个人知识系统
能自己维护自己
问题｜经验散在脑子里和聊天记录里，写完就散，想复用时找不到。
改变｜42 份资料编译成 76 篇可引用的判断，成了日常 AI 使用里最核心、最高频的决策依据中心——盐焗方法论、Skill 创建、方案设计都先来这里取判断。
角色｜76 篇 / 2187 条双链 / 13 项机器检查，2026-10-29。
改变｜42 份资料编译成 76 篇可引用的判断，成了日常 AI 使用里最核心、最高频的决策依据中心——盐焗方法论、Skill 创建、方案设计都先来这里取判断。
角色｜76 篇 / 2187 条双链 / 13 项机器检查，2026-10-29。
01 · 三个数字每个数字说明一件不同的事
下面三个数不是为了显得量大，而是分别对应「它是网络 / 它按场景检索 / 它知道自己哪篇能用」。各说一句就够。
2187 / 76
平均每页 29 条互链
它不是文件夹，是网络。任何一篇都能顺着链接走到邻居，而不是靠记路径。
75 / 76
有「触发语」
写清什么场景下该想起它。检索从场景出发，不从标题出发——人说不出关键词，但说得出症状。
30 / 46
会用 vs 只听过
库自己知道哪篇能当结论引用、哪篇只能说「库里有这套方法」。
02 · 结构四层：原始资料 → 编译层 → 索引 → 调用方
左边只读，中间可改，右边才是被使用的地方。四层分开的理由是：原始资料永远不要动，错误只可能出在编译层。
LAYER 1原始资料
42 份 raw，只读。书摘、课程笔记、公开文章、我的实测记录，进来之后原样放着，不做摘要、不改写。
为什么这样切：编译结果可以重做，原始资料丢了就补不回来。所以这一层永远给写权限之外的东西让路。
LAYER 2编译层
76 篇知识页。每篇是一个能独立引用的判断单元：结论、适用条件、反例、出处。一次编译，之后只做增补和过期标注。
它不是原文的搬运——原文只回答「谁说过」，这一层要回答「在什么条件下成立、什么时候会失效」。
LAYER 3索引
三种索引：领域目录（东西该放哪）、双链网络（2187 条互链）、场景触发语（75 篇写清「什么时候该想起它」）。
实测同一批真实问题：全文检索返回 37 篇候选，这套索引压到 3 篇左右——搜索解决找得到，索引解决不用找。
LAYER 4调用方
三个：我自己（决策前查）、AI（写东西前查、且受准入限制）、对外方案（只引 used 那一档）。
调用方不是「读者」，是会被库里的东西影响判断的人——所以第三层索引必须区分「能用」和「只是存在」。
03 · 核心机制掌握度分层：防的不是找不到，是「装会」
一般知识库的通病是「存了就等于会了」。我给每篇打了三档，并且把它变成 AI 的引用准入规则：
| 档位 | 含义 | AI 的引用权限 |
|---|---|---|
| used · 30 篇 | 我真用过，有实践结果 | 可以当结论讲 |
| heard · 46 篇 | 只听过、没实践过 | 只能说「库里存在这套方法」，不许替我做判断 |
| unread · 0 篇 | 没读 | 不引用 |
这是整套系统里我最看重的一条。它防的不是「找不到」，是AI 把「我读过」包装成「我会」——而这恰恰是大模型最擅长的骗术：它不知道你没做过，它只知道库里有。
库的价值不在存了多少，在于它敢说「这篇我不能替你判断」。
——掌握度分层存在的唯一理由
04 · 踩过的坑两个「工具在骗我」的记录
这两件事都不是理论推演，是发生过的。它们也是 13 项检查和三条硬规矩的来源。
脚本把 3 篇正文清空了，其中一篇 13 万字备份 / 比对 / 复核
我用脚本批量给全库加标签。脚本里有一行，我以为它「什么都不做」，实际上它把 3 篇正文清空了——系统没有回收站。
靠三层备份全部找回。之后定下三条硬规矩：写之前必须备份、写之后必须比对字符长度、脚本改写必须逐篇复核正文有没有变。
靠三层备份全部找回。之后定下三条硬规矩：写之前必须备份、写之后必须比对字符长度、脚本改写必须逐篇复核正文有没有变。
自动检查报了 10 个问题，只有 4 个是真的分类后再改
体检脚本跑出 10 条「问题」，我差点按它全改了；逐条分类后发现只有 4 个是真的，另外 6 个是它自己判断错了。
之后的规定是：检查工具的输出只能当「线索」，不能当「结论」——每条先分类，再决定改不改。
之后的规定是：检查工具的输出只能当「线索」，不能当「结论」——每条先分类，再决定改不改。
这两段传达的不是「我很会用 AI」，是我知道 AI 会在哪里骗人，并且给它设了闸。这才是我觉得稀缺的部分：不是它能做多少，是它做错的时候，系统能不能发现。
05 · 门槛为什么难复制：不是技术，是纪律密度
先说清楚：这套东西里没有一行代码是我写的，全是我指挥 AI 生成、我再使用和调试的。所以技术不构成门槛，门槛在下面三件事：
| 门槛 | 具体是什么 |
|---|---|
| 320 行规则 | 写清每个字段什么意思、什么情况必须标矛盾、什么叫「不许编造」 |
| 13 项检查 | 机器可查，不是靠自觉——跑一遍就知道哪里断了 |
| 六方一致 | 导航计数必须对上：三处导航 + 6 个领域目录 + 实测文件数，差一个就是错的 |
工具谁都能装。坚持半年、每次改动都过这套检查，才是门槛。现在新增一份资料约 20 分钟，跑一遍全库检查 3 分钟；上次全库体检：真实断链 0 条。
06 · 常见追问四个被问最多的问题
| 问题 | 答法 |
|---|---|
| 这不就是 Notion / 飞书文档 + ChatGPT？ | 差三处：① 双链是物理存在的（2187 条，点得到）；② 掌握度可过滤（AI 引用前先查准入）；③ 规则机器可查（13 项每次跑）。Notion 存文档，这套存可被引用的判断。 |
| AI 都能搜了，为什么还要建库？ | AI 不缺信息，缺的是「该看哪几页」。实测同一批问题：全文检索 37 篇候选，索引压到 3 篇左右，降噪九成。 |
| 你自己维护得过来吗？ | 成本在设计期，不在日常：新增一份约 20 分钟，全库检查 3 分钟，真实断链 0 条。 |
| 能给别人用吗？ | 规则和结构能复用，内容不能——used 那一档是我自己的实践证据，别人拿去只有骨架。所以我交付的是方法和规则，不是这个库本身。 |
还有三句介绍时不该说的话，也写在这里提醒自己：「我用 AI 建了个第二大脑」——烂大街到没有信息量；「我有 76 篇知识页」当卖点——会被反问「才 76 篇」，要改说「76 篇里有 30 篇是我真用过、能当结论讲的」；「这套东西全是我自己搭的」——不准确，改成「我指挥 AI 搭的，规则和判断标准是我定的」。
最小启动 · 三步
- ① 先定一个只读层——原始资料进来就不动，编译结果坏了可以重做，原文丢了补不回来。
- ② 每页写一句触发语——别写摘要，写「什么症状出现时该翻这篇」。检索靠症状，不靠关键词。
- ③ 给自己标 used / heard——没有这一档，AI 迟早会把「读过」讲成「做过」。
反过来：只是收集资料、不打算拿它做判断的场景，不需要这套。它会变成另一个没人维护的文件夹。
// 来源与归属：架构不是我想出来的，是三套现成东西叠加后做的自己的适配——① LLM Wiki 模式（Karpathy 提出，raw 只读、AI 负责编译、编译一次持续保鲜）；② 一位内容从业者的十文件夹结构（解决「东西该放哪」）；③ 某商业课程的数据操作七步纪律（预判·识别·收集·处理·使用·反馈·治理）。数字为 2026-10-29 实测：76 知识页 / 42 份 raw / 2187 条双链 / 触发语 75 / used 30 · heard 46 / 规则 320 行 / 13 项检查 / 9 个自建专家包。已脱敏：不出现公司名、客户名、课程真名、同事姓名。