夜雨聆风打开你的微信收藏夹。
不出意外，里面应该堆着几百甚至几千条「稍后再读」。
有公众号长文，有同事甩过来的链接，有自己看到一半划走的资料。
你心里很清楚：这里面有 80% 这辈子再也不会打开。
打开你的 Notion、Obsidian、印象笔记，情况也差不多。
文件夹一层套一层，命名乱七八糟，有的甚至叫「新建文档 1」「未命名 3」。
你不缺资料。
你缺的是把这些资料变成「知识库」的能力。
而做知识库之前，绕不开的第一步，就是分类。
一、为什么资料分类是知识库的拦路虎?
很多人理解的知识库，是「把东西存到一个地方」。
这个理解是错的。
真正的知识库，至少要满足三个条件：
你想用的时候能找到。 你找到的时候能看懂。 你看懂之后能调用到当下的工作里。
按这三个标准看，绝大多数人的收藏夹，连第一条都做不到。
存进去的资料，本质上是被「埋」起来，不是被「存」起来。
要让资料能被找到，前提是它有结构。
结构最朴素的形式，就是分类和标签。
没有分类的资料，等于没收藏。
但分类这件事的难处在于：
资料是动态生长的，你今天的兴趣点和半年前完全不一样。
手工分类一开始还能维护，时间一长就崩。
这正是 AI 能介入的地方。
二、很多人现在是怎么管理资料的?
我观察过身边不少程序员、运营、内容创作者，大致有这么几种"伪知识库"。
第一种，按平台分散。
微信收藏夹一份，浏览器书签一份，掘金收藏一份，公众号关注一份。
资料在哪里都有，但每个平台都不全，要找的时候不知道去哪个角落翻。
第二种，按时间堆叠。
笔记软件按日期建文件夹，2024 年 11 月一个，2024 年 12 月一个。
时间是最没有信息量的维度，半年后你根本想不起来某篇文章是哪个月看的。
第三种，按一时心情建文件夹。
「重要资料」「待看」「精华」「以后用」。
每个文件夹都像垃圾桶，进去就出不来。
第四种，全靠搜索。
「反正我直接搜就行」，但搜索的前提是你记得关键词。
而真正有价值的资料，往往是你"不知道自己需要"的时候才需要。
第五种，干脆躺平。
「整理资料浪费时间，我就让它乱着」。
直到有一天写方案、写文章、做分享的时候，才发现自己什么都没沉淀下来。
这几种方式的共同问题，是把"收藏"当成了终点，而不是起点。
资料一旦进了收藏夹，就再也不会进入二次加工的流程。
AI 在这里能帮的，不是替你看文章，而是帮你把已经收藏的资料做一遍"分类、提炼、关联"的预处理。
让你下次想用的时候，能在 10 秒内找到它。
三、AI 在资料分类上能帮你做哪四件事?
我建议把 AI 的角色定位成「资料管家」，而不是「替你阅读的助手」。
它能帮你完成四件事。
第一件，打标签。
每篇资料读完，自动产出 3 到 5 个标签，覆盖主题、领域、阶段、用途。
第二件，提炼摘要。
每篇资料压成一段 150 字以内的核心要点，让你日后扫一眼就知道讲了什么。
第三件，建立主题索引。
把同一主题下的资料聚类，生成索引页，让你看到自己在某个方向上已经积累了哪些素材。
第四件，生成复习清单。
按主题、按时间、按重要度，定期吐出一份"该回顾一下了"的清单，让资料从沉睡状态被重新激活。
这四件事的共同点，是 AI 不替你思考。
它只是帮你把已经收藏的资料，从一堆「平铺」的链接，变成一张「有结构」的网。
至于这张网里哪个节点最重要，哪个方向值得深挖，那是你自己的事。
四、具体怎么做?四步从混乱资料到可调用知识库
我建议你用下面这套四步法。
不要一上来就追求完美，每一步都先用最小成本跑通。
第一步：先定义你自己的标签体系
很多人一上来就让 AI 「自由打标签」，结果出来的标签五花八门。
一会儿是「AI」，一会儿是「人工智能」，一会儿是「LLM」，一会儿是「大模型」。
同一个东西被打成三个标签，比不打更糟。
正确的顺序，是先定义一份自己的标签清单。
这份清单不需要复杂，建议分三类：
主题标签：你关注的核心方向，比如「AI 编程」「外贸建站」「自动化办公」。 类型标签：资料的形态，比如「教程」「案例」「工具」「观点」「踩坑」。 阶段标签：你打算怎么用它，比如「待读」「精读」「素材」「归档」。
可以先用一份纯文本模板写下来：
[主题标签]- AI 编程- AI Agent- 自动化办公- 外贸建站- AI 商业化[类型标签]- 教程- 案例- 工具- 观点- 踩坑[阶段标签]- 待读- 精读- 素材- 归档
这份清单不是一次性写死。
每个月可以拿出来看一眼，删掉不再关注的，加上新冒出来的。
但同一时间，标签数量建议控制在 20 个以内。
太多就等于没有。
第二步：让 AI 批量打标签和提炼摘要
标签体系定好之后，下一步就是让 AI 按这套规则，给已有资料打标签 + 写摘要。
提示词可以这样写：
你是一名擅长信息整理的资料管家。我会给你一篇文章的标题和正文，请你完成两件事：1. 从下面给定的标签清单中，挑出 3 到 5 个最匹配的标签。- 如果文章内容不属于任何已有标签，请直接说"暂不匹配"，不要自己造新标签。2. 用 150 字以内，写一段中文摘要，要求包含：- 文章主要讲了什么问题- 给出了什么核心方案或观点- 适合什么场景或人群参考请用以下 JSON 格式输出，不要多余说明：{"title": "原文标题","tags": ["标签1", "标签2"],"summary": "摘要内容"}可选标签清单：[主题标签] AI 编程, AI Agent, 自动化办公, 外贸建站, AI 商业化[类型标签] 教程, 案例, 工具, 观点, 踩坑[阶段标签] 待读, 精读, 素材, 归档文章标题：（此处粘贴标题）文章正文：（此处粘贴正文）
跑一次之后，输出大致是这样：
{"title": "用 Claude Code 重构一个老 Spring Boot 项目的全过程","tags": ["AI 编程", "案例", "精读"],"summary": "文章以一个 5 年龄的 Spring Boot 项目为例，讲了如何用 Claude Code 分模块阅读、提炼调用关系、生成重构方案，再小步替换的全过程。重点提醒不要让 AI 一次性大改，而要按模块逐步评审。适合接手老项目、需要做技术改造的后端程序员参考。"}
这一步的产出，就是每篇资料的「身份证」。
有了标签和摘要之后，你后面找资料、回顾资料、二次创作的成本，会下降一大截。
如果你的资料是批量的，可以用脚本把这套提示词跑成一个简单流程：
1. 读取一个资料列表（标题 + 正文 + 原文链接）2. 逐条调用大模型，按上面提示词输出 JSON3. 把 JSON 追加写入一个统一的 knowledge.json 文件
不需要复杂的工程，就够你用半年了。
第三步：让 AI 建立主题索引
打了标签只是把资料贴上了便签，还不算"知识库"。
下一步，是让相关资料"聚起来"。
提示词可以这样写：
你是一名信息架构助手。我会给你一份 JSON 资料清单，每一条包含 title、tags、summary 三个字段。请你完成以下任务：1. 按主题标签把资料聚类。2. 在每个主题下，挑出 1 到 3 篇最具代表性的资料，作为「核心入门资料」。3. 在每个主题下，列出 1 到 2 个值得追问的子方向，例如可以继续深入研究的小问题。请用 Markdown 格式输出，不要使用 JSON。输出结构：## 主题名**核心入门资料：**- 标题 1 —— 摘要简述- 标题 2 —— 摘要简述**可继续深入的方向：**- 子方向 1- 子方向 2资料清单：（此处粘贴 knowledge.json 内容）
跑出来的效果大致是这样：
## AI 编程**核心入门资料：**- 用 Claude Code 重构一个老 Spring Boot 项目的全过程—— 案例完整，适合作为重构方法论的入门读物。- AI 生成代码不稳定？给程序员的提示词分层方法—— 把提示词拆成五层，是工程化使用 AI 的基础。**可继续深入的方向：**- 如何评估 AI 重构方案的风险- 团队层面的 AI 编程协作规范## 自动化办公**核心入门资料：**- 用 AI 自动生成日报，不是复制流水账，而是提炼工作价值—— 把"日报"这件日常事拆成可执行流程。**可继续深入的方向：**- 周复盘和月度成果清单的 AI 工作流- 跨工具（飞书 / 钉钉 / Notion）的日报自动同步方案
到这一步，你的资料就不再是平铺的链接列表。
它变成了一份「主题索引」：你可以一眼看出自己在哪个方向上积累得厚，在哪个方向上还基本是空白。
这件事，比"我收藏了多少篇文章"重要 10 倍。
第四步：让 AI 生成复习清单
资料整理完，最后一步不能少。
如果你不定期回头看，再好的知识库也会"再次睡死"。
我建议每周或每两周做一次「资料复盘」。
提示词可以这样写：
你是一名学习陪练助手。我会给你一份资料清单（title + tags + summary + 收藏日期），请你帮我生成一份本周复习清单。要求：1. 优先挑选最近 2 周内收藏、但还没有"精读"标签的资料。2. 在每个主题下最多挑 3 篇，避免一次复习负担太重。3. 对每一篇，提出 1 个"小练习"，例如：- 用自己的话复述这篇文章的核心观点- 找出一个工作中可以套用的场景- 设计一个最小验证实验请用 Markdown 输出，结构如下：## 主题名### 文章标题- 摘要回顾：- 小练习：资料清单：（此处粘贴最近 2 周新增的 knowledge.json）
跑出来的复习清单，大致会是这样：
## AI 编程### 用 Claude Code 重构一个老 Spring Boot 项目的全过程- 摘要回顾：文章讲了分模块阅读、提炼调用关系、生成重构方案、小步替换的全流程。- 小练习：选自己手上最熟的一个老项目，用同样的步骤跑一遍前两步（阅读 + 调用关系），看看能不能写出一份调用链草图。## 自动化办公### 用 AI 自动生成日报，不是复制流水账，而是提炼工作价值- 摘要回顾：拆成原始记录、结构化、价值筛选、按读者分版本四步。- 小练习：今晚下班前用这套四步法写一份今天的日报，对比你上周的日报，看看哪些表达变得更清晰。
每次复盘只看 5 到 8 篇资料，控制在 15 分钟左右。
不是为了"读完所有收藏"，而是让最近收藏的资料真正进入大脑，而不是停留在 URL 列表里。
五、案例演示:一周资料从混乱到结构化
把上面四步串起来，一个程序员的一周资料整理节奏，大致是这样的。
假设这一周，你随手收藏了 6 篇资料：
1. 用 Claude Code 重构一个老 Spring Boot 项目的全过程2. 如何写出让 AI 不胡说八道的提示词3. 程序员副业指南：从接单到产品化4. 一份用 AI 整理客户跟进的工作流5. ChatGPT 写英文产品页的 7 个坑6. 用 Notion 搭建个人选题库
第一轮，按第一步定的标签清单跑一遍 AI 打标签 + 摘要。
得到的产出大致是这样：
[{"title": "用 Claude Code 重构一个老 Spring Boot 项目的全过程","tags": ["AI 编程", "案例", "精读"],"summary": "用 Claude Code 拆解、阅读、重构老项目，强调小步替换。"},{"title": "如何写出让 AI 不胡说八道的提示词","tags": ["AI 编程", "教程", "待读"],"summary": "讲了提示词中的角色、约束、验收标准三要素，防止幻觉。"},{"title": "程序员副业指南：从接单到产品化","tags": ["AI 商业化", "观点", "待读"],"summary": "从接单、复用、产品化三个阶段讲程序员副业路径。"},{"title": "一份用 AI 整理客户跟进的工作流","tags": ["自动化办公", "案例", "素材"],"summary": "把客户沟通记录用 AI 转成跟进表+下一步动作。"},{"title": "ChatGPT 写英文产品页的 7 个坑","tags": ["外贸建站", "踩坑", "素材"],"summary": "总结了直接翻译、卖点错位、行业不匹配等 7 个常见问题。"},{"title": "用 Notion 搭建个人选题库","tags": ["自动化办公", "教程", "归档"],"summary": "讲了 Notion 选题库的字段设计和与公众号写作流程的衔接。"}]
第二轮，按第三步跑一次主题索引。
得到的索引大致是这样：
## AI 编程- 核心入门：用 Claude Code 重构一个老 Spring Boot 项目（精读）- 待读：如何写出让 AI 不胡说八道的提示词- 子方向：AI 编程在老项目改造中的使用边界## AI 商业化- 待读：程序员副业指南：从接单到产品化- 子方向：程序员的小服务如何报价## 自动化办公- 素材：一份用 AI 整理客户跟进的工作流- 归档：用 Notion 搭建个人选题库- 子方向：客户跟进表的字段设计## 外贸建站- 素材：ChatGPT 写英文产品页的 7 个坑- 子方向：英文产品页的本地化改写流程
第三轮，跑一次复习清单。
得到的复习清单大致是这样：
## AI 编程### 如何写出让 AI 不胡说八道的提示词- 摘要回顾：提示词三要素（角色、约束、验收）。- 小练习：挑一段你最近常用的提示词，加上"角色 + 验收标准"两行，看看输出有没有变化。## AI 商业化### 程序员副业指南：从接单到产品化- 摘要回顾：副业的三段路径——接单、复用、产品化。- 小练习：列出你过去一年帮别人解决过的 3 个具体问题，哪一个最容易被复用？## 自动化办公### 一份用 AI 整理客户跟进的工作流- 摘要回顾：用 AI 把沟通记录转成跟进表 + 下一步动作。- 小练习：用本周一次跟同事或客户的实际对话，跑一遍这个工作流。
一周下来，你做的不是"看完 6 篇文章"，而是：
给每篇资料贴好了身份证（标签 + 摘要）。 把它们放进了主题索引，看到了自己在哪个方向上的积累。 抽出了 3 篇做小练习，让资料真的进入大脑。
整个流程，AI 干的事其实很简单。
它没有替你阅读，也没有替你思考。
它只是帮你把"读 — 收 — 用"这条断掉的链路重新接起来。
六、避坑提醒:做个人知识库最容易踩的 5 个坑
坑一：标签体系一上来就贪大
很多人一上来就列了 50 个标签，想覆盖所有可能。
结果两周后，自己都记不住有哪些标签，每次都要翻清单。
更糟的是，AI 在这么多标签里挑选时，准确度会迅速下降。
我建议初版标签控制在 15 到 20 个以内。
宁可后面慢慢加，不要一次性把表打满。
坑二：让 AI 替你「读完」每一篇文章
AI 给的摘要再好，也只是摘要。
如果你把摘要当成"我已经看过这篇了"，那知识库会变成你逃避阅读的工具。
摘要的作用，是帮你判断「这篇值不值得精读」「以后用得上时怎么找回来」。
真正的精读和思考，还是要你自己做。
我建议在标签里专门保留一个「精读」标签，明确告诉自己：
只有打了精读标签的文章，才算真正进入过我的大脑。
坑三：不给人工修正留口子
AI 打的标签和摘要，准确率大概在 80% 到 90%。
剩下 10% 到 20% 的偏差，必须由你自己修正。
如果你不留这个修正的口子，错的标签和摘要会越积越多，半年后整个知识库的可信度会塌方。
我建议每周做主题索引和复习清单时，顺手扫一眼有没有明显错的标签。
发现一个改一个，比攒到最后大扫除省事得多。
坑四：摘要长度失控，反而成了新负担
有些人会让 AI 给每篇文章写一份 500 字以上的"详细摘要"。
听起来很丰富，但用的时候你根本读不下去。
摘要的标准是「让你 10 秒内判断要不要回头读原文」。
长度建议控制在 150 字以内，最多不超过 200 字。
短才有用，长就是垃圾。
坑五：收藏完就忘，根本不走复习流程
整理资料最大的浪费，是只整理不回看。
打了标签、写了摘要，但每周不抽时间复盘，资料还是在沉睡。
我建议把"每周复盘资料"做成一个固定动作，比如：
每周日晚上花 15 分钟，跑一次第四步的复习清单提示词。 把这一周新打了"精读"标签的资料，专门写一段 200 字的"我学到了什么"。 每个月最后一天，让 AI 基于"精读"标签的摘要，生成一份月度成长清单。
这套机制跑起来之后，你会发现：
知识库的价值，不在于你存了多少，而在于你定期带它出门遛了多少次。
七、总结
打造个人知识库，关键不是"找一个酷炫的工具"，也不是"把收藏夹搬到 Notion"。
关键是把这件事拆成四步：
先定义自己的标签体系，控制在 20 个以内，宁少勿多。 让 AI 按标签清单批量打标签 + 写 150 字以内摘要，给每条资料一张身份证。 让 AI 把资料按主题聚类，生成主题索引，让你看到自己的积累分布。 让 AI 每周或每两周生成一次复习清单，让资料真正进入大脑。
只要这四步认真走完，你的资料就会从「收藏夹里的死链接」，变成「可调用的知识网络」。
收藏不是目的，调用才是。
AI 提供的，是让"调用"这件事变得轻松的工具。
至于网里到底沉淀了什么，那是你自己的事。
结尾互动
你现在的资料管理状态，更接近哪一种？
是堆在收藏夹里的几千条链接、按时间堆叠的笔记文件夹、还是已经在用某个工具做主题索引？
欢迎在评论区聊聊你最头疼的资料管理问题，以及你试过的哪些方法没成功。
如果你想要一份可直接复用的提示词和模板，可以关注公众号「明哥AI实战笔记」，回复关键词：
知识库模板
我会整理一份「标签体系示例 + 打标签提示词 + 主题索引提示词 + 周复习清单 SOP」，方便你下周就开始整理自己的资料。
