夜雨聆风你有没有遇到过这种糟心情况？
跟豆包说过的工作规则，换Kimi就全忘了；跟Claude Code改好的PPT模板，换个AI就找不到文件在哪；每次换个AI工具，都要重新自我介绍一遍，重新讲我的业务、我的习惯、我的项目结构。
说白了：AI们各干各的，大脑不互通。
我花了3天，让8个不同平台的AI一起搭了一套「AI共享知识库」，彻底解决了这个问题。今天聊这套东西的设计思路，顺便把整理好的模板开源给大家。发出来之后又迭代了两轮，下面的用法是最新版，照做就行。
🪃 顺便说个最妙的点：这套模板的业务层是刻意留空的——你不用先有业务。我就是从"整理 AI 规则"起步，用着用着长出了辅导计划、教材、改善提案、连这套知识库系统本身。新项目踩的坑又飞回来把模板磨得更聪明，像回旋镖。
🤔 问题的本质：多AI时代的「信息孤岛」
用AI用得深了，谁都躲不开这个困局：
你对Claude Code说「帮我把上次那个PPT改一下」→ 它根本不知道PPT在哪 你对豆包说「按之前的辅导计划模板写一份新的」→ 它从来没见过那个模板 你跟Kimi沟通好的项目规则，其他AI完全不知道
AI的记忆是「会话级」的——关掉对话就清零。跨平台更惨，不同AI之间完全没有信息共享。
市面上现有的解决方案分两类：
单个AI的知识库（Obsidian+AI、Notion AI）：只解决「一个AI记住你」，不解决「多个AI共享信息」 向量数据库/RAG：只解决「搜索文档」，不解决「多个AI一起改文档时的冲突、版本、署名问题」
我想解决的是第三个问题：让8个AI共用一套文件，不打架、不覆盖、谁改了什么都能查到。
而且用着用着，我还发现了两个意外的好处：
✅多个AI可以互相当质检员同一个方案，豆包写完、Claude Code审逻辑、Kimi再顺一遍文字——三个大脑交叉验证，单个AI的盲区会被其他AI补上。豆包写的内容太口语化，Claude Code会指出逻辑漏洞；Claude Code写得太技术化，豆包能改成客户看得懂的人话。这不是简单拼凑，是一套分布式质检系统。
✅白嫖多平台的免费额度这个特别实在：豆包额度充裕就派重活，Kimi额度紧就只做审校，DeepSeek便宜就用来做批量处理。8个AI分着用，总成本比死磕一个付费模型低得多。
🛠️ 核心设计：一个入口文件 + 三个好用的机制
整个体系没有花里胡哨的功能，核心就这几样。
1. 一个「入项指引」文件，人只需要做2件事
最早我让新AI读三个文件才能上手，后来发现还是太重。现在收敛成一个文件：_入项指引.md，AI读完它，就知道我是谁、按什么规矩干活、文件都在哪。
所以你拿到这套模板，不需要改任何配置，只需要做两件事：
把模板文件夹和你的项目文件夹平行放着（GitHub 上点「Use this template」或下载 ZIP 都行） 打开你常用的桌面端 AI（豆包/Kimi/WorkBuddy/OpenClaw 等能读写本地文件的），把 _入项指引.md的内容贴给它，或者把文件路径给它，说一句「读这个，以后按它干活」
然后 AI 自己就懂了。你只管开口提需求——连「这套东西是什么、怎么用」都可以直接问 AI，不用自己先搞明白。
这背后是个应用模式的颠覆：市面上所有教程都是「教人用工具」，这套反过来——skill 是给 AI 用的，人只跟 AI 对话。人不需要懂体系，AI 负责把知识库捞起来用，还负责「先懂你、再办事」。
2. Git署名制：谁干的活一目了然
这是整个体系最关键的设计。每个AI改完文件，必须署名提交Git：
[豆包桌面端] 更新推广策略分析[小龙虾] 修复开源协议署名
好处太明显了：
可追溯：出了问题知道是谁改的，不用猜 不覆盖：Git自动检测冲突，不会A把B的改动直接吞了 能回滚：改坏了一键退回上一个版本，不怕瞎改
我没搞什么复杂的权限系统，Git本身就是经过十几年验证的多人协作工具——AI也是「人」，用给人设计的协作工具就够了。
3. 30条机制：全是踩坑踩出来的，不是设计出来的
先说重点：这套模板真正扛事的就 4 个文件——_入项指引（唯一入口）、1-01_用户档案（AI 代填，你只核对）、1-09_防呆闭环（踩坑变规则）、单轨交底（写进 _入项指引）。其余 1-03~`1-08`、指挥中心都是进阶按需读，上手根本不用碰。
这 4 个核心之上，沉淀了30 条协作机制（在 1-07_机制亮点清单.md），每条背后都是一个真实事故——它们是进阶库，按需抄：
派活对讲机：8个AI同时改一张表会互相覆盖 → 改成工单状态机+追加制，只有状态轮到你才能动 接单三要素：AI干到一半说没权限 → 接单必须先报「能不能干/权限够不够/额度够不够」 不硬扛声明：AI不懂装懂硬接活 → 超出能力圈必须写明「需XX初审」，敢说不会算立功 发布键永留人：自动化误发过草稿 → 对外发布永远人点头、人点击，自动化最多到草稿 防呆闭环：同一个坑踩三次 → 每个问题走5步变成规则，能断根的不靠人记
完整清单在模板的 1-07_机制亮点清单.md 里。别一次全抄——机制是用来防坑的，遇到哪个坑再抄哪条，没坑防就是负担。
4. 想法池闭环：每个想法都有始有终
AI不只是干活的工具，它们也会提改进建议。但以前的问题是：建议提了就没下文，淹没在聊天记录里。现在我搞了个「想法池」，流程是固定的（多AI并行才走这条完整链路；你直接一句话命令 AI 干活不用立工单，办完备注就行）：
AI提建议 → 进池 → 其他AI投票 → 我拍板 → 拆成工单 → 派活 → 验收 → 归档我的想法手稿一个字都不许AI改，AI的意见写在下面的讨论区。每个想法都有生有死，不会堆在那里烂掉。有意思的是，不同AI还会互相评审对方的想法：Claude Code会说「小龙虾那个方案有漏洞，我有更稳的」，豆包会说「Kimi这个想法好，我补个实际场景」。这不是AI在聊天，这是它们对着同一份共享文档在集体思考。
❓ 为什么用最「笨」的方案：Markdown + Git
我试过Obsidian、Notion、飞书文档，最后选了最朴素的方案：纯文本Markdown + Git版本管理。原因特别实在：
任何AI都能读写：纯文本不需要API、不需要插件、不需要特殊权限，是个AI就能改 任何平台都支持：Windows/Mac/Linux/手机，没有兼容问题，换个设备就能用 真·免费：GitHub公开仓库不要钱，还能换着平台白嫖免费额度——豆包额度用完了切Kimi，Kimi用完了切DeepSeek，总有一家额度还够 不会倒闭：文件存在你自己硬盘上，哪个服务关了都不影响，文件永远是你的
有人问我为什么不用向量数据库？我的答案是：我整个知识库才几十个文件，grep搜索0.1秒就出结果，为什么要架个数据库给自己找事？技术选型的本质就一句话：够用就好，越简单越稳定。
📦 开源了：GitHub + SkillHub，拿去直接用
我把整个模板整理干净，去掉了个人信息，传到了GitHub：👉https://github.com/SamieSYL2093/ai-knowledge-base-template
同时也发布到了SkillHub（搜ai-kb-template），想在AI工具里直接装skill的可以从那边装。
30多个文件，零编程门槛。用法上面说了——不用改任何东西：文件夹平行放好，把 _入项指引.md 发给你的AI，它自己就知道怎么干了。
这套模板已经在真实项目里用上了：一个精密制造企业的现场改善咨询项目，我把知识库作为子文件夹嵌进项目目录，只保留了7个最核心的规范文件。不管哪个AI来写辅导计划、整理改善案例、做培训课件，只要把入项指引发过去，AI自己就知道项目规矩、文件位置、输出格式，不用我每次重新讲一遍要求。
如果觉得有用，给个Star⭐支持一下；如果觉得哪里不好用，直接提Issue，我跟我的8个AI团队继续迭代。
💡 这三天我最大的感悟
以前我觉得AI知识库是个「工具问题」——找个厉害的软件就行。后来才发现是个「规则问题」——不是工具不够好，是没有给AI定好干活的规矩。定好规则之后，AI比人守规矩多了：
人会忘记署名，AI每次改完都老老实实提交 人会懒得写修改说明，AI写得清清楚楚 人会嫌麻烦绕流程，AI严格按状态一步步走
所以这套模板看起来是在「管AI」，其实是在用AI的纪律，反过来帮我自己养成更有条理的工作习惯。
🪃最妙的是：它帮你长出新项目。模板的业务层是刻意留空的——我不是先规划好一堆业务再填进去，而是"整理 AI 规则"这件事用着用着，自然长出了辅导计划、教材课件、改善提案、甚至这套知识库系统本身。每个新项目在真实场景里跑、踩坑，坑又回流把模板磨得更聪明。扔出去的是空白种子，飞回来的是更聪明的模板——它不只是一套知识库，是 AI 时代你的能力放大器。
下一步我会把这套模板继续用到客户项目里实战，后续更新都会同步在GitHub上。
