用AI搭了一座会生长的知识库

十年间，你的知识碎片可能散落在五六个不同的笔记应用中——Apple Notes、Evernote、飞书云文档...每个平台都承载着部分记忆，但当你想找回某段重要的思考时，却要在多个App之间反复横跳。这种体验积累久了，就会变成一种隐形的焦虑：你知道自己这些年想了很多有价值的东西，但它们就是找不到。

搭建一座会生长的知识库

一位知识工作者决定不再忍受这种碎片化带来的困扰。他用Obsidian结合Claude Code，用AI的强力加持，把散落在3个平台的767个文件整合进了一个统一的知识库。但这次的目标不是简单地把旧笔记搬个家，而是搭建一个能够持续吸收、消化、输出的「活系统」——知识库负责沉淀认知，记忆库负责记录轨迹，两者交织生长。

碎片合并与数据清洗

整个初始搭建过程分为10个步骤。第一步是规划目录结构——在导入任何文件之前，先把知识库的骨架搭好，从00_inbox到90_system的目录层级、命名规范、标签分类体系，全部先定义清楚。这就像搬家之前先把新房子的柜子装好、标签贴好、区域规划好。第二步不是整理，而是排雷——十年笔记里什么都有，包括密码、助记词等敏感信息。这些东西一旦进入版本控制历史，删都删不干净。于是先扫一遍，把8个敏感文件立即移出。任何数据迁移项目都应该先排雷后施工。

遇见十年前的自己

费劲的是碎片合并。十年随手记下的片段，大量是几十个字的灵感碎片——「某某说过一句话」「忽然想到一个点」。单独存没价值，直接删又可惜。处理策略是分两轮：第一轮直接合并100字以下的碎片（50个→15个归档），第二轮仔细分析处理100~800字的（139个→26个归档）。Evernote那批数据最复杂，451个文件中包含大量过时的技术教程，2014年的Node.js、2015年的Angular 1.x、2016年的Android开发教程，全部过时，果断删了112个。AI在分类、搬运、批量清洗HTML、识别内容类别上发挥了重要作用——316个Apple Notes的分类归档，AI不到一小时就完成了。但有一件事AI干不了：判断「这条笔记对你有没有意义」。那只有你自己知道。

常青笔记与输出管线

当把十年的记忆摊开来看，会发现一些主题在大脑中反复出现——不是你刻意追逐的，而是潜意识里一直在转的东西。这位作者从笔记中识别出12个跨年反复出现的主题，初步提炼出6个常青笔记——这些是会持续迭代、不断深化的核心认知。六个词横跨投资、技术、哲学，看起来八竿子打不着，但它们确实是同一个大脑转了十年的东西。这大概就是整理和回顾的真正价值——你以为在在搬文件，其实在重新认识自己。知识库最大的陷阱是「只进不出」——收藏一万条，发布零条。于是专门建立了从笔记到发布的流水线，支持5种输出格式，关键不是提高写作质量——质量靠上游的持续打磨——关键是降低发布摩擦。

如有侵权，请联系删除。