知识库越大越乱？我把它重构成了一个AI工作系统

这几天，我一直在整理自己的知识库。

里面有公众号文章、视频脚本、产品资料、Skill、AI大脑、学习笔记、工具记录、客户转化思路，还有以前从飞书同步过来的电商内容。

资料不少，目录也不少。

但我越整理，越觉得不对劲。

如果每次用 AI，我还是要重新告诉它“去哪里找资料、按什么流程做、做完放哪里”，那这个知识库再大，也只是一个资料仓库。

所以这次我没有继续加文件夹。

我做的是另一件事：把它重新接成一套 AI 能真正工作的系统。

真正难的，不是资料怎么分

以前我也会纠结：这篇文章放哪里？这个灵感算学习还是产品？一份客户反馈应该归内容、交付，还是产品迭代？

这些问题当然要解决。

但只解决分类，AI 依然不知道下一步怎么干。

后来我把问题换了一个问法：

这才是知识库从“存资料”变成“做事情”的分界线。

我最后只保留了两个使用入口

我每天真正会做的事情，看起来很多，其实可以先收口成两类。

一类是知识写入。

看到一篇文章、一个视频、一段聊天或一个新想法，AI 先判断它值不值得留、和现有知识是什么关系、应该保留原文还是只留核心，再给出写入方案。

确认后，它才正式写入。

另一类是任务执行。

比如写公众号、做短视频、开发一个 Skill、研究新产品、分析客户转化问题。AI 先识别任务，再调资料、选员工、跑流程、质检和交付。

入口少了，后面的动作反而更清楚。

AI工作系统管流程，资源中枢管上下文

这次重构，我把整个知识库拆成了几个职责非常明确的区域。

00-AI工作系统负责规则和执行：任务怎么识别、交给谁、用什么 Skill、哪里需要确认、怎样质检。

10-AI调用资源中枢负责 AI 做事时需要的上下文，里面分成六类：

原始资料与输入源；

来源证据与提炼卡；

探索议题与灵感池；

我的长期上下文；

主题知识与方法；

产品经营与客户交付。

20-AI输出只放最终采用的文章、脚本、方案和交付物。

素材附件和历史归档再各回各的位置。

这一步的价值，不是目录看起来更整齐。

而是 AI 能分清楚：什么是原料，什么是证据，什么只是待验证的灵感，什么才是当前可以使用的正式事实。

资料也不能一次全读，要按任务下钻

知识库一大，最容易出现另一个问题：AI 为了显得全面，一上来把所有资料都翻一遍。

这样既慢，也容易被旧内容带偏。

所以我给资料加了四层调用深度。

能在 C1 做完，就不扫描整个原料库。

需要证据再进入 C2；涉及真实数字和时效，再进入 C3。

这和人做事其实一样。你不会为了写一篇文章，把家里所有书从头读一遍。你会先找到这次真正需要的几页。

AI员工不是一个名字，而是一份结果责任

系统里现在有四名 AI 员工：

员工下面再挂具体 Skill。

比如我说“写一篇公众号”，系统不会把所有能力都叫出来。

它会先判断这是内容营销任务，把任务交给爆款哥，再由爆款哥调用公众号 Skill，读取我的表达方式、相关主题知识和必要证据。

写完后先过内容检查，再过系统统一质检，最终采用版进入输出区。

员工的意义，不是把 AI 拟人化。

而是让每一类结果都有明确责任：谁接、谁做、按什么标准检查、哪里算完成。

这篇文章，本身就是一次真实测试

这次我没有写完规则就停下来。

我直接拿“跑一篇公众号”测试刚搭好的链路。

系统先识别任务，命中爆款哥和公众号 Skill；然后读取个人表达、长期目标、知识库方法和这次迁移记录；再检查历史同主题文章，避免把以前写过的“知识库别只收资料”重新说一遍。

这次真正迁移的 703 个源文件，都找到了新位置。

四名员工配置里的 40 个路径全部有效，核心入口和系统文件里的 563 条显式双链没有发现断链。

微信转发进来的内容，也已经有了固定收件箱。它先作为原始来源，由知识管理员增量扫描，不能一进来就冒充正式知识。

这些数字不能证明文章会爆，也不能证明系统已经完美。

它们只能证明一件事：这套新链路不是画在纸上的，它至少已经能接住一次真实任务。

如果你也想搭，别先重构整个世界

看到这里，你可能会觉得，这套东西太大了。

其实不用一开始就搭四个员工、几十个 Skill。

你可以只选一个每周反复出现的任务，比如写公众号、整理客户问题、分析一个产品，先回答五个问题：

1. 我会怎样提出这个任务？

2. 谁对最终结果负责？

3. 它最低要读取哪些资料？

4. 做完以后按什么标准检查？

5. 最终结果放在哪里，哪些经验值得留下？

这五个问题能连起来，你就有了第一个最小工作闭环。

跑一遍，看看哪里找不到资料、哪里职责重复、哪里还需要你反复解释。

然后只修那个最卡的地方。