AI知識庫不是資料倉庫：從文章連結到選題和大綱的工作流拆解

之前幾篇，我不斷喺度講一個問題：

點解我哋收藏咗咁多文章，最後都係用唔返？

第一篇講嘅係收藏食塵。好多資料只係俾人保存咗，但冇被拆開、冇被調用，亦冇進入寫作流程。【點解你收藏咗咁多文章，最後都係寫唔出想要嘅文章？你要打造自己嘅個人知識工廠】

第二篇講嘅係 LLM Wiki。佢俾我嘅啟發係，知識庫唔應該只係臨時揾資料，而係要俾 AI 持續整理、更新同維護。【Karpathy 嘅 LLM Wiki 俾咗我一個啟發：知識庫唔應該只係收藏夾，而係加工成可調用、可維護、可產出嘅內容資產，提升寫作同內容創作效率】

第三篇，我將 Dan Koe 嘅內容輸出思路同 LLM Wiki 嘅知識沉澱思路擺埋一齊睇，發現佢哋其實啱啱好可以拼成一個更完整嘅方向：【AI知識庫唔應該淨係識得收藏：我想打造一個可以自動加工嘅AI知識庫，將 Dan Koe 同 LLM Wiki 合成 AIWiki】

所以呢篇開始，我唔再淨係講「點解」，而係開始講：AIWiki 究竟點樣運行？

我對 AIWiki 嘅理解，唔係「將資料儲存入去」。

如果只係儲存入去，咁佢同普通收藏夾冇本質分別。

我真正想要嘅係：一篇文章或者一個連結入咗系統之後，可以自動經歷一輪加工。

呢條線睇落唔複雜，但佢解決嘅係一個好核心嘅問題：資料唔係俾人儲起，而係加工成可以繼續使用嘅內容資產。

以前我收藏文章，收藏完就完咗。而家我希望一篇文章入嚟之後，至少可以回答幾個問題：

如果呢啲問題答唔到，咁佢就只係一個連結。但如果呢啲問題都可以答到，佢先開始變成我嘅知識資產。

好多人一聽到知識庫自動化，就會諗：係咪要自動抓取全網？係咪要自動監聽公眾號、飛書、微信、RSS？係咪要批量抓連結，然後自動入庫？

呢啲之後當然可以做。

但我而家反而覺得，第一版唔應該一嚟就搞得太複雜。

因為你手動掉入嚟嘅文章，本身已經經過咗一次篩選。

佢好大機會係你覺得有價值嘅，可能同你嘅工作有關，可能同你正在寫嘅內容有關，亦可能係你想之後反覆使用嘅資料。

呢種資料，唔需要先搞一套複雜評分。

你都主動掉入嚟，即係話佢已經值得被處理。

所以 AIWiki 嘅第一版，我會先做一個好剋制嘅版本：

先將一篇真正有價值嘅資料，完整行通。呢件事做好，後面嘅自動化先有意義。

資料入咗 AIWiki 之後，第一件事唔係總結。

而係保存原文。

呢一步我叫佢 Raw 原文歸檔。

點解要先保留原文？因為 AI 總結可能會錯。佢可能漏咗上下文，可能誤解作者原意，亦可能將一個只係推測嘅內容寫到似結論。

而且我哋自己嘅理解都會變。一篇文章，今日睇可能只係普通資料，過幾個月再睇，可能就會變成一個關鍵案例。

所以原文唔可以掉。

Raw 層嘅作用，唔係要我哋日日去讀原文。佢更加似工廠裏面嘅原材料倉庫。

後面無論點樣拆解、點樣生成資料卡、點樣提取選題，都要可以追溯到原文。

原文保留低之後，下一步係生成 Source Card，即係資料卡。

點解要有資料卡？因為原文太長喇。

一篇文章幾千字甚至上萬字，你唔可能每次寫嘢嗰陣都重新讀一次。

資料卡嘅作用，就係將呢篇文章壓縮成一張可以快速判斷價值嘅卡片。

注意，呢個唔係普通摘要。

普通摘要只係話俾你知「呢篇文章講咗啲乜」。而 Source Card 更關心嘅係：呢篇文章之後點樣用？

去到呢一步，AIWiki 先真正開始有意思。

因為好多文章真正有價值嘅，唔係成篇原文，而係裏面嗰啲可以拆出嚟、重新組合、反覆使用嘅部分。

我將佢哋叫做：創意積木。

呢啲嘢，比原文本身更適合重用。

你收藏一篇文章，可能之後好少再完整讀佢。但你拆出一個好開頭，可能之後寫 5 篇文章都可以參考。

好多人寫文章嗰陣，最痛苦嘅一步就係諗選題。

坐喺電腦前諗：今日寫乜？呢個方向有冇人睇？呢個角度係咪太普通？我有冇足夠資料支撐？越諗越卡。

但如果之前資料卡同創意積木已經積累起咗，選題就唔一定要憑空諗。

佢可以從素材裏面生出來。

咁一嚟，選題就唔係拍腦袋，而係基於已經沉澱嘅資料、觀點同積木生成出嚟嘅。

有咗選題，仲唔等於寫得。選題只係方向，真正可以令你開始動筆嘅係大綱。

所以 AIWiki 嘅下一步，係根據之前嘅資料卡、創意積木同選題，生成一個文章大綱。

呢個大綱唔需要一次完美。但佢至少應該俾我一個寫作起點。

好多知識庫去到內容產出呢度就完咗。

但我覺得仲差一步：迴流。

一篇文章發出去之後，佢會產生新嘅信息。

呢啲嘢唔可以掉。佢哋應該重新返返去知識庫裏面。

資料入系統，生成內容。內容發佈出去，產生反饋。反饋再返去系統，補充新嘅判斷。

呢個先係閉環。

最後講下我而家對第一版 AIWiki 嘅判斷。

我唔會一嚟就做大而全。

唔會一開始就追求自動抓取、批量處理、飛書羣監聽、微信入口、Discord 入口。

呢啲後面都可以做。

但第一版最重要嘅係：

如果單篇資料都加工唔好，批量只會批量製造垃圾。

如果單篇流程唔穩定，自動收集只會自動製造混亂。

所以第一版 AIWiki 嘅目標好清楚：

只要呢條小閉環可以穩定行起嚟，就已經好有價值。

到呢度，AIWiki 嘅整體流程就清楚曬。

佢唔係一個收藏夾，亦唔係一個簡單嘅 AI 摘要工具，更加唔係一個淨係識得問答嘅知識庫。

佢係一條由資料輸入到內容輸出嘅加工流水線。

文章或連結入咗嚟之後，唔係結束，而係開始。

下一篇，我會繼續拆：

包括 Source Card 資料卡、Creative Assets 創意積木、Topics 選題卡、Outline 文章大綱。

如果你都想睇呢套 AI知識庫點樣一步步搭起嚟，可以關注公眾號，回覆：

前面幾篇，我一直在講一個問題：

為什麼我們收藏了那麼多文章，最後還是用不起來？

第一篇講的是收藏吃灰。很多資料只是被保存了，但沒有被拆開、沒有被調用，也沒有進入寫作流程。【為什麼你收藏了那麼多文章，最後還是寫不出來想要的文章？你要打造自己的個人知識工廠】

第二篇講的是 LLM Wiki。它給我的啓發是，知識庫不應該只是臨時翻資料，而應該讓 AI 持續整理、更新和維護。【Karpathy 的 LLM Wiki 給了我一個啓發：知識庫不該只是收藏夾，而是加工成可調用、可維護、可產出的內容資產，提寫作和內容創作效率】

第三篇，我把 Dan Koe 的內容輸出思路和 LLM Wiki 的知識沉澱思路放在一起看，發現它們其實剛好能拼成一個更完整的方向：【AI知識庫不該只會收藏：我想打造一個能自動加工的AI知識庫，把 Dan Koe 和 LLM Wiki 合成 AIWiki】

所以這篇開始，我不再只講“為什麼”，而是開始講：AIWiki 到底怎麼跑？

我對 AIWiki 的理解，不是“把資料存進去”。

如果只是存進去，那它和普通收藏夾沒有本質區別。

我真正想要的是：一篇文章或一個連結進入系統後，能自動經歷一輪加工。

這條線看起來不復雜，但它解決的是一個很核心的問題：資料不是被存起來，而是被加工成可以繼續使用的內容資產。

以前我收藏文章，收藏完就結束了。現在我希望一篇文章進來以後，至少能回答幾個問題：

如果這些問題回答不了，那它就只是一個連結。但如果這些問題都能回答，它才開始變成我的知識資產。

很多人一聽到知識庫自動化，就會想到：是不是要自動抓取全網？是不是要自動監聽公眾號、飛書、微信、RSS？是不是要批量抓連結，然後自動入庫？

這些以後當然可以做。

但我現在反而覺得，第一版不應該一上來就搞得太複雜。

因為你手動丟進來的文章，本身已經經過了一次篩選。

它大概率是你覺得有價值的，可能和你的工作有關，可能和你正在寫的內容有關，也可能是你想以後反覆使用的資料。

這種資料，不需要先搞一套複雜評分。

你都主動丟進來了，說明它已經值得被處理。

所以 AIWiki 的第一版，我會先做一個很剋制的版本：

先把一篇真正有價值的資料，完整跑通。這件事做好，後面的自動化才有意義。

資料進入 AIWiki 後，第一件事不是總結。

而是保存原文。

這一步我叫它 Raw 原文歸檔。

為什麼要先保留原文？因為 AI 總結可能會錯。它可能漏掉上下文，可能誤解作者原意，也可能把一個只是推測的內容寫得像結論。

而且我們自己的理解也會變。一篇文章，今天看可能只是普通資料，過幾個月再看，可能就會變成一個關鍵案例。

所以原文不能丟。

Raw 層的作用，不是讓我們天天去讀原文。它更像工廠裏的原材料倉庫。

後面無論怎麼拆解、怎麼生成資料卡、怎麼提取選題，都要能追溯回原文。

原文保留下來之後，下一步是生成 Source Card，也就是資料卡。

為什麼要有資料卡？因為原文太長了。

一篇文章幾千字甚至上萬字，你不可能每次寫東西時都重新讀一遍。

資料卡的作用，就是把這篇文章壓縮成一張可以快速判斷價值的卡片。

注意，這不是普通摘要。

普通摘要只是告訴你“這篇文章講了什麼”。而 Source Card 更關心的是：這篇文章以後怎麼用？

到了這一步，AIWiki 才真正開始有意思。

因為很多文章真正有價值的，不是整篇原文，而是裏面那些可以被拆出來、重新組合、反覆使用的部分。

我把它們叫做：創意積木。

這些東西，比原文本身更適合複用。

你收藏一篇文章，可能以後很少再完整讀它。但你拆出一個好開頭，可能以後寫 5 篇文章都能參考。

很多人寫文章時，最痛苦的一步就是想選題。

坐在電腦前想：今天寫什麼？這個方向有沒有人看？這個角度是不是太普通？我有沒有足夠資料支撐？越想越卡。

但如果前面資料卡和創意積木已經積累起來，選題就不一定要憑空想。

它可以從素材里長出來。

這樣一來，選題就不是拍腦袋，而是基於已經沉澱的資料、觀點和積木生成出來的。

有了選題，還不等於能寫。選題只是方向，真正能讓你開始動筆的是大綱。

所以 AIWiki 的下一步，是根據前面的資料卡、創意積木和選題，生成一個文章大綱。

這個大綱不需要一次完美。但它至少應該給我一個寫作起點。

很多知識庫到內容產出這裏就結束了。

但我覺得還差一步：迴流。

一篇文章發出去之後，它會產生新的信息。

這些東西不能丟。它們應該重新回到知識庫裏。

資料進入系統，生成內容。內容發佈出去，產生反饋。反饋再回到系統，補充新的判斷。

這才是閉環。

最後說一下我現在對第一版 AIWiki 的判斷。

我不會一上來就做大而全。

不會一開始就追求自動抓取、批量處理、飛書羣監聽、微信入口、Discord 入口。

這些後面都可以做。

但第一版最重要的是：

如果單篇資料都加工不好，批量只會批量製造垃圾。

如果單篇流程不穩定，自動收集只會自動製造混亂。

所以第一版 AIWiki 的目標很清楚：

只要這條小閉環能穩定跑起來，就已經很有價值。

到這裏，AIWiki 的整體流程就清楚了。

它不是一個收藏夾，也不是一個簡單的 AI 摘要工具，更不是一個只會問答的知識庫。

它是一條從資料輸入到內容輸出的加工流水線。

文章或連結進來之後，不是結束，而是開始。

下一篇，我會繼續拆：

包括 Source Card 資料卡、Creative Assets 創意積木、Topics 選題卡、Outline 文章大綱。

如果你也想看這套 AI知識庫怎麼一步步搭起來，可以關注公眾號，回覆：