大家都在试新模型新工具，没人聊知识库
今年四月份的时候，我还在追新工具。
就是那种，看到一个新模型出来立刻去试，听到一个新 Agent 赶紧装一下，刷到别人的 AI 工作流就想抄。GPT-5 发布了赶紧去凑热闹，Kimi K3 出了立刻注册账号，WorkBuddy 火了马上跟着用。那段时间我电脑上装了几十个 AI 工具，收藏夹里躺着上百篇「XX 大神的 AI 工作流」。
有用。说没用是假的。生产力确实提上来了，以前写东西要一天，现在半天搞定。
但问题是，越用越觉得不对。
哪里不对呢？说不上来。就是那种——AI 产出的东西「能用」，但总差点意思。写文章，结构没问题，语言也流畅，就是读着读着觉得「这不是我说的话」。做方案，逻辑完整，数据也对，但就是缺少那种「只有我才会想到的角度」。
我一直以为是模型不够好，是工具不够顺，是工作流还没搭到最优。我换过三个主流模型，试了十几个 Agent，折腾了快两个月。
直到有一天，我让 AI 帮我写一篇关于「AI 时代个人知识管理」的文章。它写得四平八稳，什么「知识是力量」「终身学习」「构建第二大脑」，全是正确的废话。我看着屏幕，突然意识到一件事。
AI 不知道我知道什么。
它不知道我三个月前在一个课程里学到的那个模型，不知道我上周跟一个朋友聊天时碰撞出的想法，不知道我十年培训生涯里踩过的那些坑。它有的是全网平均值的知识，没有「我」的知识。
那一天我突然懂了。我之前所有的努力，都是在折腾「怎么让 AI 更好地用它的知识」。但真正该做的，是让 AI 能用「我的知识」。
问题不在这。
问题在知识库。
AI 的效果是乘法，知识库最容易被乘成零
说真的，我后来看到一个说法，越想越觉得对。AI 的效果不是加法，是乘法。
翻译成大白话就是这样的。效果等于模型乘以工具乘以专业。三个数相乘，哪个是零，结果就是零。
模型这一项，现在大家差距越来越小。GPT、Claude、Kimi、豆包，你能用我也能用，无非是充值多少的问题。再过半年一年，模型能力只会越来越趋同，这一项的差距会继续缩小。
工具这一项，也在快速平权。Skill 市场越来越多，别人做好的工作流你拿来就能用。我见过有人一口气装了几十个 Skill，桌面摆得像个工具箱。听起来很厉害对吧。
但你想想看，模型再好，工具再多，「专业」那一项是零，乘出来是什么？
还是零。
什么是专业？就是你在你那个领域里，摸爬滚打攒下来的东西。你的经验、你的判断、你踩过的坑、你独有的做事方式。这些东西，模型没有，工具也没有。只有你有。
我举个自己的例子。我做培训做了快十年，手里攒了大量的案例、模型、话术。以前这些东西散落在各处。有的在印象笔记里，有的在 PPT 里，有的甚至就在我脑子里，说不出来但用的时候能蹦出来。
我开始建知识库之后，做的第一件事就是把这些东西结构化。一个一个模型，一条一条案例，全部整理成 AI 能读的格式。不是简单的复制粘贴，是按「这是什么」「为什么重要」「怎么用」「有什么坑」的结构理清楚。
三个月之后，我的知识库长这样。77 个思维模型，78 个素材案例，45 个完整的商业案例，加起来 217 个 markdown 文件。
这些数字听起来可能没感觉。你用一次就知道了。
同样是让 AI 写一篇关于「AI 时代组织变革」的文章。 没有知识库的时候，它写出来的是公众号常见的那种。观点正确，案例通用，谁都能写。 有知识库之后，它会自动调用我库里的「AI-Native 组织三支柱」模型，用上「YC 内部 Agent 化」的案例，甚至能把这个话题和「信息流×信任流模型」串起来讲。
不是写得更漂亮了。是写出来的东西，有「我的味道」了。
你想想看这是什么概念。以前你的专业知识，只能通过你自己一双手一双嘴输出。效率是固定的，一天能讲多少课、能写多少字，都是有上限的。
现在不一样了。你的知识库就是你的「数字孪生大脑」。AI 可以调用它，一秒钟产出你可能要想半天的东西。你的专业越厚，知识库越全，AI 给你放大的倍数就越大。
别人抄得走你的模型，抄得走你的工具，抄不走你的知识库。
就这一件事。
我的知识库是一个活系统，不是收藏夹
说到建知识库，肯定有人第一反应是。用得到啊，用 ima 啊，各种 AI 笔记工具不是一大堆吗，干嘛自己折腾。
我不是没用过。得到我用过，Notion AI 我试过，各种「第二大脑」「AI 笔记」产品我也体验过一圈。
都好。但都不是我要的。
为什么？因为别人的知识库，是别人的结构、别人的分类、别人的理解深度。你把自己的东西往里塞，其实是在削足适履。你的思考方式得跟着它的框架走，而不是它围着你转。
我选的是另一条路。自己搭一套完整的知识流转系统。说出来你可能觉得有点绕，但它确实是这样转的。
第一步，收集。我做了一个 save-to-feishu 的小工具，看到好的内容、有启发的观点、上课学到的模型，一键就存进飞书多维表格里。不是存原文，是带着我的标签、我的分类、我的一句话点评一起存。
第二步，蒸馏。定期我会用 wtt-llm-wiki-builder 这个 Skill，把飞书表里攒的素材「蒸馏」一遍。它自动把零散的信息整理成标准格式的知识库条目，按模型、案例、素材分门别类，还会自动生成索引和交叉关联。
第三步，沉淀。蒸馏出来的东西不是直接入库。我会过一遍，判断哪些是真的有价值的，哪些理解得不对，哪些还缺素材。这一步 AI 替不了我。判断完了，才正式进我的个人知识库。
第四步，调用。写文章、做课件、准备培训材料的时候，直接通过 Skill 引用知识库。不是我去翻笔记找素材，是 AI 自动去库里挑最合适的模型、最贴切的案例，用在该用的地方。
收集 → 蒸馏 → 沉淀 → 调用。 四步一个闭环。
这个系统跑通之后，我最大的感受是。知识库不是一个「东西」，是一个「过程」。
它不是你建好了放在那的一个文件夹，不是你攒了多少条笔记的一个数字。它是每天都在进新东西、每天都在被调用、每天都在迭代的一个活系统。你读的文章、听的课、聊的天、踩的坑，全部顺着这个流，最终变成你知识库的一部分。然后你写东西、做方案、讲课的时候，又从库里取出来用。
取出来用的过程，又会产生新的认知、新的素材，再回流到第一步。
用魔法打败魔法。从收集到蒸馏到调用，全链路都是 AI 在干活。但入口和出口的判断，还是人来拍板。
我最近把 wiki-builder 这个 Skill 开源到了 GitHub，叫 Wattter_openSkills。有兴趣的可以去搜，拿来直接用。不是说我的方案有多好，是我觉得这件事值得更多人知道。AI 时代的个人知识管理，根本不是「用哪个笔记软件」的问题，是你有没有一套完整的流转系统。
很多人一听「建知识库」就头大。觉得又要分类又要整理又要维护，太麻烦了。还不如直接用别人的。
但你换个角度想。在 AI 时代，建知识库根本不是「整理笔记」那个思路了。你不需要把每一条都手敲进去，你只需要做两件事。选对什么该放进去，和判断整理得对不对。
前者是你的品味，后者是你的判断力。这两件事 AI 替不了你。但中间所有搬运、格式化、索引、交叉关联的体力活，全可以扔给 Skill。
这个过程有点像滚雪球。最开始只是一小团雪，滚着滚着就大了。每用一次 Skill，每解决一个问题，知识库就厚一点。知识库越厚，下一次用的时候效果就越好。效果越好，你就越想用。
这是一个正向循环。
顺着这个再聊聊。有人说，建知识库这事太慢了，等我建完黄花菜都凉了。
我同意一半。慢是真的慢。但慢的地方不是打字，是想清楚。
一个模型到底讲的是什么，它的本质是什么，它和另一个模型是什么关系，它适用于什么场景不适用于什么——这些东西，AI 能帮你整理语言，但替不了你做判断。你得自己想清楚。想不清楚的东西，放进知识库也是垃圾。
但话说回来，这件事你不做，它就永远在那。你的知识永远散落在脑子里、收藏夹里、聊天记录里，永远变不成资产。AI 再厉害，也调用不了你脑子里没说出来的东西。
而且更关键的是，自建的知识库是活的。
你有新的想法了，马上加进去。你发现之前某个模型理解错了，马上改掉。它跟着你一起长。你的认知升级了，知识库也跟着升级。它不是一个死的收藏夹，是你思考过程的外化。
我老在想一件事。AI 时代，人和人的差距到底会拉在哪里？
模型大家都能用，工具也越来越便宜。这些东西都不是壁垒。真正的壁垒是，你有没有一套自己的、结构化的、能被 AI 调用的知识系统。
它不是你手机里装了多少个 App，不是你收藏了多少篇文章，不是你关注了多少个博主。 它是你脑子里那些东西，有没有被整理出来，有没有变成资产，有没有办法被 AI 放大。
三个月前我开始建知识库的时候，只是觉得「应该这么做」。 三个月后我确信，这件事的重要性，被绝大多数人严重低估了。
你可以继续追新模型、继续试新工具、继续收藏别人的工作流。没问题，这些都有用。
但你有没有想过。乘法公式里，你现在在乘的是哪几项？那项最该乘大的，你是不是还让它空着？
