电脑里存了几百份资料，收藏夹里躺着一堆链接，AI 对话记录越积越长，可真到写文章、做方案的时候，还是得重新翻一遍。
那篇介绍某个工具的笔记放在哪？上次对比产品时得出的结论是什么？刚让 AI 整理好的内容，又留在了哪个聊天窗口里？
资料已经收集了不少，下一次用起来却依然费劲。
最近在 GitHub 上看到的 OpenKnowledge，就很适合拿来研究这个问题。这个项目已获得约 4.2K Star，定位是面向人与 AI Agent 的 Markdown 编辑器和知识库，支持接入 Claude、Codex、Cursor 等工具。
它把文档编辑、AI 协作和知识管理放在同一个工作区里：你负责阅读、判断和修改，Agent 可以参与查找、整理和写作，内容则落在实际的 Markdown 文件中。
先看看它的协作演示，左边交代任务，右边的文档随之更新，连图表也能一起呈现。
OpenKnowledge AI 协同编辑演示
Markdown，也能有这么舒服的编辑界面
不少人喜欢 Markdown，是因为文件轻便、结构清楚，换个编辑器还能继续打开。
但写长文章时，标题符号、图片语法、表格分隔线挤在一起，多少会打断思路。特别是需要频繁插图、修改表格的时候，注意力很容易从内容转移到格式上。
OpenKnowledge 提供了所见即所得编辑界面，也保留 Markdown 源码模式。标题、列表、表格、代码块和图片都能直接编辑，输入斜杠还可以调出插入菜单。
对普通作者来说，这意味着可以先专注于文字和版式，需要检查原始格式时再切换视图。
它的内容呈现也比较丰富：支持 Mermaid 图示、数学公式、视频和 PDF 等；还可以嵌入 HTML 内容，用来展示交互预览或可视化结果。
比如写一篇开源工具介绍，正文讲功能，表格列适用场景，截图展示操作；写技术方案时，再放入流程图和代码示例。几种表达方式可以出现在同一份文档里。
OpenKnowledge 富文本、HTML 嵌入与模板功能文档好不好读，往往就取决于这些具体细节。
不过，带交互的 HTML 内容依赖支持它的渲染环境，搬到公众号等平台发布时，需要另行处理为平台支持的文字、图片或视频。
让 AI 直接参与文档工作，少一点来回复制
平时用 AI 改稿，最常见的流程是什么？
复制原文，切到聊天窗口，输入要求，等待回答，再把新版本贴回编辑器。改得多了，还得反复确认哪一版才是最新的。
OpenKnowledge 把 Agent 接入放在了产品的主要位置。它提供 MCP 和 Skills，帮助连接的 Agent 搜索、编辑、扩展和维护知识库；既能在应用里协作，也能与外部 AI 工具配合使用。
可以把 MCP 理解成 AI 使用文档工具的接口，把 Skills 理解成告诉 AI“在这里怎样工作”的操作指南。
下面这些，是结合其能力可以尝试的任务示例，实际结果仍取决于接入的 Agent 和已有资料：
这套方式真正吸引人的地方，是任务可以围绕当前文件和知识库展开。你修改的文档，也能成为下一次工作的起点。
收藏的资料，有机会长成一个能继续使用的知识库
OpenKnowledge 的另一个重点，是 LLM Wiki。
名字听起来有点技术味，放到实际使用中，可以理解为：你提供材料，让 Agent 按约定整理成有结构、有关联、能追溯来源的文档。
它的知识库模板把内容划分为原始资料、研究草稿和较稳定的知识文章。原始资料先保留，分析过程单独记录，形成稳定结论后再进一步整理。
这个安排对长期做内容的人很有价值。
比如你持续关注 AI 写作工具，最开始存下来的是产品介绍和使用笔记；随着资料增多，可以围绕“本地部署”“风格分析”“团队协作”等主题整理研究，再把验证过的结论写成专题文章。
每一轮整理，都能给下一轮选题留下一点可用的积累。
检索方面，项目提供 Agentic Search：Agent 可以搜索、读取文档、沿着关联链接继续查找，并根据结果调整下一步。默认路径不要求单独搭建向量数据库，语义搜索属于可选能力。
这也让文件夹命名、文档标题和相互链接有了更实际的作用。资料组织得清楚，Agent 就更容易找到该读的内容。
写公众号的人，可以先试试这套三阶段模板
如果觉得知识库概念太大，可以从一个更熟悉的用途入手：管理自己的写作。
OpenKnowledge 提供 Writing pipeline 模板，把内容分成三个阶段：灵感、草稿、已发布，并配有相应的模板和 Agent 操作指引。
拿开源工具类公众号来说，平时遇到一个有意思的 GitHub 项目，先记进灵感区。决定写它时，再进入草稿阶段，补资料、列结构、整理截图。文章发布后，归档成稿和链接，之后做合集或对比文章时就有东西可查。
这里还有个容易误解的细节：模板中关于检查搁置选题、推进草稿的行为，需要你向 Agent 发起任务，它们并不是后台定时自动运行的提醒。
它给作者提供的是一套可用的工作秩序。选哪个题、怎样判断资料、什么时候发布，仍然由你决定。
AI 改过哪里，可以打开记录看一眼
让 AI 参与写作之后，版本记录会变得更重要。
某段话被删掉了，某个结论被改写了，或者你觉得两轮之前的开头更自然，都需要有地方回看。
OpenKnowledge 的时间线会记录文档修改，包括人的编辑、Agent 的编辑、外部文件变化和上游同步。你可以查看差异，也可以恢复某个历史版本；恢复会新增记录，保留已有历史。
下面这张界面图就很直观：左边是可阅读的正文，右边能看到具体修改，增加和删除的内容用不同颜色标出。
OpenKnowledge 编辑时间线与内容差异截图对需要反复推敲的文章来说，能比较版本、找回表达，会比不停保存“最终版”“最终修改版”更省心。
团队使用时，还可以按需要启用 GitHub 同步，选择手动同步、自动拉取，或自动拉取并推送。遇到冲突时，产品提供差异视图供用户处理。
想装起来，桌面版和浏览器版都可以
项目提供 Windows、macOS 和 Linux 桌面版。Windows 有 x64、Arm64 安装包；macOS 桌面下载提供 Apple Silicon 版本；Linux 则有 deb 和 rpm 包。
想先体验的用户，可以下载对应版本，确认电脑已安装 Git，再创建项目或打开已有的 Markdown 文件夹，按引导配置需要使用的 AI 工具。
如果更习惯浏览器，或者使用 Intel Mac，也可以通过 CLI 启动本地 Web 编辑器。需要先安装 Node.js 24 或更高版本，以及 Git。
安装命令是：
npm install -g @inkeep/open-knowledge
然后进入准备好的资料目录，初始化并启动：
cd your-project
ok init
ok start --open
其中 your-project 需要替换成你实际的文件夹路径。这种方式是在本机启动服务，再通过浏览器打开编辑器。
第一次使用，我建议先拿一个小目录试试，放几篇熟悉的笔记，体验编辑、AI 整理和版本恢复，再决定怎样组织更大的资料库。
开源、本地文件，有哪些实际意义？
OpenKnowledge 的文档内容保留为项目中的 Markdown 或 MDX 文件，也可以打开已有的 Markdown 资料目录。对已经积累笔记的人来说，这降低了重新开始的成本。
不过，“文件在本地”与“所有 AI 处理都在本地”是两件需要分别确认的事。
如果接入云端 Agent，相关内容可能会随任务发送给对应服务；启用可选语义搜索时，查询和匹配文本会发送给配置的服务提供方。
软件本身开源免费，接入 AI 工具产生的订阅或调用费用，则取决于你的选择。
如果你正在找一个能长期保留资料、又方便 AI 参与整理的工作台，这些文件和连接方式值得提前了解。
让下一次写作，不必重新翻遍所有资料
我觉得 OpenKnowledge 最值得关注的地方，是把阅读、整理、写作和回查放到了一起。
看到好资料，可以保存；形成新想法，可以继续写；让 AI 帮忙整理之后，结果还能留在文件里，成为后面工作的依据。
它比较适合已经有一批笔记、项目文档或写作素材，也愿意逐步整理它们的人。对于内容创作者，可以先搭一个选题和草稿工作区；对于开发团队，可以从项目说明、方案和复盘文档开始。
不用一上来就追求一个庞大的“第二大脑”。先拿手里十几篇真正会用到的资料，完成一次整理，再试着基于它们写出一篇文章，往往更容易看出工具有没有帮上忙。
好的知识库，应该让已经花过的时间，在下一次工作里继续发挥作用。
项目地址：
https://github.com/inkeep/open-knowledge
