上一篇讲了：小白如何从0到1搭建自己的AI知识库。有好多朋友私信问知识库的结构和skills到底是怎样的。今天我就来分享一下我的目录构建和skills的搭配思路。
很多人开始搭 AI 知识库，第一步是建文件夹，第二步是写几个技能，第三步把资料往里面塞。
看起来东西都有了，实际用起来还是会卡住。
一篇新材料进来，到底放哪里？要不要拆成更小的观点？什么时候可以形成概念？人物和公司要不要单独建页面？不同技能之间又该怎么分工？
如果这些问题没有答案，文件夹再多，也只是把混乱分开放。技能再多，也容易各做各的，无法串联起来。
随着我的 AI 知识库越用越稳定、越用越丰富，我的经验是：一套 AI 知识库要想长期运作，需要先定好知识管理规则，再让不同技能按照同一套规则配合。
这套架构源自 LLM Wiki 与 GBrain
我现在使用的这套结构，参考了 OpenAI 创始成员 Andrej Karpathy 提出的 LLM Wiki，以及 Y Combinator 总裁兼 CEO Garry Tan 开源的 GBrain。
我主要借鉴了其中几条很重要的思路：
原始材料要保护好，后续生成的判断要能回到来源。知识库要有统一的结构规则，AI 也需要通过明确的技能完成采集、查询、整理和使用。
到了自己的知识库里，目录还是要根据真实材料和使用场景重新设计。别人用得好的知识库，不代表复制过来就适合自己。
如何定义知识库目录结构
我目前重点使用的目录大概是下面这些：
●●●原始来源／
笔记／
原子／
概念／
分析／
实体／
├── 人物／
└── 公司／
写作／
这里为了方便解释，我把它们分成了三类内容：知识内容、实体和输出。
原始来源 保存外部文章、逐字稿和其他直接证据。它最重要的作用是保留原件，不能让后续摘要把原文覆盖掉。
笔记 保存个人表达、阶段性判断，以及暂时不需要继续加工的内容。一条笔记写得已经很完整，也可以停在这里。
原子 保存从复合内容中提炼出的单一判断。它不是把长文切成小段，而是让一个观点离开原文以后，仍然能够单独理解和使用。
概念 用来综合多个不同来源持续支持的认识。单篇笔记里拆出三条相似观点，依然只算一个来源，不能靠数量把它包装成成熟概念。
分析 承载基于已有材料形成的判断、比较和综合。它可以更新，但不能反过来改写原始证据。
人物 和 公司 是给重要对象一个稳定身份。同一个人、同一家公司只维护一份主页面，会议、事件、笔记和写作都可以继续指向它。
只有会被反复引用的人物或公司，才值得维护独立的主页面。
最后是 写作。知识重新进入文章、课程、复盘或其他真实任务以后，才真正被用起来。
目录在这里表达的不是主题，而是一份内容现在处于什么状态，或者它主要在描述什么对象。
怎样把笔记类型、目录和笔记关系串连起来
只有目录还不够。
知识库还需要回答几个问题：这是什么页面，它应该放到哪里，它和已有页面是什么关系，这种关系应该记录在哪一边。
先判断页面主要在讲什么，再由页面类型决定唯一的当前目录。
比如，一条从长笔记里提炼出的原子，需要保留和原笔记的来源关系。后面看到这条判断时，可以一路回到当时的原话和语境。
普通提及和稳定关系也要分开。一篇文章里顺手提到某家公司，不代表这家公司和文章主题之间一定存在长期关系。只有以后还会用于查询、判断或整理的关系，才值得固定下来。
人物和公司页面也是一样，主要用来解决对象重复的问题。否则同一个人出现在会议、项目和文章里，很容易被建成三个名字略有不同的页面。
更关键的是，所有技能都要遵守同一套规则。 不能采集时使用一套分类，查询时使用另一套，写入时又临时猜一个目录。
一条笔记在知识库中是如何运作的
拿我知识库里一条真实笔记《AI 时代的新知识库理念》来说。
材料进入知识库时，简单的个人输入可以由「快速采集」保存，复杂的外部材料则交给「内容导入」分发到合适入口。写入之前，「知识查询」会先检查有没有同名、相同来源或高度相似的页面。
这条笔记当初从哪个入口进入没有完整记录，所以采集部分讲的是当前设计。从原子页面开始，才是现在能够回查的真实结果。
接下来，「原子提炼」判断这条笔记有没有继续拆解的价值。
当前可以从中选出两个已经建立来源关系的原子作为例子：
AI 原生知识库应围绕人机共同维护认知。 参考知识系统时应采用机制，而不是复制目录。
每个原子都保留原句、适用边界和来源关系。这样它们进入新的文章或分析时，来源依然可以回查。
原子再往上也不会自动变成概念。「概念综合」需要回到不同的原创来源，确认是不是有多份独立材料在支持同一个判断。来源不够，就先保留候选，不急着创建新概念。
这两个原子后来也被关联到「可追溯 AI 知识库闭环」这个概念。等我再次查询相关主题时，原笔记、原子和概念可以一起被找到，也可以重新进入分析与写作。
所以，一条笔记的价值不只在被保存。以后写文章或做分析时，还能沿着这些关系找回原话和之前形成的判断。
知识库中的 Skills 如何配合
回头看前面的过程，核心技能大致是这样配合的。
下面是一张职责地图，不是每份材料都要完成的固定顺序：
●●●材料进入
├── 快速采集
└── 内容导入
↓
知识查询与查重
↓
知识库读写／仓库归档／知识分类／页面信息校验
├── 直接保存
└── 按需原子提炼
└── 按需概念综合
↓
知识查询／写作输出
「快速采集」和「内容导入」解决材料怎么进来。「知识查询」既负责日常查找，也负责写入前查重。
「知识库读写」检查权限、来源和能不能修改。「仓库归档」判断页面主要在讲什么。「知识分类」确定它属于哪类页面、进入哪个目录。「页面信息校验」负责在写入前检查结构是否符合规则。
后面的「原子提炼」和「概念综合」负责知识加工。它们不会因为材料进来了就自动执行，也不会为了增加页面数量强行产出。
不是每条材料都要走完整条链。个人随手记下的一句话，可能只需要采集和查重。一篇观点完整的文章，也可能直接保留，不再拆解。
技能配合的意义，就是把每一步接收什么、交付什么写清楚，也划出不能做的事。 出了问题，更容易定位到具体环节。
如何起步构建自己的知识库
如果刚开始搭，不需要直接复制全部目录和技能。
先确定知识库最后要服务你的什么工作内容。可以是写公众号、准备培训、做客户问答，也可以是定期复盘。任务不同，需要保存的材料、关系和加工方式也会不同。
第一版保留几种核心状态就够了：原始来源、个人笔记、可复用观点和最终输出。如果经常围绕人物或公司工作，再增加对应的实体页面。
第一版的技能先覆盖四种能力：
保存材料。 查询和查重，并能回到原始来源。 按规则完成分类、校验和安全写入。 按需提炼知识，让旧材料重新进入任务。
然后拿一条真实笔记跑一遍。看看它怎样进入、怎样查重、放到哪里、是否需要加工、以后能不能再次找到。
检索失败、分类冲突和重复页面，往往要等真正用起来才会出现。遇到这些问题以后，再继续增加规则和技能。
写在最后
只对 AI 说一句“帮我管理知识库”，还不足以让它自己判断什么该保留、放在哪里、怎样关联、什么时候加工，又该在什么时候停下来。
知识管理规则先说清楚什么内容保留原件、一页主要讲什么、判断怎样回到来源、人物和公司怎样保持唯一。不同技能再把这些规则落实到采集、查询、查重、分类、加工和再次使用。
真正盘活知识库的，不是一句提示词，而是一套知识管理与关联规则，加上一组各司其职的技能。
可以先从一条真实笔记开始，画出它从进入到再次使用的路径。哪些目录和技能真正有用，跑过一次以后自然会清楚很多。
