别再羡慕别人的 AI 助手了:手把手搭一个＂越用越像你＂的私人知识库

很多初学Ai会害怕接触，其实没那么复杂，即便不懂 AI，
也能给自己搭一个“第二大脑”。

个人知识库搭建全流程 · 每一步都有可复制的指令
零基础跟着做，半小时跑通。

直接1:复制 ,2. 粘贴 ,3. 完成.就这么简单！

你攒了三年的资料，它一份都没读过

你有没有碰到过这种情况。

把一堆项目资料丢给 AI，让它帮你写个东西。它写得很快，格式也漂亮，读起来特别顺。但你一对细节，发现全是编的：数据是你没见过的，条款是它自己想的，连你公司的名字都能写错。

不是它笨。是它压根没看过你的资料。

现在这些大模型，脑子里装的是互联网上的公开知识。你电脑里那份合同模板、你记了三年的项目笔记、你收藏夹里那几百篇行业文章，它一份都没读过。所以你一问，它只能猜。

猜出来的东西，看着像样，用不了。

这事有个挺朴素的解决办法：让 AI 先把你的资料读完，再开口。

WorkBuddy 的个人知识库做的就是这件事。不用写代码，不用懂什么是 RAG、什么是向量数据库，全程复制粘贴几句话。我把它拆成能照着做的步骤，你跟着走一遍，两个小时以内能跑通。

PART 01

先花两分钟，搞明白它到底在干嘛

说白了就五步。很多人一听“向量”“检索”就跑了，其实拆开全是人话。

01读你的资料

PDF、Markdown、TXT、整理好的公众号文稿，它都认。

02切片，转成向量

文章太长它会切成小段，再转成计算机能算的一串数字，存进本地向量库。可以理解成给每段话做了一张“数字身份证”。

03你提问，它先翻你的资料

不靠脑子里的印象回答，先去你的库里找匹配度最高的原文片段。

04拿着原文组织答案

所以它能告诉你，这句话出自哪份文件。

05你说“不对，这里改”

它回去重翻原文，改逻辑、改结论、改说法，并且记住你这次的标准，下次同类问题直接按新的来。

第五步是这套东西和别家最大的区别。大多数知识库走到第四步就结束了——存进去、能搜出来、完事。多出来的这层反馈修正，才是“越用越像你”的来源。

资料进库之后，它回答的是你自己的东西

用三个月和用三天的差别，全在这一步。

PART 02

两条路，先选一条

它给了两种搭法，不用都做，按自己的情况挑。

我的建议：涉密的走本地，图方便的走云端。两个可以同时开着，不冲突。拿不准就先从本地那套开始——步骤多一点，但你能看见文件在哪，心里踏实。

PART 03

本地自建：六步走完

1在电脑上建一个总文件夹

随便哪个盘都行，起个名字，比如 D:\WorkBuddy个人知识库。别放桌面，别放 C 盘根目录，后面文件会越来越多，挪起来麻烦。

2让它自动生成三个子文件夹

把下面这段话直接发出去，一个字都不用改：

▸ 可复制指令 · 01

在当前工作空间创建 raw、wiki、output 三个子文件夹，目录规范如下：
1. raw：存放所有原始资料，PDF、md、txt、整理后的文章，原始文件只读、禁止修改；
2. wiki：存放 AI 基于原始资料提炼、结构化整理后的知识笔记；
3. output：存放 AI 生成的报告、总结、方案、临时输出文件。
目录创建完成后回复：目录初始化完成。

这三个文件夹各有分工，别混着放：

raw　是源头，只进不改。后面你会发现这条规矩有多重要。
wiki　放 AI 提炼出来的结构化笔记，相当于它替你做的读书摘要。
output　放它生成的东西，报告、方案、临时稿都扔这儿。

3把资料丢进 raw

全部丢进去就行，不用分类、不用改名、不用整理顺序。它自己会读。

硬门槛：只认能复制文字的电子版。扫描件、拍照存的 PDF、图片格式的文档，它读不出字来，入库了也是空的。扫描件先用识别工具转成可复制的文字版再放进去。

4首次全量入库

▸ 可复制指令 · 02

启用 VectorDB 向量技能，读取当前工作空间 raw 目录下全部文档，完成文本分片、标准化向量化，构建完整本地向量知识库。
入库完成后，汇总本次所有入库文档清单。

它会回你一份清单，列清楚这次进去了哪些文件。这份清单一定要看一眼。如果某份文件没出现在上面，多半是格式问题，趁早处理。

三个文件夹各自管一件事，源头不污染

5开始提问

到这儿就能用了。别问太宽泛的，问具体的事：

· 我们跟甲方签的框架协议里，租期一般怎么约定？
· 把我这三份调研报告里的成本数据列个对比。
· 按我上次那份方案的结构，写一版新的。

6反馈修正（最容易被跳过，也最值钱）

它答完之后，你觉得哪里不对，直接说。然后把这段跟在后面发出去：

▸ 可复制指令 · 03

重新检索知识库原文，核对本次回答逻辑、结论、表述风格，结合我的标准与修正意见全面优化。
后续同类问题统一按照本次修正后的个人标准输出，持续记忆我的工作习惯。

这一步是在教它。你说得越具体，它后面越省事。不喜欢它写“综上所述”，就直接讲；习惯表格不超过四列，就直接提。别嫌啰嗦，这一步省下来的时间，后面全还给你。

PART 04

以后加资料：两种方式，别搞混

知识库不是建一次就完了，后面肯定要加东西。它给了两条路，适用情况不一样。

A文件夹增量 · 大批量、长期留存

把新文件手动放进 raw 文件夹，然后发：

▸ 可复制指令 · 04

增量入库：启用 VectorDB 向量技能，识别 raw 文件夹内所有新增文档，完成分片、向量化，追加并入现有向量知识库，不重复处理旧文件。
输出本次新增入库清单。

B对话框直传 · 零散、临时资料

不用放进 raw，直接在对话框里把文件拖进去，然后发：

▸ 可复制指令 · 05

增量入库：启用 VectorDB 向量技能，读取本次对话框即时上传的所有文档，完成分片、向量化，追加并入当前本地向量知识库，不影响原有历史知识库数据。
输出本次临时新增入库文档名称。

区别记住一句话就行：文件夹进的是永久归档，对话框进的是临时记忆。
用对话框传的文件只进了这次的向量记忆，不会自动跑到 raw 里去。以后还想用，就老老实实放进 raw。

PART 05

云端那条路：绑定 IMA，五步

不想占本地硬盘、想在手机和电脑上都能用，就走这条。

步骤 1　打开 WorkBuddy 的连接器面板，找到「IMA 知识库连接器」。
步骤 2　授权绑定，复制下面这段发出去。
步骤 3　授权成功后，勾选要启用的云端知识库目录。不用全勾。
步骤 4　开全局检索规则，这段很重要，别漏。
步骤 5　正常提问就行，它自动去云端翻。不满意照样用指令 03 修正。

▸ 可复制指令 · 06（步骤 2 用）

启用 IMA 知识库连接器，发起账号授权，完成 WorkBuddy 与 IMA 个人知识库的绑定对接。

▸ 可复制指令 · 07（步骤 4 用）

开启 IMA 云端知识库优先检索模式，所有问答优先调取云端知识库原文作答，禁止模型凭空生成内容，输出尽量标注资料溯源。

云端有个本地比不了的地方：IMA 里新加的资料不用重新入库，实时同步。你在手机上往 IMA 存了篇文章，回头在电脑上就能直接问。

PART 06

三条指令，存进备忘录

这几条是通用的，本地云端都能用，建议直接存起来。

▸ ① 标准检索作答

回答问题前优先检索绑定的知识库原文，严格依据资料内容输出，禁止编造、禁止模型固有知识发挥；无相关资料如实告知：知识库暂无相关资料。

建议设成默认开头。它最大的作用是逼 AI 承认“我不知道”，而不是硬编一个听起来很像的答案。

▸ ② 反馈修正迭代

重新检索知识库原文，核对本次回答逻辑、结论、表述风格，结合我的标准与修正意见全面优化。
后续同类问题统一按照本次修正后的个人标准输出，持续记忆我的工作习惯。

▸ ③ 清空本地向量库（慎用）

启用 VectorDB 向量技能，清空当前本地向量知识库索引，保留 raw 原始资料文件，等待重新入库。

它只清索引，raw 里的原始文件还在。真要重来，清完再跑一遍步骤 4 就行。

PART 07

六个坑，提前绕开

这些都是别人踩过的，你不用再踩一遍。

1raw 里的原始文件只存不改。源头一脏，后面所有答案都跟着歪。AI 整理出来的东西一律放 wiki 和 output。

2扫描版 PDF 读不出来。必须是能复制文字的电子版，这条没有例外。

3本地模式数据完全不联网，隐私极高；IMA 云端那套就别放涉密的东西。

4视频里的文案没法自动抓。想存抖音上的口播稿，得手动把文字抄下来存成文档再入库。

5反馈修正改的是 AI 的输出，永远不动你的原始资料。所以你尽可以放开说，不用担心它把文件改坏。

6大批量用文件夹，零散的用对话框。分清楚，后面就不用回头找文件。

用久了，它会慢慢变成你的说话方式

现在就动手，30分钟拥有你的AI第二大脑

不需要懂代码，不需要懂AI原理，照着步骤复制粘贴就行。
知识库越用越聪明，越早搭建越早受益。

                                  收藏本文，开工就做