知识管理2:AI时代,工程师的知识放在哪里才算数?

AI 时代，工程师的知识放在哪里才算数？

昨天整理电脑，翻到一个三年前的文件夹，里面是某个项目的全套资料——计算书、图纸、BOM、还有和供应商的往来邮件。

我盯着那个文件夹看了十秒，完全想不起来这是哪个项目。

打开计算书，公式和参数都还在；打开邮件，沟通记录一条条列着。但这些信息就像散落的零件，没有装配关系。我知道这里面有我要找的东西，但就是不知道从哪里下手。

最后，我关掉了文件夹。

知识在聊天记录里会消失

去年有个项目，客户在微信群里提了一个关键需求：外壳的耐温等级要从 85℃ 提高到 105℃。

当时我在群里回复了"收到"，然后去查材料手册，找到了合适的材料，做了变更。事情解决了。

但上个月，另一个客户提了类似的需求。我隐约记得去年处理过，但死活想不起来当时用的什么材料、做了哪些验证、供应商是谁。

去翻聊天记录，往上翻了三百多条，找到了当时的对话。但对话只说了"已按 105℃ 要求处理"，具体怎么处理的，一个字都没留。

知识在聊天记录里会消失，不是因为记录没了，而是因为记录太碎片化，没有结构，无法被检索。

我的电脑里有上百个 Word 文档。

有技术总结、有项目报告、有培训笔记、有会议纪要。每个文档单独看都有价值，但它们之间没有任何连接。

想找到"去年处理的那个耐温变更"，我得先想起来是哪个项目，然后在那个项目的文件夹里找文档，然后在文档里搜索关键词。运气好能找到，运气不好就只能靠猜。

Word 文档的问题不是内容不好，而是它的存储方式决定了它只能被"归档"，不能被"检索"。除非你记得文件名，或者记得它在哪个文件夹里，否则它就像沉入海底的石头，再也浮不上来。

刚入行那几年，我觉得最可靠的知识存储介质是大脑。

遇到问题，想一想以前怎么解决的，然后动手。但随着项目越来越多，我发现大脑的局限性越来越明显。

第一，大脑不擅长存储精确的数据。材料参数、公差范围、供应商联系方式——这些东西记不住，也不敢记错。

第二，大脑不擅长处理复杂的关联。一个设计决策背后可能涉及十个因素，这十个因素之间还有相互影响，靠脑子理不清楚。

第三，大脑会遗忘。不是彻底忘记，而是那种"我记得有这么回事，但细节全忘了"的遗忘。这种遗忘最危险，因为它让你误以为自己知道，实际上已经不知道了。

去年开始，我养成了一个习惯：每天花十五分钟，把当天工作中遇到的关键决策、踩过的坑、学到的新东西，用最简单的文本记下来。

不是写日记，也不是写报告，而是写"知识卡片"。

每张卡片只讲一件事：什么问题、什么背景、什么方案、什么结果。然后给卡片打上标签：材料、工艺、公差、供应商、项目类型。

三个月后，我发现了一个变化。

当新项目遇到类似问题时，我不再需要翻聊天记录、翻 Word 文件夹、或者靠脑子回忆。我只需要在笔记软件里搜索标签，就能找到当时的所有决策依据。

更重要的是，这些知识卡片之间开始产生连接。比如，当我搜索"耐温"时，不仅能看到去年处理的那个案例，还能看到前年处理的另一个类似案例，以及同事处理的第三个案例。三个案例放在一起，我突然看清了一类问题的共性。

这就是结构化的力量。

你不需要建一套复杂的系统。

从最简单的开始：用纯文本格式记录，用标签分类，用本地文件夹存储。

纯文本意味着你的知识不会被任何软件锁死。今天用这个软件写，明天换另一个软件，文件还是能直接打开，不需要导出、不需要转换格式。

标签意味着你的知识可以被检索。不需要记住文件名，只需要记住关键词。

本地存储意味着你的知识真正属于你。不在云端，不在公司的服务器上，不在某个可能随时关闭的平台上。

这是知识管理的最小基础设施。有了这个基础，后面不管是用 Git 做版本控制，还是用 AI 做知识激活，都有了根基。

这听起来可能和很多笔记方法论讲的差不多。但对工程师来说，标签不是"灵感""读书笔记"这种分类，而是材料、公差、失效模式、客户类型——是你每天打交道的那些东西。卡片里记的也不是感悟，是那个具体问题当时是怎么解决的、为什么这么解决。

但光有基础设施还不够。卡片记下来了，标签打上了，真到要用的那一刻，你能不能在三十秒内找到它，又是另一个问题。

我们每天打交道的工程知识，性质各不相同，记录和管理它们的方法也大不一样。在后面的文章里，我会把它们分成不同的类型，并分享我如何根据它们各自的特点，用最轻量的工具和结构去承载它们。

工具都是兵器，用最顺手的那一个，解决最痛的那类问题。

但在此之前，既然我们要开始记，具体该记什么、又该怎么动笔？下一篇，我们从最常见的“改图决策”开始聊起。

因为主业确实有点忙，后续会调整为两天一更，依然是硬核内容，感谢大家的耐心阅读，谢谢理解。