---
title: "Personal Knowledge Base (RAG)"
type: source
tags: [agent, rag, knowledge-base, memory]
date: 2026-04-15
---

## Source File
- [[raw/Agent/usecases/knowledge-base-rag.md]]

## Summary
- 核心主题：语义可搜索个人知识库，自动从任意 URL（文章/tweets/YouTube/PDF）摄取内容
- 问题域：书签堆积无法检索，看过的内容找不到
- 方法/机制：Drop URL 到 Telegram/Slack → 自动抓取内容 → 向量嵌入 → 语义搜索返回 ranked 结果+来源
- 结论/价值：RAG 驱动的个人第二大脑；其他工作流可查询知识库获取相关已存内容

## Key Claims
- Drop any URL 自动摄取：文章/tweets/YouTube transcripts/PDFs
- 语义搜索："What did I save about agent memory?" 返回 ranked 结果+来源引文
- 喂入其他工作流：视频创意管线构建 research cards 时自动查询知识库
- Zero maintenance：URL 即摄入触发器

## Key Quotes
> "You read articles, tweets, and watch videos all day but can never find that one thing you saw last week." — 核心痛点

## Key Concepts
- [[RAG]]：Retrieval-Augmented Generation，基于向量嵌入的语义检索
- [[个人知识库]]：第二大脑，内容自动积累+语义检索
- [[语义搜索]]：自然语言查询，返回 ranked 相关结果
- [[内容摄取]]：URL → 结构化文本 → 向量嵌入全流程

## Key Entities

## Connections
- [[NotebookLM]] ← 共享 source-grounding 理念
- [[向量数据库]] ← 底层存储检索基础设施
- [[Embedding]] ← 语义表示核心机制
- [[Agentic AI]] ← 自主触发知识库查询
- [[Content Factory]] ← 可查询知识库获取背景信息

## Contradictions
- 与传统书签/笔记工具冲突：
  - 当前观点：语义搜索+自动摄取优于手动书签整理
  - 对方观点：手动整理确保质量和结构
  - 结论：摄取自动化+人工审核结合最优