我把“稍后再看”变成了一个会回答问题的 AI 知识库

引语：一个不写代码的人，怎么把散落各处的资料，变成 AI 能读懂、能引用、还敢说「不知道」的私人知识库。

上周末，一场 Mastermind 之后

上周末，我参加了 Simon 老师组织的一场 Mastermind。

活动结束以后，跟不同的人聊下来，我脑子里冒出一个念头。

我过去这段时间一直在折腾的这些东西，是不是对别人也有用？

我不是什么大佬，也不觉得自己有多懂 AI。但有一点是真的，我在真实的工作里，把 AI 一点点用起来了。有些地方成功了，有些地方失败了，还有不少做到一半发现走不通，只能回头重来。

这些过程，原本都是我自己闷头在搞。

但那场活动之后，我开始觉得，与其让它们躺在我的电脑和聊天记录里，不如写下来。

于是，就有了这个公众号。

它叫「是哆啦 AI 梦」。

第一篇，我想从自己的知识库写起。因为它是我最近觉得最值得分享、也最希望有人能一起讨论的一件事。

我为什么要建知识库

先说清楚，我想做的知识库，不是那种把所有文件塞进去、然后假装自己很懂的东西。

我有大量资料散在各处。课程、PDF、公众号文章、群聊里的讨论、会议记录、截图，还有真实业务里产生的文件。它们不是没有价值，问题是，等我真的要回答一个业务问题时，这些资料很难被用起来。

直接问 AI 当然可以。但它不知道我手里有哪些资料，也不知道哪些来源我验证过。每开一个新对话，它都得重新认识我一次。

所以我真正想做的，是给 AI 补上一段只属于我的记忆。

它知道我读过什么，资料从哪里来，不同的人说过什么，哪些判断被真实业务验证过，哪些问题到现在还没有答案。

这套记忆，就是我的知识库。

为什么不直接用现成知识库

市面上的知识库工具并不少。像 Obsidian，很适合做本地笔记、双向链接和长期整理；像 WorkBuddy 这类带 AI 能力的工作台，上手更快，把资料放进去就能开始问答。

它们都很好，只是解决的问题和我想解决的问题不完全一样。

我不只想“把资料放进去”。我还想决定资料怎么进入、图片怎么 OCR、重复内容怎么清洗、长文怎么切片、每句话怎样保留来源，以及业务结果怎么重新回到知识库。

现成工具的优点是省心、开箱即用；代价是流程要跟着产品走。自建的缺点也很明显：更费时间，需要维护，还会不断返工。但它的好处是，我可以让知识库跟着真实业务长，而不是让业务迁就一个固定工具。

所以我最后没有把选择题做成“哪个工具最好”，而是先问自己：我究竟想把哪一段流程掌握在手里？

整套系统怎么转

我把整套系统拆成了六环，每一环解决一个具体的问题。

第一环，资料从哪里来。

我的资料主要来自两个底座。

一个是本地。PDF、图片、截图、业务文件，原件尽量保存在自己的电脑里。本地负责把东西真正留下来。

另一个是接口。能从外部读到的内容，可以通过接口直接进入处理流程，不用全靠我手动复制粘贴。接口负责让信息流动起来。

第二环，OCR，把图片变成能搜索的文字。

我资料里有大量图片和扫描 PDF。它们人眼能看懂，系统却看不懂。OCR 就是先把图片里的字，重新变成可以搜索和处理的文字。

但 OCR 的结果不能直接用。数字容易认错，表格容易乱，专业名词可能被拆得面目全非。所以 OCR 之后，关键内容还得人工核对，这一环偷不了懒。

第三环，清洗和去重。

文字能识别以后，要把页眉页脚、广告、乱码、重复段落清掉。

去重尤其重要。同一篇文章，可能同时出现在网页、截图和转发文件里。如果不去重，AI 会把同一个人的同一句话，当成好几份证据。

出现得多，不代表更多人认同。这个道理，是我搭知识库以后才真正意识到的。

第四环，拆成知识片段，保留出处。

长文档不能整本丢进去。因为我要问的是具体问题，AI 需要找到真正相关的那几段。

所以文档会被拆成一个个意思完整的知识片段。但拆分不能太粗暴，一条规则的前提和结论不能拆开，一个观点也不能脱离它原来的语境。

每个片段还要留下自己的出处。谁写的，什么时候写的，来自哪个文件，原文在哪。这样以后发现某个信息不对，我还能顺着来源走回去核对。

第五环，向量化，让系统理解意思。

这一步稍微有点技术，我用大白话讲。

普通搜索找的是相同的字。但现实中，我问「利润为什么下降」，资料里写的可能是「广告成本上涨」或「退货率增加」。字不一样，意思却是同一件事。

向量化要做的事，就是让系统能根据意思找到相关的内容，而不是只会找一模一样的字。

但找到相关片段，只说明它相关，不代表它一定正确。所以检索之后，判断还没结束。

第六环，RAG，先找证据，再回答。

找到资料以后，AI 不是凭记忆直接回答，而是先拿到相关片段和来源，再基于这些证据组织答案。

我给知识库定的规则是，回答不能只有一段流畅的话。它要告诉我，结论是什么，证据来自哪里，哪些是原文明确说过的，哪些是 AI 自己的推断，资料之间有没有冲突，还缺什么资料。

如果证据不够，它应该直接说不知道，而不是编一个听起来很合理的答案。

还有最后一环，是业务

知识库不能只进不出。

真实业务里发生了什么，要回到知识库里。这个判断后来被验证了吗？那个建议放到业务里，有没有效果？哪些方法只在特定条件下才成立？

只有这一环接通，知识库才不是资料搬运现场，而是会跟着业务一起长大的东西。

它现在能做什么

老实说，它还在长大，远没到完美的程度。

但有一件事是真的变了。

以前我打开一个新的 AI 对话，要从头介绍自己。现在我可以直接问它一个业务问题，它会从知识库里找到相关的资料，把证据摆出来，然后告诉我结论、限制和缺口。

它不知道的时候，会直接说不知道。

光这一点，就已经让我觉得，这段记忆补得值。

如果你也感兴趣

这个公众号，我会继续记录自己怎么把 AI 用进真实的工作，成功的、失败的、返工的，都会写。

如果大家对我具体是怎么实现的、以及最后折腾出了什么，感兴趣的话，可以点赞、关注、收藏。

想看的人多，我就接着往下拆。