夜雨聆风引子
去年有一次，我在帮一个项目做业务流程梳理。
当时需要参考 3 年前和咨询公司一起做过的一份“组织调研和调整方案”。我很清楚，那份材料一定在我电脑里：可能在某个文件夹里，可能在邮件附件里，也可能藏在某次微信传输文件里。
于是我开始搜。
搜“组织调研方案”，出来 17 条结果；搜“组织调整”，出来一堆不相关文件；搜咨询公司的名字，又翻出几份旧合同和过程材料。
但我真正想要的那一版，就是找不到。
最后只能重新做。
新方案当然也有这些年的新思考，但那次项目里积累下来的现场原声、关键判断和过程经验，确实找不回来了。
这种事不是第一次。时间长了，我越来越觉得：
💡 不是资料不够，是经验没有被组织起来。
我们的电脑里、微信里、邮箱里，其实装了很多年的工作经验。但这些经验没有结构，没有入口，也没有被整理成下一次可以调用的东西。
所以，每一次要用的时候，我们不是在复用经验，而是在重新劳动。
AI 出现以后，这个问题变得更明显。因为 AI 可以帮你写得更快、整理得更快、生成得更快，但前提是：
💡 你得先把自己的经验找得回来。
否则，AI 再强，也只能根据你当下给它的几句话重新生成一版。它用不上你过去十年、二十年真正踩过的坑、做过的判断、打磨过的方法。
所以这篇文章，我想讲一件很具体的事：
怎么用 7 天，搭一个能被 AI 调用的个人知识库。
它不是一个很大的系统，也不是一次性把所有资料整理完，而是先搭一个最小可用的结构，让你过去的经验开始能被找回、被调用、被复用。
一、你不是没有经验，是经验没有被组织起来
很多管理者都有一个共同问题：文件越来越多，但经验越来越难找。
你明明做过类似项目，写过类似方案，经历过类似问题，但因为找不到、调不出、复用不了，这些经验就像没有发生过一样。
比如：
写组织调研方案时，本来可以参考 3 年前的项目结构、访谈提纲和问题清单； 做新任管理者培训时，本来可以找到去年效果最好的课件、案例和学员反馈； 准备绩效会时，本来可以调用过去几轮最有价值的复盘材料； 写公众号文章时，本来可以调出以前积累的案例、金句和方法框架。
但如果这些东西分散在文件夹、微信、邮箱和网盘里，它们就不是真正的资产，只是“看似存在的资料”。
个人知识库真正要解决的，不是“让你显得很会整理”，也不是“把所有文件都放得很漂亮”。
它解决的是一个更现实的问题：
当你下一次要做类似工作时，能不能把过去的经验快速调出来。
所以我现在判断一个知识库有没有价值，标准很简单：
💡 知识库的价值，不在于存了多少，而在于用的时候能不能拿出来。
二、先别整理全部资料，先找最值得整理的 30%
很多人一想到知识库，就想把电脑里所有资料都整理一遍。
这基本注定失败。
因为资料太多，旧文件太乱，版本太复杂。你一旦想一次性整理完，就会卡在第一天。
所以，个人知识库的第一原则是：
💡 不要整理全部资料，先整理最值得整理的那部分。
怎么判断哪部分最值得整理？
可以用一个简单的四象限。
横轴是使用频率，纵轴是沉淀状态。这样，你的资料和经验大概可以分成四类。
| 优先整理 | |||
这里最重要的是第二类：高频未沉淀。
它是你最痛的地方，因为你经常会用到，但每次都要重新找、重新拼、重新做。比如组织调研方案、绩效复盘材料、人才盘点模板、招聘面试问题库、管理者培训课件、项目复盘案例、公众号文章素材。
这类东西不一定占你电脑资料的多数，但一定占你重复劳动的多数。
所以，第一轮知识库建设，不要管所有资料，先问自己三个问题：
- 这件事我下次还会做吗？
以后还会反复做，就值得整理。 - 我能不能用一句话讲清楚它是什么？
一句话说不清，说明它还没有被抽象成可复用经验。 - 不整理它，下次会不会痛？
不整理就会重新做、重新翻、重新找，那它就是优先级。
三问都成立，就先放进知识库。
你的知识库不是旧资料回收站。它应该先服务你最常用、最容易浪费时间、最能复用的那部分经验。
三、7 天跑起来：搭一个最小可用知识库
我不建议一上来就追求“完整知识库”。
更现实的目标是：
7 天搭一个最小可用知识库。
所谓最小可用，不是所有资料都整理好了，而是它已经能完成三件事：
- 新资料有地方放；
- 旧资料能先集中起来；
- 要用的时候，AI 能帮你找一找、理一理、提一提。
这就够了。
下面是一个 7 天安排。
| 只分析主题和分类建议，不移动文件 | ||
| 只整理高频未沉淀资料 | ||
第 1 天：安装 Obsidian 和 AI 助手
笔记软件我个人强烈建议用 Obsidian，因为它本地优先、Markdown 格式、文件归你自己，AI 也比较容易读取。
AI 助手的选择很多，比如 Claudian 插件、Hermes、Workbuddy、Codex、Claude Code 等。
如果之前完全没有装过，我建议先从 Obsidian + Claude Code + Claudian 插件这条线开始。
具体安装这篇不展开。我已经把配置教程单独整理出来，你可以在公众号对话框发送“知识库”，获取安装和配置教程。
先提醒一句：安装这一步对电脑小白来说，确实有门槛。你可以召唤身边的电脑高手帮忙。
但一旦 Obsidian 和 AI 助手在你的电脑上跑起来，你会打开新世界的大门。
第 2 天：建 5 个文件夹，把最近半年资料放进 Inbox
工具不是最关键的，关键是先有一个稳定结构。
这里我建议借用 PARA 的思路，先建 5 个文件夹：
00_Inbox/：临时入口。所有新资料、想法、剪藏、待整理内容，先放这里。 10_Project/：当前正在推进的项目，比如“年中绩效会”“AI 培训方案”。 20_Areas/：长期关注领域，比如“人力”“AI 落地”“商业管理”“组织发展”。 30_Resources/：长期参考资料，比如行业报告、模板、方法论、政策材料。 40_Archives/：已经完成的项目和旧材料，不删，归档。
先不要细分太多，也不要建 30 层文件夹。第一轮的目标很简单：让你的知识库有一个入口。
建好结构后，把最近半年你常用、常找、常复制粘贴的资料，先放进 00_Inbox/。包括本地文件、邮件附件、微信传输文件、网盘材料、旧课件、旧方案、旧复盘。
注意，这一步千万不要边收边整理。
很多人失败，就是因为一开始就想分类，结果分着分着，发现结构不合理，又重来。
第二天只做一件事：
先集中，不分类。
第 3 天：让 AI 先盘点资料，不急着整理
第三天开始，让 AI 参与，但先不要让它移动文件。
这一天的目标不是“整理完”，而是先看清楚 00_Inbox/ 里到底有什么。你可以让 AI 按文件主题、可能用途、建议位置，先给你一份分类建议。
你可以对 AI 说：
请帮我分析
00_Inbox/里的文件，先不要移动，也不要删除。请按文件主题、可能用途、建议放入的文件夹，给我一份分类建议。每批最多处理 30 到 50 个文件，处理完先等我确认。
这一步要记住三句话：
- 只分析，不移动；
- 只建议，不归档；
- 只盘点，不整理。
因为一开始你还没看清资料全貌，直接让 AI 移动文件，很容易分错。
第三天的价值，是让你第一次看到：自己过去的资料，大概可以分成哪些主题，哪些资料最值得先处理。
第 4 天：只归位最痛的 30%
第四天才开始真正整理。
但也不要整理全部，只处理最值得整理的那部分，也就是“高频未沉淀”的资料。
你可以从 AI 昨天给出的分类建议里，挑出三类资料：
最近一个月一定会用的； 过去反复找过的； 下次重做会很痛的。
比如绩效会材料、管理者培训课件、组织调研方案、招聘流程模板、公众号选题库。
接下来，你可以和 AI 助手确认这些资料该放到 10_Project/ 还是 20_Areas/，必要时新建文件夹、重命名、归位。
这一轮的目标不是完美分类，而是先让最痛的资料变得可用。
💡第 3 天是看清楚，第 4 天是放到位。
第 5 天：做 3 张主题笔记
知识库不是文件夹集合，真正有价值的是主题笔记。
比如你有 10 份组织调研材料。如果只是把它们放进一个文件夹，下次还是要一份份打开。更好的做法是让 AI 帮你写一张主题笔记：
组织调研方案_经验索引.md
你可以这样问 AI：
请基于我的知识库，帮我写一份
组织调研方案_经验索引.md。里面请写清楚：
这个主题适合什么时候用； 有哪些历史材料； 每份材料的价值是什么； 常用结构是什么； 上次踩过什么坑； 下次做时优先参考哪一版。
这就是经验从“文件”变成“知识”的关键。
第 5 天不用多，只做 3 张主题笔记就够。比如：
绩效会材料索引.md新任管理者培训索引.md组织调研方案索引.md
一张主题笔记，可能比 100 个文件名更有价值。
第 6 天：用知识库完成一次真实工作
第 6 天一定要“用”，不要继续整理。
因为知识库最怕变成一个只进不出的仓库。你可以找一个真实工作场景，比如写一个培训方案。
先不要打开空白文档，先问 AI：
请基于我的知识库，帮我查找过去和“新任管理者培训”相关的材料。请列出最值得参考的 5 份，并说明每份可以借鉴什么。
或者：
请根据我过去的绩效会材料，帮我整理一份今年绩效会方案的结构建议。
这一天的目标不是让 AI 一次性给你完美答案，而是验证：
你的知识库能不能帮你减少 从零开始。
只要能帮你找回旧材料、整理旧结构、提取旧经验，它就已经开始有价值了。
第 7 天：让 AI 做一次体检
第 7 天，不新增资料，让 AI 检查结构。
你可以问：
请帮我检查当前知识库结构。哪些文件夹内容太杂？哪些资料适合合并成主题笔记？哪些文件命名不清楚？哪些资料可能重复？请给我一份优化建议，不要直接移动或删除文件。
这一步很重要，因为人看自己的资料，常常没有全局感。AI 可以帮你从更高一层看结构。
但还是那句话：
AI 给建议，你做判断。
7 天之后，你不会拥有一个完美知识库，但你会拥有一个能跑起来的知识库：它有入口、有结构、有一批高频资料、有几张主题笔记，还能被 AI 调用一次。
💡 知识库不是建完才用，而是边用边长。
这就已经比“资料到处散着”前进了一大步。
四、工具不重要，结构才重要
虽然我建议用 Obsidian，但我不想把这篇写成工具教程。
工具会变，插件会变，AI 助手也会变。但有几条原则不会变。
第一，资料最好归你自己
如果你的核心知识都放在一个完全封闭的平台里，未来迁移会很痛苦。
个人知识库最好能长期保存、方便迁移、自己可控。这也是我更偏好本地文件和 Markdown 的原因。
第二，格式要尽量简单
越复杂的格式，越容易被工具绑架。
Markdown 的好处是简单，十年后大概率还打得开，AI 也容易读取。对管理者来说，不需要把笔记系统做得太复杂。后续新增知识也最好用 Markdown 格式
能写、能搜、能链接、能被 AI 读，就够了。
第三，结构要服务使用，不要服务分类癖
很多人整理知识库，会陷入分类快感：
这个文件到底算 HR，还是算组织发展？ 这个案例到底算培训，还是算管理者发展？ 这个材料到底放项目，还是放资源？
其实不用纠结。
判断标准只有一个：
下次你会从哪里找它？
知识库不是图书馆，它是工作台。
💡 分类不是目的，找得到才是目的。
第四，要给 AI 留入口
AI 时代的知识库，不只是给人看的，也是给 AI 读的。
所以文件名要清楚，主题笔记要有摘要，重要材料要有索引。一个好的知识库，应该让你可以直接问 AI：
帮我找过去和“组织调研”相关的材料。帮我总结这些材料里可复用的方法。帮我基于过去的方案，起草一个新版本。
这时候，AI 才真正用上你的经验。
不是重新生成一份空泛内容，而是在你的经验基础上继续工作。
五、别把知识库做成新的垃圾场
知识库最容易失败，不是因为工具不好，而是因为它很容易变成新的垃圾场。
这里有几个坑，尤其要避开。
坑一：追求完美分类
很多人一开始很有热情：一天建 50 个文件夹，每个主题都想分得很细。结果一周后，新资料不知道该放哪里；再过一个月，Inbox 爆满，最后整个系统放弃。
解决办法很简单：先粗后细。
先用 5 个大文件夹，让资料有地方去。等某一类资料真的多起来，再新建子文件夹。
结构不是设计出来的，是长出来的。
坑二：只进不出
每天收藏，每天剪藏，每天往知识库里放东西，但从来不调用。这就不是知识库，这是数字垃圾场。
我的标准很简单：
每周至少从知识库里调用一次。
写方案前先搜一次，做汇报前先找一次，准备培训前先问一次 AI。只要有输出，知识库就是活的；如果只有输入，没有输出，它很快就会死。
坑三：让 AI 删除资料
AI 可以帮你整理、归类、重命名，也可以帮你判断哪些资料可能重复。但不要轻易让 AI 删除资料，尤其是旧项目材料、过程文件、会议纪要、聊天记录。
因为你现在看不出价值，不代表以后没价值。
我的原则是：
💡 AI 只归位，不扔掉。
原始资料先保留，不确定的资料放归档。真的要删除，也必须由人确认。
一个会乱删资料的 AI 助手，比不会整理的 AI 助手更危险。
坑四：笔记太长
一篇笔记塞 5000 字，看起来很完整，但下次你根本不愿打开。
更好的方式是：
一张卡片，一个观点。
长材料可以保留，但最好再提炼成几张短笔记。比如一份培训复盘，可以先建立文件夹，再拆成学员反馈、课程结构、有效案例、下次优化点。
这样下次调用时，人更愿意看，AI 也更容易识别。
坑五：长期不体检
知识库不是搭完就结束，它需要定期体检。
每个月可以让 AI 看一次：
哪些文件夹太久没更新； 哪些主题资料越来越多，需要做索引； 哪些笔记标题太相似； 哪些内容可以合并； 哪些资料一直放在 Inbox 里没有处理。
你不需要每次都大整理。每月花 30 分钟，让 AI 给你一份体检清单，然后只改最关键的 3 项。
这样知识库就不会慢慢失控。
六、今晚 30 分钟：只建一个 Inbox，写第一行笔记
如果你看到这里，觉得还是有点多，那今晚只做一件事。
不要整理历史资料，不要迁移所有文件，不要研究复杂插件，只做 4 步。
第一步，打开 Obsidian，或者任何你顺手的笔记工具
没有装 Obsidian 也没关系。
你可以先用一个本地文件夹，或者任何你顺手的笔记工具。关键不是工具，关键是开始。
第二步，建 5 个文件夹
先建这 5 个：
00_Inbox/10_Project/20_Areas/30_Resources/40_Archives/
先别纠结命名，以后可以改。
第三步，只建 1 个领域文件夹
在 20_Areas/ 下面，只建一个你最常用的领域，比如：
人力 AI 落地 组织发展 商业管理
只建一个，不要一下建十个。
第四步，在 Inbox 写第一行笔记
打开 00_Inbox/，新建一个文档，写下你今天听到、想到、看到的一句话。
比如：
下次做管理者培训，可以加入“AI 怎么帮管理者准备反馈谈话”的场景。
写一行就够。
不用分类，不用修饰，不用完美。
这就是你知识库的第一块砖。
很多事情不是准备好了才开始，是开始了，系统才会慢慢长出来。
七、写在最后：你的知识库，不是仓库，是第二大脑
这篇文章表面上是在讲知识库，但我真正想讲的，不是工具，而是 AI 时代管理者怎么重新使用自己的经验。
过去二十年，我们每个人都积累了很多东西：做过的方案、带过的团队、踩过的坑、处理过的人和事、写过的材料、听过的会议。
那些东西不是没价值，只是它们太散了。散在文件夹里，散在聊天记录里，散在邮件附件里，也散在我们的记忆里。
AI 出现以后，最值得做的事之一，就是把这些经验重新组织起来。
因为未来真正厉害的管理者，不一定是收藏最多工具的人，而是能把自己过去的判断、经验、方法和案例，整理成可以被调用的人。
你不需要一上来搭一个很大的系统，也不需要一次性整理完所有资料。你只需要从今晚开始，让自己的经验有一个入口：先放进去，再慢慢整理，再用 AI 帮你找回、提炼、连接、复用。
💡你的知识库不是仓库，而是第二大脑。
它比任何通用 AI 都更懂你，因为里面装着的，是你自己真正走过的路。
所以，7 天能跑起来的知识库，不是 7 天后才开始，而是今晚 30 分钟就开始。
打开工具，建一个 Inbox，写下第一行笔记。
你就已经在路上了。
下篇预告
这一篇讲的是：怎么搭起一个最小可用的个人知识库。
下一篇，我会继续讲：
知识库搭起来之后，怎么让它真正活起来。
包括：
怎么把外部资料自动收进来； 怎么用双向链接 + MOC 帮你把知识链接起来； 怎么让 AI 帮你把知识变成类似 BizSLAC 那样可调用的技能； 如何让知识库持续生长。
因为搭起来只是开始。
用起来，才是价值。
参考资料
- Obsidian
—— 本地优先的 Markdown 笔记工具。https://obsidian.md/ - Tiago Forte 的 PARA 方法
—— Building a Second Brain 一书的核心框架。 - Karpathy 的 LLM Wiki
—— 个人知识库理念的实践案例，2026 年 4 月公开。 - 中国信通院《智能驱动增长》报告
—— 企业知识库使用情况调研数据。
看完别忘了：
👍 点赞 —— 让我知道这篇对你有用💬 留言 —— 你的知识库搭到哪一步了？遇到什么坑？➡️ 关注我 —— 下期讲"知识库搭起来之后，怎么让它活起来"
