RAG

围绕个人知识资产库，讨论从 Obsidian、第二大脑框架延伸到本地向量知识库。

有群友分享本地部署越狱模型绕过常规模型限制的经历，并提到 qwen3.6-35b-a3b 和 orinth1.0-35b 的分工体验。

关于 Obsidian 和个人知识资产库，群里形成的共识是先明确自己的用途和框架，再借鉴《第二大脑》等方法。

群友实测老 i5 8600 Mac 打开 TK 直播软件后 CPU 直接跑满，提醒直播设备不要低估本地算力要求。

Obsidian与第二大脑讨论从工具推荐延伸到知识库方法论：AI可以辅助整理、链接和调用，但原始判断与录入必须经过本人验证，否则知识库会变得陌生。

围绕 AI+化学最大机会，群友给出的方向集中在制药，以及电子化学品、农化等产业链应用。

知识库的第一问题不是用什么工具，而是这个知识库要服务什么决策和输出。

LLM Wiki适合先把碎片知识结构化，Agentic RAG适合在任务中调用。

内容创作者需要把杂乱观点整理成可复用洞察，再叠加自己的表达风格。

直播和长视频可通过录制、转写、整理变成高密度文档，节省大量学习时间。