个人知识库：1 小时从零搭好，两条路线选一条

先问三个问题，决定你该走哪条路

开始建之前，先回答这三个问题。答不上来的，先别急着建库——建了也不会用。

• 你的资料主要在哪？微信收藏、网页、本地文件、还是公司网盘？
• 你要它干什么？写东西时找素材、回答客户问题、还是长期积累某个领域？
• 数据能不能上云？合同、客户名单、未公开的项目资料，通常不能。

路线 A：ima 路线（10 分钟能问）

ima 是腾讯的个人 AI 知识管家，强在入口：微信收藏、网页内容可以直接进库，然后在对话里「问我的知识库」。WorkBuddy 侧还有 ima-mcp 连接器，可以把知识库接进工作流。

1. 先把「什么该收」定下来：只收你会反复用的三类内容（如行业数据、方法论、客户常见问题），其余不导入。
2. 建 3–5 个分类，不要超过 5 个；分类按「你什么时候会找它」分，不按「它是什么」分。
3. 把微信收藏/网页内容批量导入，导入时补一句自己的话——「这条为什么有用」。这句话比原文更值钱。
4. 用真实问题测一遍：问 10 个你工作里会遇到的问题，看它能不能答对并给出处。
5. 设一个每周 20 分钟的清理时段：删过期、合并重复、补一句备注。

路线 B：本地 Markdown 路线（1 小时，完全可控）

核心思想：知识库就是一堆有规范的文件，工具只负责「写得进去、找得出来」。OpenAI 时代最容易犯的错，是把知识库当成一个软件来选，而不是当成一套习惯来建。

1. 目录：五层结构，够用十年

00-inbox/      临时收进来、还没整理的
10-notes/      你自己的笔记（一段一义）
20-sources/    外部资料：文章、报告、课程笔记
30-projects/   按项目归档的过程材料
90-archive/    过期但不舍得删的

规则只有一条：inbox 每周清空一次，清不完就淘汰——淘汰也是整理。

2. 命名：日期 + 主题 + 来源

2026-11-01-知识库切片策略-ragflow.md
2026-10-28-客户A-招标要求-甲方邮件.md

日期在最前面，按时间排序天然成立；主题写「这是什么」，来源写「哪来的」。不要用「新建文档 3」。

3. 文件头：让 AI 知道你这份文件是什么

---
title: 知识库切片策略
date: 2026-11-01
source: RAGFlow 文档 + 自己的测试
tags: [知识库, RAG, 切片]
status: 有效
---

这五行是给 AI 看的：title 决定它会不会被检索到，date/status 决定它会不会被当成过期内容引用，source 决定你能不能追溯。

4. 检索：先文件搜索，再谈向量

个人库在 1000 份文件以内，文件名 + 全文关键词搜索足够用。Obsidian 的搜索、命令行 rg、或者 qmd 这类本地混合检索技能都能做。到「搜关键词找不到、换个说法才找到」时，再考虑语义检索。

5. 接 AI：让 agent 直接读写

DSH 这类本地 agent 可以直接读目录、按规范写入，不需要先建向量库。前提是上面 1–4 步做到了——结构乱了，接什么模型都白搭。

1 小时时间表

四个常见坑

1. 一次性导入所有收藏：库越大越难用，先导 30 份能反复用的。
2. 一开始就挑工具、搭向量库：工具救不了没整理的数据。
3. 只存不改：没有「自己的话」的资料，一年后你也不知道它为什么在这。
4. 没有淘汰机制：过期内容被 AI 引用，比找不到更危险。