如何用 AI 搭建一套会"自动运转"的个人知识系统？
从囤积到周转，我用 Claude Code + Obsidian 搭了一套个人知识系统。 不是教你怎么用工具，而是教你怎么让知识真正为你工作。
一、我的"仓鼠症"是怎么治好的
前阵子看到胡子哥说：赚钱的核心是打造自己的知识系统。
这句话击中了我。因为我发现自己一直是"仓鼠型学习者"——看书、收藏干货、做笔记，看似每天都在进步，但真正用到的很少。
后来我想明白了一件事：知识是可运行的，不是可收藏的。
囤积知识会产生认知过载。你脑子里的"待用知识"越多，能用来思考的带宽就越少。就像一个 CPU 后台开了 100 个程序，再强的处理器也跑不动。
所以我决定从零开始，搭建一套属于自己的知识系统。整个过程完整记录在这个 Obsidian Vault 里。
二、核心理念：知识不是"拥有"，是"周转"
2.1 知识周转率
知识周转率 = 本月使用的知识数 ÷ 本月学习的知识数
健康标准 ≥ 60%。学了 10 个知识点，至少要用上 6 个。用不上的，就该删。
低周转率的后果： – 短期（1-4 周）：低价值知识占用"后台进程"，大脑疲于应对 – 中期（1-3 个月）：库存积压增加，信息蒸馏能力下降，越学越焦虑 – 长期（3 个月+）：心智系统锁死在"应激反应"模式，创意通道关闭
关键洞察：你不是没想法，你的认知资源被低效占满了。
2.2 让 AI 做推理代理，不是索引器
很多人用 AI 做知识管理的方式是错的：让 AI 帮你分类、打标签、建链接。建完之后没人看。
正确的用法：让 AI 在工作台上帮你思考、切割、提炼。
Claude Code 不是帮你建档案室的，它是帮你做深度加工的推理代理。
三、PARA 分类法：按状态分类，不是按内容分类
我用的是 PARA 框架（来自《打造第二大脑》），按处理状态分类：
| 00 – 灵感库 | 一个让你"不舒服"的观点 | 看到某篇文章觉得不对但讲不清为什么 |
| 01 – Projects | 两周内会处理，有明确目标/截止日 | "30天写10篇产品思考" |
| 02 – Areas | 长期关注，没有结束时间 | "产品经理能力"、"副业探索" |
| 03 – Resources | 以后可能查，现在不直接处理 | 读书笔记、行业报告 |
| 04 – Archive | 已完成或过期 | 已上线的项目文档 |
分类决策树：
这个笔记是什么状态？
├── 只是一个想法，还没想清楚 → 00 – 灵感库
├── 我正在推进，两周内有动作 → 01 – Projects
├── 我要长期关注，没有 deadline → 02 – Areas
├── 只是备查资料 → 03 – Resources
└── 已经做完/过期 → 04 – Archive
四、核心管线：从灵感到内容
这是整个系统的发动机。一条灵感进来，经过 AI 加工，最终变成可发布的内容。
4.1 完整流程
灵感库/某条灵感.md
↓
/灵感引擎 → 7 刃切割，找到新角度
↓
/门禁四问 → 验证这条灵感值不值得继续
↓（通过）
/挖矿 → 提炼 300-800 字核心判断
↓
选择输出：/口播 或 /长文 或 /短文
↓
/上期回顾 → 和上一篇关联，形成演进线
4.2 第一步：记录灵感
灵感库不是收藏夹。
入盒标准：必须让你感到"不舒服"，满足至少一条： – 🔴 这个观点我不认同，我要说出来 – 🔴 这个东西我以为懂了，但讲不清楚 – 🔴 这个现象让我困惑，没有简单解释 – 🔴 这个旧认知最近被动摇了
示例：
原始观点：内容创作的瓶颈不在灵感，在加工流程。创作者不缺想法，缺的是把灵感变成成品的流水线。 我的反应：不太认同，但又讲不清为什么。
4.3 第二步：灵感引擎（7 刃切割）
把灵感丢给 AI，让它从 7 个角度切割：
通过标准：至少有一刃让你觉得"这个角度我没想过"。
4.4 第三步：门禁四问
灵感引擎产出了新角度，但还不够。你需要验证它是否值得继续加工：
每个问题回答"通过 / 不通过 / 存疑"，最后给出结论。
4.5 第四步：挖矿（提炼核心判断）
通过门禁的灵感，需要用 8 条规则提炼成 300-800 字的锋利核心判断：
通过标准：读完后你能直接讲出来，不卡壳。
4.6 第五步：多渠道输出
核心判断提炼好了，根据你想发布的平台选择输出形式：
| 口播 | 60 秒脚本，开头 3 秒必须有钩子 | 抖音、视频号 |
| 长文 | 900-1200 字，3-4 个论点 | 公众号、小报童 |
| 短文 | 300-400 字，一段观点 + 一个例子 | 知识星球、朋友圈 |
4.7 第六步：认知演进线
每篇内容末尾加一段"上期回顾"：
"上期我讲了 X，这期我发现它不完整，真实情况是……" "上期我认为 Y，我错了，新认知是……"
效果：读者看到你的思考在生长，你自己看到每个洞见被迭代了几轮。
五、日常维护：让系统持续运转
5.1 每周日清理
灵感库如果堆满了，系统就废了。
规则：超过两周没处理的笔记 → 直接删，不可惜。
5.2 核心指标监控
| 知识周转率 | 本月使用的知识数 ÷ 本月学习的知识数 | ≥ 60% |
| 库存知识数 | 脑子里"待用"的知识总数 | 逐月递减 |
| 清理率 | 删除的知识数 ÷ 库存总数 | 每月 5-10% |
5.3 常见错误
六、实战经验：5 条踩坑总结
6.1 每个项目用独立文件夹
不要在根目录启动 AI 工具。它会扫描整个文件夹导致信息过载。
6.2 写好配置文件
让 AI "懂你"的关键。定义好角色和规则后，对话效率提升 3 倍以上。
6.3 技能包的使用方式
技能文件是手动触发的 Prompt，有两种用法： – 读取执行法：让 AI 读取技能文件，然后执行 – 直接触发词：简单场景下直接说触发词
6.4 多模型切换策略
不同场景用不同模型效率最高： – 代码生成 → Kimi Code（代码能力极强） – 逻辑推理 → DeepSeek（推理能力强） – 快速响应 → Doubao-Seed（响应快） – 中文任务 → 智谱 GLM（国内直连）
6.5 技能包安装
通过自然语言安装，安装后直接说出关键词即可触发。
七、总结
这套系统解决了什么？
不适合谁？
- 学术研究者（需要广泛阅读，周转率指标无意义）
- 初阶学习者（需要先建立基础知识广度）
- 没有反馈系统的场景（无法判断什么是"有用"）
下一步
如果你想跟着实操： 1. 安装 Claude Code 和 Obsidian 2. 下载搭建脚本 3. 运行一行命令搭建框架 4. 写第一条灵感，跑一遍完整管线
参考资源
- Claude Code 官方文档：https://docs.anthropic.com/en/docs/claude-code
- CC Switch（模型管理工具）：Releases · farion1231/cc-switch · GitHub
- Kimi Code：Kimi Code – 搭载 Kimi K3 的 AI 编程 Agent 与 CLI 工具
- 火山引擎方舟 Coding Plan：https://www.volcengine.com/activity/codingplan
- 《打造第二大脑》（PARA 框架来源）
本文基于个人真实实操经验整理，所有步骤均已验证。 搭建脚本和完整框架见 Obsidian Vault
