我用过的笔记工具能列一长串，印象笔记、Notion、Bear、Logseq，绕了一大圈最后又回到纯文本，每换一个我都以为这次终于能把自己的信息管好，结果无一例外都是一样的下场，存进去的东西再也没打开过第二次。「收藏即遗忘」这句话，我是拿好几年时间亲身验证过来的，中间还搭进去过不少钱和心气，换更贵的服务、折腾更花哨的工具，到头来发现真正的毛病一直没解决。
后来我才慢慢想明白，工具其实从头到尾都不是问题，问题是没人维护。一个知识库想活着，得有人天天给它除草、连线、归档，而我恰恰是那个没这个耐心的人。不过真正让我下决心推倒重来、又老老实实搭一套系统的，还不是这件老毛病，而是另一件事。
真正让我动手的，是 AI 根本不认识我
我现在几乎每天都在用 AI 干活，写代码、做决策、查资料，可每开一个新对话，我都得把自己从头交代一遍，我是谁，在做什么项目，我的偏好是什么，上次我们聊到哪了。AI 很强，强到认识全世界的知识，唯独不认识我。每次重新交代背景，几分钟就这么没了，更让我别扭的是，它给的永远是那种放之四海皆准的「通用最优解」，而不是「适合我的解」，因为它压根不知道我的约束、我的框架、我这一路是怎么走过来的，于是只能给我一份谁问都一样的答案。
所以我想要的，其实根本不是又一个更好用的笔记软件，我想要的是一个持续可读、越用越懂我的东西，一层「关于我的上下文」，一个 AI 能反复读取的、关于我的记忆体。想清楚这一点之后，很多以前纠结的问题，一下子就有了取舍的标准。
我给这套系统只留了三件事
我给整套系统立了三条规矩，它只服务这三件事，别的一概不做。第一，让 AI 更懂我，把我的规则、偏好、判断这些东西，写成机器能读的形式；第二，沉淀我的信息，把每天流过我眼前的东西筛一遍，只留下值得留的；第三，提升我的效率，让 AI 在高上下文的前提下直接替我干活，而不是每次都从零开始。这三条听着有点像口号，但对我来说很实在，因为后面每一个设计我都拿它们当尺子量，落不到这三件事上的，不管看起来多酷，我都不做。我以前吃过太多为了「看起来在进步」而做无用功的亏，这次不想再犯。
先把「收集」和「沉淀」分开
其实我最开始也没想那么多，就是把「收集」和「沉淀」当成了同一件事，刷到一篇文章觉得标题不错，顺手就存进知识库，想着以后有空再看。这套做法我干了好几年，从印象笔记到 Notion，工具换了一茬又一茬，结果每次都一样，库里塞了几百上千条再没点开过的东西，存的时候心安理得，好像存下来就等于学到了，可存完基本就忘得一干二净。后来我才反应过来，这跟我以前为了更新而更新博客那种假忙碌是一个毛病，看着挺勤奋，其实只是拿「我在收集」给自己一点心理安慰，说到底是件低 ROI 的事。
想明白之后我改了规矩，我不再存那些「以后想看」的东西，只存我「已经看完、而且确实觉得有价值」的东西。换句话说，存这个动作本身就是我的筛选，一条信息能进到我的收集里，前提是我真的消费过它、掂量过它值不值。我用一个叫 Karakeep 的自托管稍后读工具接着这些东西，但它对我早就不是「稍后读」了，而是「已经读过、值得留」的一个出口。这么一改，我的库一下子就从几百上千条的焦虑源，变成了一小撮我真金白银认可过的东西。
而这一小撮，才是整件事的重点。因为我到头来想要的，不是又一个更整齐的收藏夹，而是把这份我亲手消费、亲手筛过的数据，交给 AI 去整理、去消费，让它越用越懂我。整理归类这种脏活累活我懒得自己干，就让 AI 沿着我定的规矩把它们归好类、沉淀进知识库，我只留住最上游那件机器替不了的事，判断什么东西对我有价值。之前 AI 对我来说一点都不个性化，说到底就是缺了这套数据流，它认识全世界，唯独不认识我，因为我从来没把「我觉得什么有价值」这件事，用它读得懂的方式沉淀下来过。
底座是一套按「给 AI 读」来摆的 PARA
沉淀这一层的骨架，是老生常谈的 PARA 加 Obsidian，纯本地 Markdown，这部分我真没什么好讲的，网上一搜一大把，谁都能照着搭。真正让我这套跟别人不一样的地方在于出发点，大部分人整理笔记是按「方便我自己以后翻」来组织的，而我是按「方便 AI 读」来组织的。就这一个出发点变了，后面一连串的设计就都跟着变了，我下面说的那些看起来有点较真的做法，其实都是从这一条推出来的。
懂我之一：把规矩直接写给机器看
我知识库的根目录里躺着两个文件，CLAUDE.md 和 AGENTS.md，这两个文件不是写给我自己看的，是写给 AI 看的操作手册。里面全是些很具体、甚至有点琐碎的东西，文件夹怎么分、文件怎么命名、移动文件之后要顺手把双向链接更新掉、哪些带数字前缀的目录不许乱动、提交信息该怎么写，甚至还有一条是，每当我提到自己的近况，就自动追加到某个固定的文件里去。
这件事对我的意义，其实是把「我对 AI 的要求」这件一直靠临场交代的事，沉淀成了文字。我主力用的是 Claude Code，它每次进来先把这两个文件读掉，就大概摸清了这个库的规矩，于是它就从一个聪明但健忘的临时工，变成了一个读过员工手册的常驻维护者。这中间的差别，用过的人应该都懂。
懂我之二：让它按需去读，而不是每次全读一遍
光有规矩还不够。一个知识库一旦大起来，几百上千个文件，AI 跟人是一样的，都不可能每次全部读一遍，读不过来，就等于没有上下文，这跟我以前笔记堆到最后自己都不想打开是一个道理。我的办法是让信息分层暴露、按需下钻。每个领域文件夹我都分成三层，最外面是一个很薄的 README，一句话说清这个领域是干嘛的，然后告诉读者先读哪几份；中间是一张完整的链接地图，把这个领域底下所有笔记按主题列全；最里面才是具体的正文，只在真正需要的时候才打开。
这里最关键的一笔，是给少数几份「权威文档」打个标记，比如一个领域当前的状态、核心的规则，我会把它标成 canonical。AI 进到一个领域，先读 README 摸清全貌，再顺着指引把那一两份 canonical 读掉，基本就掌握了八成的上下文，而不用把几十份历史稿囫囵全吞下去。过时的过程稿我则统一沉到 Archive 和快照里，平时根本不进它的视野。说到底，我费这么大劲去分层，图的就是让 AI 用最少的 token 读懂关于我的东西，这跟我这几年越来越在意「把精力花在刀刃上」是一脉相承的。
懂我之三：沉淀的不只是信息，还有我的判断
前面讲的这些，说到底都还是在组织「信息」，但要让 AI 真的懂我，光有信息是不够的，还得让它知道我是怎么判断的。既然我筛信息靠的就是「我消费过、我觉得有价值」这一下，那我索性再往前走一步，把「我到底凭什么觉得一条信息有价值」这件事，从纯凭感觉，往下写成了几条大致的标准，可信度、可操作性、相关性、新颖性，还有一条我自己挺看重的，反 hype。
这里我得说句实话，免得把这套东西讲得比实际高级。我并没有写什么自动评分器，真正被自动化的只有搬运那一段，有脚本把我存进 Karakeep 的东西同步到我自己的一台服务器，再定期拉回来，爬取原文、加上 frontmatter、改成规范文件名、按规矩归好类。判断这件事我一点没交出去，还是我自己在做。我把标准写下来，不是为了让机器替我拍板，而是为了让这份判断能被复用，一来我自己前后一致，不至于今天一个心情明天一个心情，二来 AI 也读得懂，这样当我把一篇东西丢给它，它回我的就不再是一份谁都能拿到的泛泛总结，而是照着我的标准来看过的东西。我以前做过一些 eval 和 harness 的活，对这点感受很深，一个判断想被稳定复用，前提是它先被清清楚楚地写下来，光在脑子里是不算数的。
同样的路子我也用在更要命的决策上，比如理财，我会先让 AI 把我自己的框架读一遍，再对照现状帮我指出缺口，但绝不让它替我拍板。规矩永远是那一句，AI 做对照，人做决定。
到后来，我是在像运营一个代码库一样运营我的知识库
走到这一步我才回过神来，我其实是在拿运营代码库的那套方式，运营我的知识库。既然是我和 AI 一起高频改动，那就一定会生熵，断掉的双向链接、没人引用的孤儿附件、忘了写 frontmatter 的新笔记、又堆超了的收件箱，这些东西光靠我人肉巡查，迟早得漏，而且我很清楚自己就是那种会漏的人。
所以我干脆给知识库上了 lint，一个脚本定期去查有没有死链、有没有孤儿附件、最近的笔记缺不缺 frontmatter、收件箱是不是又超了，格式那一层还有 prettier 兜底。再往上加了一些日常自动化，Git 定时同步，还有几个固定的复盘流程，每日回顾、每周综合、收件箱处理，我都做成了能一键触发的 skill。这些加起来，等于给了整套系统一种「改完能自检」的心智，而不是靠一句「我觉得没问题」蒙混过去。对一个打算把一部分判断交给 AI 的系统来说，这种兜底在我看来根本不是可选项。
一个最能说明问题的瞬间
其实你现在看的这篇博客，就是拿这套系统写出来的。我没有从一张白纸开始，我跟 AI 说了句「写篇博客介绍下我的知识管理方式」，它做的第一件事，是去读我的库，读 CLAUDE.md 知道我的博客放在哪、frontmatter 该怎么写，读我那几份关于信息系统的笔记搞清楚细节，甚至把它自己几天前帮我重构知识库时留下的记录也翻了出来。于是它不是在替一个通用用户写一篇通用的 PKM 文章，它是在替我写，带着我的上下文、我的例子、我的语气。中间我们来回改了好几版，它还会时不时提醒我，这个例子涉及隐私、你这里之前的说法其实有点夸大了。这就是我前面说的那三件事同时成立的样子，它懂我，用上了我沉淀下来的信息，也实实在在帮我省下了从零解释、从零起稿的那些时间。
代价，和一个我还在守的判断
这套东西当然是有代价的，前期搭起来一点都不轻松，写规矩、定结构、调脚本，花了我不少功夫，它也只对那种愿意把信息当资产来经营的人才有意义，你要是本来就不怎么记笔记，那这套系统对你纯属过度工程，别学我。还有一条边界我一直在心里反复掂量，就是信任，AI 能帮我维护、能帮我对照着判断，但哪些事可以交给它、哪些事必须我自己来，这条线我得始终拎得清，一松手它就容易替我把主意也拿了。我现在的答案还是那句老话，AI 做对照，人做决定。
但有一件事我是越来越信的，往后每个人可能都需要这么一层「关于我」的上下文，不是为了管理信息本身，信息管得再漂亮也没什么意思，而是为了让那些越来越强的 AI 能真正为你所用，而不是每次都把你当成一个刚认识的陌生人。我现在做的，说穿了也没多玄，只是趁早给自己造了一个而已。