先存下来，才谈用起来

很多人用 AI 提效，第一反应是把链接丢给模型，让它总结。但这件事有两个问题：一是网页可能打不开、内容会消失；二是每次都让 AI 重新读一遍，Token 花得像流水。更稳的办法，是先把好内容收进自己的本地知识库，再让 AI 在这个小池子里工作。

Obsidian Web Clipper 这类工具的价值，不只是“剪藏网页”。它真正改变的是信息处理顺序：从“看到一次、问一次 AI”，变成“看见、入库、整理、复用”。

信息收集别追求大而全

普通人做知识库，最容易败在“收藏癖”。论文、文章、项目文档、公众号、平台长文，什么都存，最后只是换了个地方吃灰。

我更建议用三个判断来决定要不要收：

  1. 这条信息未来 30 天会不会被我再次使用？
  2. 它能不能支撑一个选题、课程、方案或决策？
  3. 它有没有比普通搜索结果更高的密度？

符合其中两条，再入库。否则就别让它占地方。

对内容和教育从业者来说，知识库不是仓库，而是备课室。仓库追求多，备课室追求随时能拿出来用。

推荐一个四步工作流

第一步，剪藏原文。看到论文、好文章、开源项目文档，不急着总结，先用浏览器插件保存到 Obsidian。本地保存的好处是稳定，图片、链接、正文结构尽量保留下来，后面查证也方便。

第二步，加最少标签。不要设计复杂分类。建议只保留三类：领域标签，比如 AI、教育、运营；用途标签，比如选题、课件、案例；状态标签，比如待读、已读、可复用。

第三步，让 AI 做第一轮加工。不是让它“帮我总结一下”这么粗，而是固定成模板：核心观点是什么？可迁移的方法是什么？适合用在哪类业务场景？有什么前提和风险？这样每篇内容都会变成可比较的知识卡。

第四步，定期二次整理。每周挑 5 条最有价值的素材，合并成一个主题笔记，比如“AI 辅助备课”“私域内容选题”“开源项目学习路径”。真正的知识沉淀，不发生在收藏那一刻，而发生在合并和重写的时候。

AI 的角色要往后放

这里有个关键判断：AI 不应该替你决定什么重要，它应该帮你处理已经判断过的重要内容。

如果一开始就把所有网页交给 AI，你得到的是一堆漂亮摘要，但很难变成自己的判断。更好的方式是人先筛选，工具负责保存，AI 负责压缩、改写、对比和检索。

这样做还有一个现实好处：省 Token。你不用每次把长网页重新喂给模型，而是让 AI 面对本地已经整理过的笔记。内容越积累，成本越低，复用率越高。

可直接照做的清单

准备一个 Obsidian 库，建三个文件夹：Inbox 放刚剪藏的原始资料，Cards 放 AI 加工后的知识卡，Projects 放正在服务的选题、课程或方案。

每次剪藏后只做一件事：在文件头写一句“我为什么存它”。如果这句话写不出来，说明它大概率不值得存。

每周固定清一次 Inbox：能用的转成卡片，暂时不用但有价值的保留，没价值的删除。知识库真正的门槛，不是插件安装，而是敢删。

最后记住一句话：个人知识库的目的不是显得很会学习，而是让你下一次写文章、做课、出方案时，比昨天少从零开始一点。