Knowledge Management

一句话定义

知识管理是把你从 AI 那里获得的东西——结论、流程、判断标准——写回一个结构化、可检索的地方，使它在下次能被复用。

判断标准很简单：下次遇到同类问题时，你是重新问一遍，还是能直接找到上次的答案？

为什么重要

AI 让产出变得极其便宜，于是也制造了新的浪费：一个下午产生二十段对话，一周后全部失效。

更要紧的是第二个理由：结构化的知识是 Agent 的燃料。 当你的笔记是一堆散乱的 Markdown 时，模型只能靠猜；当它有自己的格式、目录、术语表时，模型可以直接在其中检索与引用。

换句话说，知识管理不再只是给人看的，也是给 Agent 看的。这改变了写笔记的方式——写得清晰，成为了一种接口设计。

三种值得区分的知识

大多数人的笔记只有第一类。真正省时间的是后两类，因为它们承载了不能靠检索重新获得的东西。

几个有效习惯

• 给结论，不给过程。聊天记录不是知识，提取出的结论才是。
• 一个主题一个文件。按概念组织，不按时间组织。
• 写「为什么」，也写「为什么不」。被否决的方案价值极高。
• 统一的元信息。标题、摘要、标签、更新日期。这是能被机器读取的前提。
• 定期删除。过期的结论比没有结论更危险，因为它会被信任。

与 RAG 的关系

当笔记积累到几百篇，检索就成问题。这时把它们喂给 RAG 系统，或者让 Agent 直接读取文件目录，就能把静态笔记变成一个可问答的知识库。

前提仍然是：结构清晰。 检索系统无法弥补糟糕的组织方式。

常见误解

• 「收藏就是学习」：收藏是把判断推迟到未来，而未来的你不会比现在更闲。
• 「工具决定效果」：换十个笔记软件，不如坚持一个简单的目录结构。
• 「让 AI 自动化整理就行」：AI 可以帮你提取，但主题划分与判断标准必须由你定。

延伸阅读

• Research Workflow：知识的上游
• RAG：把笔记变成可检索的知识库