一个 Knowrary 知识库（vault）：只有数据，没有程序。这里放的是我自己的学习笔记与认知图谱—— 计算机系统、编译、AI / Agent 这几条线，一个知识点一个 md，节点之间用带类型的关系连起来。
程序在 Knowrary：本地跑一个服务，把这些 md 渲染成可拖动的结构图，还能出题、记复习、把文章拆成节点。
git clone https://github.com/asdbex1078/Atlas.git
git clone https://github.com/asdbex1078/Knowrary.git && cd Knowrary
python3 -m venv .venv && .venv/bin/pip install -r server/requirements.txt
./server/dev.sh
# 浏览器里打开 http://127.0.0.1:8765/ ，「设置 → 知识库」选中刚才 clone 的 Atlas 目录也可以用 Obsidian 直接打开本目录——它本来就是一个 vault。
我会继续往里写。你要是直接在这个目录里学习、摆位置、记复习，下次 git pull 会和我的改动撞上。
两个更省心的做法：
- 只读着看，看到有用的知识点，用 Knowrary 的「复制到我的库」抄进你自己的库；
- 或者 fork 一份，从此各走各的。
在 Knowrary 里新建一个属于你自己的空库只要一步：「设置 → 知识库 → 选择目录 → 选定并初始化」。
| 路径 | 放什么 |
|---|---|
nodes/ |
知识节点，按领域分子目录（01-理论基础 … AI、Agent，_stubs 是待补的空壳） |
fields/ |
领域总览，每个顶层领域一个文件 |
harness/ |
还没拆成节点的学习笔记原文 |
assets/ |
节点里引用的图片 |
relation-types.json |
关系类型表：5 个族，具体类型可以自己加 |
.knowrary/ |
机器数据：图的摆位、项目清单、教练侧写、历次导入的方案 |
节点怎么写、关系怎么连，见 Knowrary 仓库里的 doc/规范文档/Markdown文档规范.md。
这里不会有密钥：LLM 配置写在 .knowrary/llm.local.json，被 .gitignore 挡着；
答题记录、复习流水、对话留档同理——它们是过程，不是知识。