当我把文件夹拆给AI看时,一条设计原则自己长了出来

题图：openai/gpt-image-2

知识库搭了两周了，在九个Project里，让我纠结最多的都跟一件事有关：两个东西该不该放在一起，最典型的是学科网和小博士。

逻辑上，小博士是学科网体系下的产品，父子关系，没有任何歧义，按正常的文件夹逻辑，应该是学科网文件夹下面建一个小博士子目录，体面、工整、逻辑正确。

但我没这么干，我把它们俩平级放着，九个Project，各站各的。

不是偷懒，是因为我每次打开小博士文件夹的频率，远高于打开学科网大文件夹。如果把它藏在学科网下面，每次要多点一层、多翻一次。而这个"多一层"，大概就是我对这件事的热情消耗殆尽的地方。

这不是一个文件夹的问题。这是一个原则问题。

九个Project是怎么长出来的

在建竞品分析工作台之后，事情开始加速了。

先是最早的"头脑风暴"和"求索笔记"。这两个看起来像，其实完全不一样。头脑风暴是"有个题但不知道答案"，要发散，要乱想。求索笔记是"连题目都没想好怎么出"，要先帮你把问题看清楚，再往下走。

然后是"语音笔记整理"。我平时会用语音做输入，说完了需要有人帮我结构化。以前是自己对着转写文本反复改，现在扔进这个Project，Claude知道我要的格式是什么。

接着是"数据分析"、"公众号文章"、"学科网"、"学科网小博士"。

AI信息聚合后来才出现，而且它是从求索笔记里拆出来的。求索笔记做的是深度研究，AI信息聚合做的是广度扫描，节奏完全不同。一开始塞在一起，发现不对，深度和广度混着跑，两头都憋屈。拆开之后各跑各的，反而都顺了。

加上最早试水的"竞品分析工作台"，一共九个。

九个文件夹平铺在Projects下面，打开就是一目了然。但这里有一个问题：日常使用的东西都堆在Projects里，那日常不用的东西呢？

最早的文件夹只有Projects，但用着用着就发现问题了。

有些东西不是Project，它们是按天记的工作日志，今天干了什么、遇到什么问题、解决了没有，这些东西没有明确的"产出目标"，但有持续的记录价值，把它们塞进Projects里，哪个Project都不对，因为它们不属于任何一个特定目标。

于是有了WorkLog，跟Projects平级，但逻辑完全不同：Projects是目标驱动，"我要造一个东西"；WorkLog是时间线驱动，"今天过了这一天"。

然后又遇到一个问题：网上看到的好文章，随手剪藏下来，它们既不是Project也不是WorkLog，放哪？

最早的解决方案是建了个Clippings文件夹，但几周后发现不对，Clippings里什么都有，自动抓的、手动存的、看过的、没看过的、质量高的、质量一般的，全混在一起。我想找一个之前保存的参考文章，得在垃圾堆里翻半天。

于是又把References拆了出来，区别很简单：Clippings是自动剪藏、没筛选过的，References是手动整理、你判断过质量的。一个代表"信息流"，一个代表"知识库"。

最终长出了三层：Projects（目标驱动）、WorkLog（时间驱动）、References（知识沉淀）。加上全局资源（INDEX、CLAUDE、MEMORY、灵感池），构成了现在的结构。

这整个过程，没有一次是"我应该画一个三层架构图然后施工"，每一次拆分，都是被具体问题逼出来的。

有一次Claude帮我做完知识库的全身体检，聊到一个点：学科网和小博士平级，是不是逻辑上有问题？我们讨论了几轮，最后我总结了一句话。

"结构服务于使用方式，而非逻辑纯净。"

文件夹层级不应该为逻辑正确性牺牲日常使用便利。逻辑上父子关系的东西，因为使用频率和场景不同而平级放置，是完全合理的。

这句话后来被写进了全局CLAUDE.md的设计原则章节，成了整个知识库组织决策的底层规则。

相关的另一个原则是"Project vs WorkLog的本质区分"，目标驱动的东西和时间线驱动的东西不能混放。它们的产出形态、使用节奏、归档方式都不一样。混在一起不是结构问题，是认知负担：每次打开都要判断"这个是目标还是日常"。

结构搭完之后，我最常用的操作不是"打开某个文件夹"，而是全局搜索。

Obsidian的搜索很快，大部分时候我根本不需要一层层点进去，那为什么还要花时间把结构理清楚？

因为结构不是为了导航，是为了给AI看的。

Claude每次打开一个Project，会读它的CLAUDE.md，理解这个空间的规则和上下文，如果结构是一团乱麻，AI就不知道你这次打开是"要做分析"还是"要整理笔记"，它会用错误的节奏跟你对话。

结构的首要读者不是人，是AI。

这个认知一旦确立，很多事情就通了。为什么Instructions要轻？因为AI不需要你写5000字背景知识，它需要的是"现在是什么场景、用什么节奏、产出什么样"。为什么文件命名要一致？因为AI在扫描目录的时候，不一致的命名会传递不一致的信号。

如果你也在搭自己的知识库，有三个东西可以从这篇带走：

第一，不要提前设计全部结构。等被具体问题逼到墙角，再建新的分类。这样的结构是"长出来的"，每一个节点都有真实的肌肉记忆。

第二，结构服务于使用方式。逻辑正确不如用得顺手。如果某个文件你一天开十次，它就该放在最外层。

第三，结构的首要读者是AI。你的文件夹不是给自己导航用的，是让AI正确理解上下文用的。从这个角度去想，很多设计决策会不一样。

下一篇聊：搭了两周之后，我让AI给自己的知识库做了一次全身体检。发现了五个问题，有些是我想都没想到的。