我做了 8 年知识管理，去年把印象笔记停了

作者：尔东陈在路上｜发布日期：2026-08-26｜原文：https://mp.weixin.qq.com/s/mwfp3TjkFKB2cywhCKYQ7w

——AI 时代，你该管的不是信息，是你自己

一对一辅导实录 | 本期主题：AI 知识管理

学员问我的第一个问题，几乎是所有人的问题。

"我用过 Notion，用过 DeepSeek，现在主要在 Obsidian 里折腾。但我始终没找到一个好的点去沉淀知识——感觉学了不少东西，看了不少书，回头一看什么都没剩下。"

这个"学了但没剩下"的感觉，我太熟悉了。我从 2017 年开始做知识管理，做了 8 年。而去年，我几乎停用了印象笔记——那个我曾经建了上百个分类笔记本的地方。

不是因为工具不好用，而是因为我发现：我过去 8 年管的那个东西，在 AI 时代已经不值钱了。

这一期辅导，我把 8 年的演进和现在的完整做法讲了一遍。

01上一代知识管理：分类、整理、然后再也不打开

先说我过去怎么做的，因为它错得很有代表性。

2017 年我入门时，最流行的方法论是"分类"。我建了一套编号体系：100 是工作，200 是学习，300 是生活，400 是兴趣，每个大类下面再分小类、再挂笔记本。

我在印象笔记里搭了 8 年的分类体系：编号 + 大类 + 主题，一层套一层

分类之上还有一套工作流，叫**"输入—整理—输出"**：剪藏、随手笔记先进 Inbox 暂存，每个周末我抽时间过一遍、归到对应笔记本，最后输出读书笔记或分享。

这在上一个时代是标准答案。但大模型出来之后，我发现一个尴尬的事实：

我剪藏一篇网上的文章，我的 AI 一个 web 检索就拿到了。那我费劲收藏它、分类它、整理它，价值到底在哪？

答案是几乎没有价值。所以我用印象笔记越来越少，最后基本停了。

02真正值钱的，是只有你才有的那部分上下文

停用之后我花了很长时间想一个问题：下一个阶段，知识管理到底该管什么？

我的结论是：**在 AI 时代，最核心的资产是跟你自己相关的上下文。**你的经验、判断、总结、决策过程——这些是大模型预训练数据里没有的，是它真正读懂你所必需的语料。反过来说，跟你无关的东西管起来没有意义，它只是信息，而信息现在随处可得。

这个判断在我本地部署 OpenClaw（就是大家说的"养龙虾"）之后更确定了。它的 memory 做得不错，我让它定期读我的反思日记、增量更新，现在跟它聊，反馈明显不是那种面面俱到的口水话，而是贴着我的实际情况回答的。

顺着这个思路，卡帕西（Karpathy）那篇 LLM Wiki 讲得更清楚：不要停留在 RAG——每次都让模型从原始文档里重新拼凑答案。应该让模型持续维护一个结构化、互相链接的 wiki，新材料进来就读取、提炼、整合。知识被编译一次，然后保持更新。

卡帕西的 LLM Wiki：知识应该被"编译"并持续维护，而不是每次重新检索

学员当场反应过来："是不是知识获取变简单了，反而我们向内沉淀的价值更高？"——对，就是这个意思。

03输入层：把"记录"的启动成本降到接近于零

思路清楚了，剩下的是工程问题。我的系统还是"输入—整理—输出"三层，但每层做法都变了。

输入层我用一个 AI 语音笔记工具，配一张录音卡（贴手机背面）。

原则是：值得记的，当场就记。会议全程录，日常想法随口说，目前累积了一千多条。两个关键点：

**第一，写反思日记。**这件事我从 2018 年做到现在，是影响最大的习惯。

它给我三样东西。一是"发酵"——想法从粗糙到成熟需要反复琢磨。二是了解自己——写多了能看出自己的模式，比如我发现自己回避正面冲突，这就是性格底色。三是记录人生——如果不记录，怎么知道自己存在过。

**第二，用语音写作。**我最早用 ORID 那套结构，写了很久，但太格式化、很难受，后来就放弃了，想到什么写什么。再后来发现更好的方式是语音输入。

对习惯打字的人这是个坎——打字本身就是思考，换成说话会别扭。但语音调动的是另一套能力：即时表达和临场反应。哪怕一篇日记跳了五个主题，都没关系。

除了日记，我还会把跟 AI 聊明白的东西沉淀下来。比如想搞清楚 MCP、Agent SDK 各解决什么问题，聊透之后直接让它"帮我总结作为笔记"，再贴回知识库。

04整理层：这一层，人不该再碰了这是 AI 时代差别最大的一层。以前我周末花时间把 Inbox 挪进分类笔记本；现在这件事人不该做——AI 整理得比你好，还可以定时做。

具体做法：语音笔记工具有 API 和 CLI，我在服务器上挂了个定时任务，每天把新笔记同步到本地知识库（Obsidian）。历史数据一次性导入，之后全靠增量。

关键一步——我在知识库里建了一个 Wiki 目录，用一份规则文件（AGENTS.md）告诉 AI 怎么整理：输入源是哪个目录，产出分成哪几类，命名规范和 frontmatter 格式是什么。

Wiki 目录的规则文件：输入源、目录结构、编号规范、frontmatter 全部写清楚

我分的几类是：主题、洞察、决策、人物、时间线。

洞察，是从笔记里提炼的关键认知，而且能溯源。人物，是我和相关的人之间的关系脉络。时间线，把每年的关键节点汇聚起来。主题，是把散落各处的零碎笔记系统汇总。

第一次跑完的时候，我是真的被震到了。我的时间线、我的洞察全部列出来，我自己的人生经历像一本书一样摊在面前，前所未有地清晰。

更重要的是，这件事有复利。它一直在那儿，不会丢，一辈子都能用。

学员这里补了一句很准的话："skill 是你技能的沉淀，这个更像是把你的大脑做了个备份，再基于备份做提炼。"——确实更立体。

顺带一个判断：未来两年一定会出现更像"个人 AI"的产品，到那天你把上下文交给它就行——前提是它在你手上。越早积累越好。

05输出层：让它自动帮我攒公众号选题

输出这一层，我的出发点是建立个人影响力。

**我所有的公众号文章都从反思日记里来。**因为纯理论的东西发出去没意思——那类内容 AI 时代人人都能生成。只有跟自己经历结合的，才真的吸引人。

所以我写了个 skill，配每周触发的定时任务：读一周的日记 → 筛出适合发公众号的主题并打分 → 写成文章 → 生成标题 → 生成封面图 → 存回本地。

每周自动跑的选题 skill：从日记里挑主题、成文、配图，一条流水线

本来还能更进一步，直接通过 API 推到公众号草稿箱，但那需要配固定 IP 白名单。我家里机器的 IP 老变，就放弃了。写出来的不合适就不发，关键是它在持续攒选题。

另外提一个惊喜功能。我用的语音笔记工具里有个"发芽"：它基于你这篇笔记，结合自己的课程知识库，给你新角度和 idea。经常能看到"啊哈时刻"。

"发芽"报告：基于你自己的笔记向外延伸，给出新的切入角度

学员这里说了一个我很有共鸣的痛点："听东西的时候觉得满篇都是重点，怕遗漏又记不过来。"有录音卡加自动整理，这个焦虑基本没了。

06如果只记三句话1.人工整理笔记这件事，已经不 work 了。

打标签、建关联、维护分类——这些交给 AI，一条规则就够了。

2.管你自己的东西，别管别人的东西。

剪藏别人的文章价值很低。你的经验、判断、决策过程才是独一份的语料。

3.把启动成本降到接近于零。

不要谈"坚持"——需要坚持就说明太费劲了。如果记录只是拨一下录音卡，它才能长期跑下去。

还有一句是学员总结的，我觉得比我说得好：要为下一个五年的 AI 提前准备好你的上下文。写在最后

这是我和这位学员的第二次辅导。

我做辅导的方式很简单：不讲通用教程，就着你的情况，把踩过的坑、跑通的流程、能复用的规则和 skill 一起过一遍。像这次，聊完我就把公众号自动化的两个 skill 打包发给他。这些自己摸索要花几个月，有人带一遍，一两小时就能搭起来。

**如果你也卡在"学了很多但什么都没沉淀"这个状态，或者想搭一套自己的 AI 知识管理系统，欢迎找我做一次辅导。怎么找我：**公众号后台发消息「辅导」，或者直接留言你目前最想解决的问题。

如果这篇对你有用，点个「在看」或者转给那位也在折腾笔记工具的朋友。

本文整理自 2026 年 8 月 24 日一次一对一辅导的录音，已征得学员同意，涉及个人身份的信息均已隐去。