真正有用的知识库，不是资料夹

很多人搭知识库，最后搭成了“电子杂物间”：文章收藏一堆，会议记录一堆，灵感碎片一堆，真要写方案、做课、拆选题时，还是从头想。

Obsidian + Claude Code，或者 Obsidian + Codex、Trae，本质上不是“笔记软件加聊天机器人”。它更像一个轻量工作台：Obsidian 负责把材料放稳，AI 负责帮你整理、追问、改写、生成下一步动作。判断标准只有一个：它有没有让你下次做同类事情更快。

三层结构就够了

普通人不需要一上来搞复杂体系。一个能自生长的知识库，先分三层。

第一层是“原料”。比如刷到的选题、用户问题、课程反馈、行业案例、自己的想法，都先丢进 inbox。这里不追求优雅，只追求不丢。

第二层是“判断卡”。每条材料都要被压缩成一句判断：这件事说明了什么？适合谁？能怎么用？比如“AI 知识库的价值不在收藏，而在让重复工作模板化”。这一步很关键，因为知识库不是存信息，而是存你自己的判断。

第三层是“动作模板”。凡是反复出现的工作，都写成可执行模板：选题拆解模板、课程大纲模板、销售问答模板、复盘模板、爆款标题模板。AI 最擅长的不是替你凭空创造，而是沿着模板批量生产初稿。

AI 应该怎么接进来

不要把 AI 当搜索框，要把它当“知识库编辑”。最实用的工作流是：

  1. 把一条材料放进 Obsidian 的 inbox。
  2. 让 AI 读取这条材料，生成“判断卡 + 可借鉴点 + 可能应用场景”。
  3. 如果这条材料能复用，就让 AI 补进某个模板或 SOP。
  4. 每周让 AI 扫一遍新增笔记，合并重复判断，找出还没产品化的线索。
  5. 真要写文章、做课、写脚本时，让 AI 只基于你的知识库出初稿。

这样做的好处是，你不是每次都“重新问 AI”，而是在训练一套自己的工作语料。时间久了，AI 输出会越来越像你的经验，而不是网上的平均答案。

文件夹少一点，命名狠一点

最容易失败的地方，是一开始就设计十几个文件夹。建议只保留五类：Inbox、Cards、Templates、Projects、Archive。

每条判断卡的标题要能直接搜索，比如“AI 知识库不是收藏夹，而是复用系统”。不要叫“笔记 001”或者“好文摘录”。好的标题本身就是知识库的索引。

每张卡建议固定四项：一句判断、适用场景、可执行动作、关联模板。内容不必长，但必须能被下次调用。

内容和教育从业者怎么用

如果你做内容，知识库可以沉淀选题判断：什么问题值得写，什么表达用户能听懂，什么案例能反复用。

如果你做教育，知识库可以沉淀教学资产：高频疑问、易错点、讲解比喻、练习题变体、学员反馈。每次交付后，把真实问题整理成卡片，下次备课就不是从零开始。

真正的运营打法是：把“临时灵感”变成“可复用资产”，再把“可复用资产”变成“可交付模板”。AI 只是加速器，知识库才是复利账户。

最小启动清单

今天就能开始：建 5 个文件夹，写 3 个模板，丢进 10 条原料，让 AI 帮你整理成 10 张判断卡。不要先追求完美结构，先让它跑起来。

能自生长的知识库，不是因为工具高级，而是因为你给每条信息都问了一个问题：这东西下次能不能帮我少想十分钟？