夜雨聆风、这篇是「AI与数据」专栏。讲一个我上周亲历的小实验：如何把"自己手动整理资料"这件又烦又费时的事，交给 AI 主动接管。
第283篇原创
🧩 一、我囤了四年的"数据"，其实从没真正属于我
我加入一个叫"数据学堂"的知识星球，四年了。
运营者很用心，四年分享了 1859 个文件，总容量 15.27 GB——白皮书、方案 PPT、工具模板、统计年鉴，应有尽有。
但我如果诚实一点说：这些东西，我从来没真正"拥有"过。
这话听着像哲学，其实是物理事实。链接散落在几千条帖子里，提取码藏在上下文的某句话里，百度网盘的分享今天还在、明天可能就死了。我每次想找点东西，都得重新登录、重新翻帖、重新输提取码、重新转存。
上个月我认认真真算了一笔账——光"整理资料"这件小事，我前前后后搭进去的时间，够我把那几门课从头学一遍了。
这就是大多数人的"数字资产"现状：你以为你收藏了，其实你只是租了一间随时会被收走的房子。
🤖 二、上周我做了件有点意思的事：不再自己动手，让 AI 动手
痛点想清楚之后，我换了个打法。
我不再亲自登录、亲自翻、亲自转存了。我让 AI 去动手。
注意，不是"AI 帮我写段代码、我复制去跑"那种浅合作。是真正的：
我把需求说清楚，AI 把脚本写出来，脚本自己去登录、去提取、去验活、去转存、去分类、去归档——我一觉醒来，数据已经自己归位了。
这里的关键，是一个被很多人忽略的技术姿势：CLI（命令行接口）+ 浏览器自动化。
你给 AI 一个"能跑命令的环境"，它就不再是聊天框里那个嘴替，而是一个能直接操作你电脑、调用网站接口的"数字员工"。知识星球的帖子文本、百度网盘的转存按钮、NAS 的同步目录，对它来说都是可以攀爬的台阶。
（你说这不就是自动化？对。但大多数人的卡点在于"自动化得先写代码"。而现在的区别是——写代码这步，也可以交给 AI。你只负责想清楚要什么，剩下的交给它踩坑。）
🛠️ 三、什么是 CLI？为什么我选它而不是别的？
很多人听到"让 AI 帮我干活"，第一反应是：那不就是写脚本吗？ 是的，但脚本跑起来需要一个入口，这个入口就是 CLI——Command Line Interface，命令行接口。
说人话：你在终端（黑窗口）里敲一行命令，比如 wenyan publish -f article.md，程序就帮你把文章推到公众号草稿箱了。CLI 是你电脑里所有能"用一行文字召唤出来干活的工具"的统称——npm、git、python、wenyan、ffmpeg、curl，全是 CLI。
但当你想让 AI 干更多事的时候，光知道 CLI 不够。给 AI 装"工具"有四条路：CLI、Skill、MCP、API。它们看起来差不多，其实各有各的脾气。
一句话区分：
🧰 CLI：终端里的现成工具，AI 直接调（门槛最低，立刻能用） 📖 Skill：写给 AI 看的"使用说明书"，告诉它什么时候该怎么用工具（厂商内置） 🔌 MCP：一套让 AI "即插即用"外部工具的标准协议（生态发展中） 🛠 API：最底层的 HTTP 调用，开发者手写（最灵活但最重）
四者的关系，其实是上下叠层：
API 是地基，CLI 是地上一层的"现成摊位"，MCP 是"统一接口的商场"，Skill 是贴在摊位上的"使用指南"。能力越来越丰富，门槛也越来越高。
那为什么这次我用 CLI？ 因为现实条件很简单：
知识星球没有官方 API——只能走网页解析 知识星球的 MCP 也还没成熟实现——自己写一个成本太高 我手头正好有 wenyan-cli 这种现成的 CLI 工具——AI 一行命令就能调用 门槛最低、可立刻跑通——符合"个人脚本级自动化"的最优解
所以你看，技术选型不是看"哪个最先进"，是看"哪个最匹配你当下的约束"。CLI 在我的场景里刚好是性价比最高的——成熟、可组合、AI 友好。如果你面对的是稳定的 SaaS 系统（GitHub、Notion、飞书），MCP 是更好的选择；如果是临时性脚本自动化，CLI 一行命令就到顶。
🏗️ 四、我给这套打法起了个名字：数字置业三段式
把这次实践抽象一下，底层逻辑只有三步。它能迁移到几乎任何"散落资源整合 + 本地永久化"的场景。
第一段：从任意源 → 可处理列表。 知识星球的帖子、微信收藏、小红书、Notion、印象笔记……本质都是"人类可读的混杂文本"。第一步永远是把它变成结构化数据——链接、文件名、标题、提取码。这一步做完，"乱"就变成了"表"。
第二段：从结构化数据 → 存活判断 + 分类。 别急着全拉下来。先问"哪些还活着"，再问"它们该去哪"。先筛活、再归类，省掉的是后期 90% 的杂乱。
第三段：从清洗后的列表 → 本地永久存储。 NAS、移动硬盘、云盘备份都行，但底线只有一个：你必须有一个本地副本。"在线"不等于"拥有"，云盘会限速、会关停、会被删。
一句话记住：别一开始就买设备，先用脚本看看自己到底有多少东西；先下载转存，后分类；本地永久是底线。
🔧 五、落到"知识星球→NAS"这条线，是六个具体动作
把"三段式"套到这次的任务上，就变成一条清晰的流水线：
链接提取 → 批量验活 → 批量转存 → 智能分类 → 本地下载 → NAS 同步。
六个动作，我一个一个讲，但重点不是动作本身，是动作里那些"有意思的坑"——它们才是这个项目真正值钱的部分。
① 链接提取。 把帖子文本丢进去，正则匹配出 8 种网盘的链接，自动识别提取码（"提取码: xxxx""pwd=xxxx"各种写法都覆盖），按 URL 去重。1070 条链接，就是这么捡起来的。
② 批量验活。 这一步最有意思。百度的失效分享，页面照样返回 200，骨架和活链长得一模一样——只有内嵌的那行 JavaScript 变量 errno 说了真话：0 是活，非 0 是死。
UI 会骗人，数据不会。我当初验证时发现，光看页面会误判一大批死链为有效，加了 errno 校验才救回来。另外，验活时如果不及时清掉上一条链接残留的 BDCLND Cookie，下一批链接会被"误判"为不需要提取码——一个小票据，能污染整条判定链路。
③ 批量转存。 启动一个本地 HTTP 服务，浏览器登录百度网盘后自动拉任务、填提取码、点转存。991 条，一条条自己跑完。
④ 智能分类。 转存完，991 个目录名全是分享码（如 1aBcDe...），人看不懂。让 AI 读目录内部的文件名，推测主题，分成 11 类，再自动重命名为中文标题。155 个空目录也一并清掉。
⑤ 本地下载。 知识星球原生上传的文件（不走网盘链接），通过官方 API 枚举、取直链、多线程下载。1859 个文件，15.27 GB。
⑥ NAS 同步。 百度网盘客户端把归档目录设为同步文件夹，自动同步到 NAS。按"年份/类型"归档——2024/PDF/、2024/PPT/……目录自己长好了。
📊 六、数字摆出来，冲击感就有了
| 1070 条 | |
| 991 条（存活率 92.6%） | |
| 1859 个 / 15.27 GB | |
| 11 个主题 |
4 年的星球，链接存活率居然还有 92.6%。这说明运营者用心，也说明——这些资料，确实值得"搬回家"。
最终，我通过这个AI连续3天，完成所有 的下载
💡 七、真正贵的，从来不是技术
这个项目我前后花了30分钟设计，然后让AI 跑了 10 多个小时，外加 4 天配额等待。看起来是用时间换时间，亏了。
但我想说的另一件事是：
我们总以为"技术"是门槛。写代码、配环境、调接口，确实烦。
可真正贵的，从来不是技术——是你想清楚"我要什么、约束是什么、什么算做好"的那部分思考。
AI 把我从"写代码的人"变成了"提需求的人"。它踩坑、它报错、它说"我重写了"，我负责判断"这是不是我要的"。
技术是最便宜的环节，思考才是最贵的。
所以这次实践，我想发给所有"囤资料癖"读者一句话：
收藏只是暂住，下载才是签到，本地永久才是置业。 你不落本地的东西，本质上都是租来的。租来的，房东随时能收。
这套"从散落源到本地永久"的方法论，可以迁移到几乎任何场景：微信收藏的历史文章、多个群里的表情包、各平台买的网课、多个微信号里的视频。底层逻辑只有一个——把"人类可读的混杂"变成"机器可处理的列表"，再变成"你真正拥有的资产"。
而 AI 在这个过程里扮演的角色，不是替你思考，是替你把"想清楚之后的脏活累活"一口气干完。
「AI与数据」专栏 · 我是 Steven，把数据从业经验写成可落地的实战笔记。
