它能解决什么问题
想拥有自己的知识库和第二大脑，也希望 AI 更了解自己，却卡在资料零散、学习难以沉淀、经验不能复用。人生复利系统就从这些具体的问题开始。
- 想建个人知识库，资料却散落在各处
- 笔记在备忘录里，资料在收藏夹里，想法留在聊天中。从一件正在做的事开始，让 AI 协助整理你提供的材料，建立有位置、找得到的个人知识库。
- 想有一个第二大脑，学过的东西却总是用不上
- 用自己的话解释学到的内容，联系经历、留下疑问，再通过 Wiki 把理解连起来。需要写作、做分享或解决问题时，可以找回并复用。
- AI 总要重新认识我，建议也不够贴合自己
- 把经历、目标、长期关注与协作偏好保存为人生上下文。新任务或换一个 AI 工具时，让它读取相关内容，减少反复自我介绍。
- 想做自己的数字分身，却不知道先积累什么
- 从真实经历、做过的选择、表达习惯和判断依据开始记录。这些属于自己的数字资产，让 AI 逐渐了解你的思考方式，也为数字分身打下基础。
- 事情做完就过去了，下一次仍然从零开始
- 把项目成果、踩过的坑和有效的方法留下来。下一次开始前，让 AI 帮你查找相关复盘，让经验持续帮到新的行动。
真正的复利，来自一次次理解、实践与复用。
一场会员分享课，怎样从讨论走到课件？
从我准备会员课程的使用场景出发：先和 AI 讨论要解决的问题，再调动已有知识、补充资料、打磨案例。最后把自己的思考做成课件，让这次的准备也能帮助下一次。
01 / 先和 AI 把方向聊清楚
“我想给会员讲一场资产配置课。先和我讨论一下：怎样才能让大家听完之后，知道如何用在自己的生活里？”
“你最希望会员听完后，能够自己回答哪一个问题？”
02 / 调动知识，补上缺口
先找已有的积累
请 AI 查找我提供的投资笔记、Wiki 和过去课件，挑出相关概念与自己已整理的经验。
已有材料 → 这次课程的基础再补充新的资料
缺少的部分，再查公开原始资料，或补充我读过的研报与书籍笔记。涉及数据，核对来源、日期和口径。
按需要检索、阅读和核实生活目标 ↔ 现金流 ↔ 资产配置
03 / 用自己的话，讲给人听
“用一个虚构家庭来讲：同样一笔钱，明年要用和十年后才用，为什么不能只看收益率？”
让资产配置，回到生活目标。
- 先明确钱要用在什么地方
- 用家庭案例理解期限与风险
- 练习列出自己的目标与用钱时间
用费曼式解释检验讲法，用苏格拉底式提问检查假设。
04 / 把思考做成可以分享的内容
按需要借助文档、作图或网页工具制作；我核对内容与展示效果，确认后再交付。
课后记录：哪些地方讲清楚了，哪些问题还需要研究？把自己的复盘关联到 Wiki，下一次备课就能从这里接着走。
PARA 保存项目与成果 · Wiki 沉淀理解 · AI 协助下次复用让积累发生复利
这套方法从三个动作开始。先保留真实内容，再形成自己的理解，下一次遇到问题时，把它用上。
- 01 / CAPTURE留下来
一句想法、一份笔记，
或一次实践的结果。 - 02 / UNDERSTAND想明白
用自己的话解释，
联系经历，保留疑问。 - 03 / REUSE再用起来
找回旧经验，
支持新的行动与选择。
新的实践又会留下新的理解。循环发生得越多，你越容易找到属于自己的经验和做事方式。
PARA / 给行动一个位置
事情很多，材料放在哪里？
Tiago Forte 提出的 PARA，把信息按它与你当下行动的关系，分成项目、领域、资源、归档四类。需要推进一件事时，相关材料就在一起；事情结束后，也能把它妥善放下。
项目PROJECTS
近期要完成什么？有明确目标和完成时间的事情。
准备一次分享 · 制定年度旅行计划领域AREAS
长期要照顾什么？需要长期维持的责任与生活领域。
健康管理 · 家庭财务 · 持续学习资源RESOURCES
什么值得留作参考？感兴趣的主题，以及以后用得上的材料。
读书笔记 · AI 资料 · 投资方法归档ARCHIVES
什么可以暂时放下？已结束或不再活跃的项目与材料。
已完成的分享 · 暂停的研究LLM WIKI / 让知识产生联系
资料存下来了，下次怎样用得上？
卡帕西（Andrej Karpathy）的 LLM Wiki 思路，是让 AI 持续把原始资料整理为相互链接的知识页。概念、主题和来源之间的联系被保存下来；新材料到来时，可以更新已有理解、标记矛盾，减少每次提问都重新拼凑资料的工作。
在人生复利系统里，我们加入了自己的学习原则：先有自己的理解与输出，再让 AI 协助整理进 Wiki。收藏的原文可以先保存，一两句自己的解释、疑问或实践体会，就能成为沉淀的起点。
文章、笔记、实践记录，加上自己的解释与问题。
例如：费曼学习 ↔ 一次分享的复盘 ↔ 用例子解释复杂问题
下一次准备分享时，找回旧例子与复盘，改进这次表达。
新的实践与理解，再回到知识库。
思路来源：Andrej Karpathy · LLM Wiki ↗。这是知识管理思路，可以与自己的 Agent 一起实现。
放在一起，才更容易用起来。
PARA 管好事情和材料，Wiki 连接理解，AI 协助整理与复用。
比如准备一场分享：在「项目」里推进课件，用「资源」保存参考，让 Wiki 提供过去积累的相关概念。分享结束后，把项目归档，把新的体会继续沉淀下来。
两种思考的方法
理解一个知识点，可以试试费曼学习；理清一个判断，可以试试苏格拉底提问。两者都让你先表达，再借助 AI 发现值得继续想的地方。
把理解，讲清楚。
用自己的话，向一个第一次接触这个主题的人解释。讲不清的地方，就是下一步值得回到材料、核对例子或亲自实践的地方。
- 试着解释
- 发现缺口
- 核对与实践
- 重新表达
“我理解了：先问听众最关心什么，再选能说明问题的例子。下次分享，我先从他们的问题开始。”
我刚学了一个主题，想用自己的话解释给你听。请先听我讲，再指出哪里含糊、跳步或缺少例子，一次帮我理清一个地方。需要核实的事实，请提醒我回到原材料确认。最后保留我的理解和仍待验证的问题。
可以按需选用，不必每次做完整套练习。表达清楚之后，事实与判断仍需要核实；还没想明白的，就如实留下。
让 AI 带你开始
把下面这段话交给一个能联网、读写本地文件的 AI Agent。它可以先为你介绍项目，再协助获取文件、在本地搭建，并一步步了解你的情况。
我想了解并开始使用人生复利系统：https://github.com/charlespai/life-compounding-system 请先阅读项目的 README 和使用说明，用通俗的语言介绍它的理念、能解决的问题，以及我可以怎样使用。 然后帮我把项目保存到电脑上的一个新文件夹，先和我确定保存位置，再由你完成下载或克隆，不覆盖已有内容。如果我已经有个人知识库，先备份、比较差异，保留原有资料和定制，确认后再合并。若你无法联网或读写本地文件，请说明需要我协助的具体步骤。 在本地搭建好以后，请先阅读根目录的 AGENTS.md，再阅读 .claude/commands/初始化.md，按里面的流程一步步引导我初始化。我可能不知道该提供什么，请你主动提问，一次问一个问题；我答不上来时给一些例子。了解我正在做的事、兴趣爱好、长期关注、经历、目标和习惯后，帮我搭好框架，再带我保存第一条真实内容。 最后告诉我这次保存了什么、文件在哪里，以及下次怎样继续使用。
- 1
先让 AI 介绍项目
让它阅读 GitHub 项目，讲清楚这套方法能做什么，再结合你正在做的事，找到第一个适合自己的使用场景。
- 2
由 AI 协助本地搭建与个性化
告诉它文件保存在哪里，按所用工具的提示授权。获取项目、读取规则和引导初始化，都可以交给 Agent 协助完成。
跟着它的问题，逐步说清正在做的事、兴趣、目标和习惯，搭出自己的起点。一次回答一个问题，可以跳过、暂停，也可以先开始使用。
- 3
留下第一条，下次再用起来
从今天的一个想法、最近的一次学习，或刚做完的一件事开始。直接告诉 AI：“帮我把这句话记下来。”保存后，确认实际文件和位置，再试着用自己的话解释它。
开始下一个任务时，再问：“以前有没有能帮到这次任务的经验？”让这个循环，从真实生活里发生。
你可能还想了解
本页根据公开项目 v3.3 整理。最新内容与使用说明以 开源仓库 为准。
