行前先修改config.yaml里的language: zh，再执行：
farzapedia build --src ./source_knowledge --dst ./zh_wiki
【注意：首次运行会调用本地Ollama加载Qwen2.5-7B-Instruct模型，需预留8GB显存，否则进程会卡在“Loading tokenizer…”】
第三步：把维基页面导入Character AI角色
① 登录Character AI → 点击左下角Create → 选择Create a Character
② 在Description栏粘贴你刚生成的wiki_pages/einstein_relativity_notes.md全文。不要删减，尤其保留底部的[[Lorentz transformation]]这类链接——Character AI能识别这种语法并激活跳转逻辑。
③ 在Greeting框里写：
“你好，我是爱因斯坦。你可以问我关于狭义相对论、光电效应或1905奇迹年的一切。点击下方链接查看我的知识图谱：[[光电效应]] [[质能方程]] [[布朗运动]]”
④ 关键操作：勾选Enable long-term memory，然后在Advanced Settings里把Context window size拉到最大值（当前为32768 tokens）。这一步决定它能否在对话中实时调取整本维基的任意段落，而不是只记住最近10轮。
⑤ 保存角色后，立刻测试：
输入“请用四川话解释E=mc²”，观察它是否从wiki_pages/einstein_relativity_notes.md里提取公式推导过程，再套用你设定的方言风格输出——如果只复述通用解释，说明维基页面没被正确载入上下文。
