个人知识库实验

很多知识库从收集开始，也停在收集。文章被保存，书摘不断增加，网页进入稍后阅读，最后却很少回到真实问题。这个实验想测试另一条路径：知识库不以拥有更多资料为目标，而以改善判断和推动项目为目标。

实验问题

我想回答三个问题。第一，怎样判断一条信息值得进入长期记录；第二，怎样让笔记与具体项目连接，而不是成为孤立卡片；第三，AI 可以在哪些环节减少整理成本，又不会把未经确认的内容混进自己的判断。

这意味着知识库必须允许空白。不是每篇读过的文章都需要摘要，不是每段对话都值得保存，也不是所有自动生成的文本都属于知识。只有当内容改变理解、支持一个判断、解释一次选择，或为下一步提供可靠入口时，它才可能进入长期层。

目前把信息分为三层。第一层是临时收集，用来保存尚未处理的材料；第二层是项目记录，围绕正在推进的问题整理事实、决策、失败和下一步；第三层是长期方法，只保留在多个任务中反复有效的原则与流程。

项目是主要入口。阅读投资材料时，笔记要回到 Investor OS 的具体研究问题；测试 Agent 时，发现的问题要回到 OpenClaw Lab 的规则和验收；写作方法则要在实际文章中使用。没有使用场景的材料暂时留在收集层，不急于包装成“知识”。

AI 可以帮助去重、归类、寻找矛盾、生成回顾问题，也可以把散落的过程整理成候选摘要。但候选不等于确认。重要事实需要回到来源，个人判断需要由我决定是否成立，涉及隐私的内容不能因为整理方便就进入公开或共享范围。

我尤其关注一种风险：自动化让知识库看起来迅速变得丰富，却增加了阅读和维护负担。如果每次输入都生成大量摘要、标签和关联，系统很快会被机器文本淹没。因此实验默认少生成，优先保存原始依据、人工结论和明确下一步。

这个实验不以笔记数量为成功指标。我更关心：重新进入一个项目需要多久；过去的判断能否找到依据；同一问题是否重复研究；每周回顾后是否产生具体行动；不再有用的内容能否安全归档。

如果知识库真的有效，它应该让下一次工作更轻，而不是要求不断整理系统本身。维护时间持续上升、查找仍然困难或笔记无法进入作品，都说明方法需要收缩。

接下来会选择少数真实项目连续使用这套结构，记录检索失败、重复内容与遗漏上下文的案例。每周只做一次轻量整理：清空明显无用的临时材料，确认少量长期笔记，并为活跃项目留下清楚的重新进入点。

实验的最终目标不是建立一个无所不包的“第二大脑”，而是拥有一套朴素可靠的外部记忆：知道重要资料在哪里，知道判断如何形成，也知道接下来要做什么。