AI 怎么改变了我记笔记的方式
概述
我做了十年的知识管理。从 Evernote 到 Notion，从纸质笔记本到 Obsidian，工具换了一轮又一轮，但始终绕不开一个核心矛盾：记笔记的时间 > 用笔记的时间。
AI 的出现改变了这个等式。当大模型能理解你笔记的内容，知识管理就从”分类存储”变成了”智能调用”。
一、传统 KM 的死结
传统知识管理的流程：
收集 → 整理 → 分类 → 存储 → 检索 → 使用问题出在”整理”和”分类”——这是最耗时、最需要判断力的环节，但也是大多数人坚持不下去的环节。结果是笔记越积越多，真正用到的时候找不到。
过去几年流行的”PARA 方法”和”Zettelkasten”试图解决这个问题，但它们本质上是人的方案——靠你的判断力来决定笔记该怎么分类、怎么连接。这很累。
二、AI 如何改变知识管理
2.1 检索：从关键词到自然语言
过去找笔记靠文件名和标签，后来靠全文搜索。现在：
“我去年写过一个关于零信任架构的方案，里面提到了 Cloudflare Tunnel 的配置步骤，帮我找出来”
AI 理解你的意图，不需要精确的关键词。这就是语义检索带来的变化。
2.2 整理：让 AI 帮你分类
我现在基本不做人工分类。笔记写完后，AI 自动：
- 提取关键概念和标签
- 关联已有笔记（“这篇和 XX 方案提到同一个技术点”）
- 建议存放位置
人工操作 AI 辅助──────────────────────────────────────────────手动建文件夹分类 AI 自动打标签和建议分类手动维护目录索引 AI 自动生成知识图谱手动关联相关内容 AI 自动发现连接点手动提炼摘要 AI 自动生成摘要2.3 创作：从碎片到文章
这是我用得最多的场景。Obsidian 里散落着几十条相关笔记，AI 可以把它们串联成一篇结构化的文章：
- 指定一个主题
- AI 扫描相关笔记，提取关键观点
- AI 给出文章大纲
- 人调整方向，AI 扩写内容
- 人审校定稿
从碎片到成文的时间从”几天”缩短到”几小时”。
2.4 问答：对话式知识库
传统 FAQ 是提前写好问题和答案。现在可以直接对着整个知识库提问：
“帮我看看之前 XX 学校的项目中，我们在网络安全部分是怎么设计的？有什么经验教训？”
AI 读所有相关笔记，综合回答。这在写新方案时尤其有用——不用从零思考，先看看以前是怎么做的。
三、我的 KM 系统架构
┌─────────────────────────────────────────────┐│ 输入层 ││ 网页剪辑 · 读书笔记 · 会议记录 · 日常想法 ││ 微信 · 邮件 · 聊天记录 · RSS │└───────────────────┬─────────────────────────┘ ↓┌─────────────────────────────────────────────┐│ 存储层 ││ Obsidian（Markdown 文件） ││ 按项目/领域组织，但不过度分类 │└───────────────────┬─────────────────────────┘ ↓┌─────────────────────────────────────────────┐│ AI 层 ││ 语义检索 · 自动标签 · 关联发现 · 摘要生成 ││ 知识图谱 · 问答引擎 · 内容扩写 │└───────────────────┬─────────────────────────┘ ↓┌─────────────────────────────────────────────┐│ 输出层 ││ 博客文章 · 方案文档 · 汇报材料 · 知识分享 │└─────────────────────────────────────────────┘这个架构的核心变化是：AI 层横亘在存储和输出之间，替代了人做”整理”的工作。
四、Copilot 还是 Auto-pilot
AI 知识管理有两个方向，取决于你希望 AI 介入多少：
Copilot 模式（我当前的选择）
AI 作为助手，你来决策：
- AI 建议标签，你来确认
- AI 推荐关联笔记，你来选择是否查看
- AI 生成摘要，你来决定是否采用
- AI 写文章初稿，你来修改定稿
适合：对自己的知识体系有控制欲、需要深度理解内容的人
Auto-pilot 模式
AI 全自动管理知识库：
- 自动整理分类
- 自动关联连接
- 自动总结归档
- 人只在需要时提问
适合：笔记量大、时间少、以”用”为目的的人
两种模式没有优劣。我在大部分场景用 Copilot，在归档和初步整理时用 Auto-pilot。
五、工具组合
| 需求 | 工具 |
|---|---|
| 笔记存储 | Obsidian（Markdown + 本地优先） |
| AI 对话 | opencode（终端 + Agentic） |
| 语义检索 | 本地向量数据库（如 Chroma） |
| 知识图谱 | Obsidian Graph + AI 增强 |
| 任务管理 | 滴答清单（与 Obsidian 双向同步） |
| 写作输出 | opencode + proposal-writer 技能 |
这个组合的核心思路是：数据本地化、AI 服务化、流程自动化。笔记存在本地 Markdown，不绑定任何平台；AI 通过 API 调用，可以切换底层模型；工作流通过 opencode 串联。
六、开始的建议
如果你想在 2026 年开始用 AI 做知识管理，不需要复杂的架构，从这四步开始：
- 选一个本地笔记工具（Obsidian 是最佳选择）
- 把所有笔记放进去（不管分类，先存再说）
- 接入 AI 工具（opencode 或 Obsidian Copilot 插件）
- 开始提问——不用整理，直接让 AI 帮你找
你会发现，之前花在”整理”上的时间，完全可以用来”思考”和”创造”。这才是知识管理的真正目的。
文章分享
如果这篇文章对你有帮助，欢迎分享给更多人！
音乐
暂未播放