ARTICLE · 1086840
不是多一个聊天框:我把 PDF、Markdown 和项目资料做成了可持续追问的个人知识库
不是多一个聊天框:我把 PDF、Markdown 和项目资料做成了可持续追问的个人知识库我做 CoreNote 的起点，来自一个非常普通的困扰。 做研究、写方案、推进项目、学习一门新技术时，资料总会不断累积：论文和报告是 PDF，过程记录在 Markdown，需求和复盘散落在项目文档里，网页收藏、表格、会议材料也越来越多。 这些文件并没有消失。它们通常都“在”。 但当我真正需要回答一个问题时——比如“这个结论当时依据哪份资料？”“最新版本的规则是什么？”“上次讨论的限制条件还有哪些？”——问题就出现了：我需要翻很多文件、回忆很多上下文，还要判断找到的是不是最新、是不是完整、是不是适用于当前场景。 所以我想做的并不是又一个“上传 PDF 后和它聊天”的工具，而是一套能够长期沉淀资料、围绕资料持续追问、并尽量回到来源核验的 AI 知识工作台。 它叫CoreNote。 
很多工具都能保存文件，也有很多 AI 产品支持上传文档后提问。 但长期使用时，真正让人疲惫的往往是下面这些问题： 同一个项目有多个版本的文档，旧结论和新规则混在一起； PDF、Markdown、网页、Word、Excel、PPT 分散在不同位置； 知道资料里可能写过，却想不起是哪份文件、哪个章节； 找到了片段，却不知道前后有什么条件、例外和限制； AI 给出了看起来合理的回答，但无法判断它依据了什么； 第一次问完还行，继续追问时上下文又丢了； 已经整理过一次的资料，过几周后又重新变成了文件堆。 这不是“再加一个聊天窗口”就能解决的问题。 我更希望把资料变成一种可复用的工作上下文：平时可以归档、关联和补充；需要时能检索；提问时尽量带着来源；确认过的结论还能继续沉淀下来，服务下一次研究和项目工作。 
可以把它理解为这样一条链路： 这条链路看起来简单，但每一步都决定了知识库会不会越用越有价值。 
CoreNote 面向的并不是某一种文件。 你可以将 PDF、Markdown、网页内容、Word、Excel、PPT、HTML，以及日常项目资料逐步纳入同一套知识入口。对我来说，这一步的价值并不是“把所有文件搬家”，而是为资料建立统一的查找路径。 例如： 一份研究报告和它对应的阅读笔记； 一套项目规范和后续的故障复盘； 一篇网页文章和自己的 Markdown 摘要； 一份课程讲义和练习、问题记录。 它们原本是独立文件，但围绕同一个主题或项目时，本来就应该被一起理解和复用。 原始资料很重要，但真正可复用的，往往是你读完之后留下的判断、摘要、问题和后续行动。 因此，CoreNote 不只把文件当作问答材料，也让 Markdown、文件资源和项目资料成为知识工作流的一部分。 我会把确认过的结论、方案草稿、阅读笔记、项目记录写成结构清晰的 Markdown，再和对应文件放在同一主题下。这样下次提问时，系统不仅能找到原始文档，也有机会找到已经整理过的上下文。 文件列表很容易越来越长。 CoreNote 的知识图谱和文档/主题关联视图，尝试通过文件结构、标题、关键词以及手动创建的节点，帮助我理解资料之间的关系： 这份文档属于哪个项目？ 一个主题还关联了哪些笔记、报告或文件资源？ 某个概念在不同资料中是怎样被讨论的？ 它不是替代原文阅读，也不是自动生成“唯一正确的知识图谱”。它更像是一张辅助地图：当资料开始变多时，帮你从“文件堆”回到“主题和关系”。
如果只追求一次性问答，上传文件后直接让模型回答当然很快。 但一旦资料变多、文档变长、版本变多，答案质量往往取决于之前有没有做好一些并不显眼的工作。 
PDF 的视觉排版并不等于可检索结构。双栏、页眉页脚、目录、表格、脚注、扫描件和跨页内容，都会影响文本提取与分块。 Markdown、Word、Excel、PPT 也都有自己的结构。把所有文件都按同一种方式粗暴拆开，容易让标题、前提、例外和结论彼此分离。 所以资料进入知识库后，需要经过解析、清洗、结构化和元数据补全。目标不是承诺把每份文件做到“完全无损”，而是尽可能让后续检索有更清晰的上下文，也保留回到原文件核验的入口。 项目说明、研究结论、SOP、产品方案都会更新。 如果旧文件和新文件不加区分地参与检索，AI 很容易把过时内容当成当前规则。更好的做法是给资料保留版本、更新时间、状态和主题等信息；新的资料进入后，旧版本可以归档，在需要追溯历史时再主动查看。 这不是复杂的企业级文档治理，而是个人知识库也值得拥有的最基本“时间感”。 长文档不可能一次全部放进模型上下文，所以通常需要分块。 但如果只拿到一小段命中文本，模型可能看不到前面的条件、后面的例外，回答就容易断章取义。 CoreNote 的思路是：让更细的片段用于定位相关内容；在真正回答时，再尽量回到对应的完整段落、章节或父文段，并结合文件名、标题、版本等来源线索。这样得到的不是一条孤立句子，而是更接近原始资料的上下文。 “语义相近”和“精确匹配”不是同一件事。 当你问“和这个问题类似的历史讨论是什么”，向量检索能够帮助找到表达不同、但意思相近的内容；而当你查模型名、接口字段、错误码、项目代号或条款编号时，关键词检索又非常关键。 所以 CoreNote 支持把语义检索与关键词检索组合为混合检索，并在需要时进行去重和重排序。它的目的不是堆砌技术名词，而是减少两类检索各自的遗漏。
AI 给出答案很容易，难的是知道它为什么这么回答。 在研究、学习和项目工作中，我不希望把任何一次回答当成不需要验证的最终结论。更有价值的是：回答能够关联到相应文件、标题、片段或上下文，让我继续判断： 这份资料是什么时间的？ 它是不是当前有效版本？ 结论有没有前提或例外？ 这个说法能不能被另一份资料交叉验证？ 当证据不足时，系统更应该提示“资料不充分”“需要补充文件”或“建议人工确认”，而不是把猜测包装成完整答案。 这也是我理解的“可核验”：不是承诺 AI 永远正确，而是尽量让用户能回到资料本身做判断。
假设先问： 接着又问： 第二句话依赖前一个问题的主题，但它不应该只靠模型“记住刚才说了什么”。更合理的方式是保留必要的对话上下文，同时继续回到知识库中检索部署说明、资源限制、历史问题记录和相关资料。 因此，CoreNote 的持续追问并不是把所有聊天记录无限塞进提示词，而是希望在理解当前主题的基础上，继续从资料中找证据。 这对于长期项目尤其重要：聊天可以帮助提出问题，但资料才应该是结论的基础。 
目前，CoreNote 围绕“资料 → 知识 → 工作产出”的过程，提供这些方向的能力：
个人研究者和学生：管理论文、课程讲义、阅读笔记、实验资料，围绕一个研究问题持续检索和追问； AI 从业者和开发者：沉淀技术文档、接口资料、评测记录、故障复盘与项目规范； 知识工作者：整理报告、网页资料、会议材料、产品方案和历史记录； 小团队：在相对可控的部署环境中，为共享资料建立统一的知识入口。 CoreNote 并不承诺替代成熟的企业级权限、审计、大规模协同、高并发系统或复杂合规治理。 文档解析也会受到文件质量、扫描件、表格结构和资料本身完整性的影响；模型输出同样需要人回到来源进行判断。 我希望它先成为一套可信、可控、可以逐步完善的知识工作流，而不是把所有问题都包装成“AI 自动解决”。
如果你也想尝试建立个人知识库，我建议从一个很小的主题开始： 不要一开始就追求最复杂的架构。先保证资料找得到、答案回得去、错误能复盘，知识库才会真的越用越好。
我做 CoreNote，不是为了让 AI 替我“读完所有文件，然后给一个看起来很厉害的答案”。 我更希望它帮助我把散落的资料，慢慢沉淀为一种可以检索、可以关联、可以持续追问、可以核验来源、可以在下一个项目里再次使用的长期资产。 如果你也有很多 PDF、Markdown、网页收藏和项目文档，并且不满足于“文件保存了，但需要时还是找不到”，欢迎了解 CoreNote： 官网：https://corenote.cloud/ 你现在最希望先解决的问题是什么？是资料太散、检索不到、回答不敢信，还是新旧版本总是混在一起？
当资料越来越多，真正困难的不是“文件放在哪里”，而是：需要的时候，能不能找到可信的原文、理解它和其他资料的关系，并沿着同一个问题继续追问下去？
一、我想解决的，不只是“文件太多”
二、CoreNote 是怎样的一套知识工作流？
资料进入 → 整理与关联 → 检索与问答 → 回看来源 → 持续追问 → 沉淀新结论1. 让资料先有一个统一入口
2. 用 Markdown 和文件资源沉淀“自己的理解”
3. 看见资料之间的关系，而不只是一长串列表
三、为什么不只做“上传 PDF 后提问”？
1. 资料要能被正确处理
2. 新版本不应该被旧版本干扰
3. 子片段负责定位，完整上下文负责回答
4. 关键词和语义都重要
四、我最看重的一点：回答之后，仍然可以回到证据
五、可持续追问，应该持续回到资料，而不是只续写聊天记录
这个项目的部署限制是什么？
那内存不足时，应该先处理哪一步？
六、除了 RAG 问答，CoreNote 还能做什么？
多源资料导入与采集将 PDF、Markdown、网页和常见办公文档逐步纳入知识入口。 RAG 知识库问答与持续追问围绕已导入资料进行检索问答，并尽量保留来源上下文供人核验。 知识图谱与文档关联帮助理解项目、主题、文档、标题和关键词之间的关联。 Markdown、文件资源与知识空间沉淀研究笔记、方案草稿、项目记录和文件资源，让确认过的结论可以再次复用。 文档处理与格式转换工作流不同资料进入知识库前，可能需要经历解析、清洗、结构化和元数据补全。 Agent 的知识上下文层为检索、归纳、写作和引用校验等任务提供资料上下文。它适合产生基于资料的初稿和待确认结论，而不是替代人工做授权判断、事实核验或外部发布。
七、CoreNote 适合谁？又不适合谁？
比较适合
目前不应期待它解决的一切
八、从一小组真实资料开始，而不是一次导入全部文件
选一个你会反复用到的项目、课程或研究方向； 准备少量高质量资料：一份 PDF、一篇 Markdown、一个项目文档就够； 给资料补齐标题、来源、版本、主题和更新时间； 设计几个真实问题，验证能否召回正确资料； 提问时优先要求看到相关来源或上下文； 把确认过的结论写回 Markdown； 记录漏召回、旧版本干扰、表格解析失败等问题，持续改善资料与检索规则。