本文介绍了一种高效的知识管理方法，源自姜胡说，强调知识库服务于做事而非单纯囤积资料。作者提供了完整的五步实操方法，帮助读者无需深入学习理论即可快速上手。核心内容包括明确本地文件夹、Obsidian和AI Agent（WorkBuddy）三者角色关系，按行动距离而非学科分类建立6个一级文件夹，通过AI Agent进行日常的收集、整理和调用，以及推荐使用不超过6个关键Obsidian插件。该方法强调将决策简化为日常的存与留，其余交给AI Agent处理，让知识库成为一个高效的助手。
这套方法源自姜胡说，核心观点：知识管理不是囤积资料，知识库要服务于做事。我实操拆出完整五步，不用啃大量理论，今天就能上手。
一、先分清三者角色关系
很多人装好 Obsidian 就迷茫，先搞懂 3 个组件分工，缺一不可
- 本地文件夹 = 仓库：文件本体存在电脑，纯文本 Markdown
- Obsidian = 眼睛：不存储文件，用来浏览、编辑、双向链接笔记
- AI Agent（WorkBuddy）= 手：检索仓库、整理内容、生成初稿；你下达指令，AI 执行
没有 Agent：手动翻文件；没有 Obsidian：只能对话查资料；没有本地文件夹：工具没有存放载体
二、只建 6 个一级文件夹：按「行动距离」分类，不是按学科分类
核心逻辑：不问内容是什么主题，问你打算拿它干什么。避免按学科分类带来的难题：素材跨主题、每次存放反复纠结。只用 3 条判断标准：30 天内要不要用？是不是自己产出？是不是外部资料？
| 文件夹 | 核心问题 | 存放内容 |
|---|---|---|
| 00 - 收件箱 | 我还没想好怎么处理 | 全部新素材，收集阶段不做判断 |
| 01 - 项目 | 30 天内要用它产出吗？ | 正在推进的选题、脚本、待办任务 |
| 02 - 资产 | 是我产出、可复用的吗？ | 定稿稿件、跑通话术、项目复盘 |
| 03 - 资源 | 外部资料，未来可能查阅？ | 文章摘录、书摘、竞品资料、工具介绍 |
| 04 - 归档 | 事情结束，后续可能回溯？ | 完结项目、过期内容、长期闲置碎片 |
| 05 - 技能 | 是可复用的方法吗？ | 提示词、SOP、各类模板 |
规则限制：
只建一级文件夹；二级文件夹按需少量创建（每个一级下 2～4 个）
不创建三级文件夹，精细化区分靠标签，不要文件夹嵌套
二级文件夹只建每周一定会用到的，不为 “未来可能用到” 提前新建
三、4 步搭建，指令直接复制给 AI Agent
Step1：创建 6 个一级文件夹
复制给 WorkBuddy：
请在我的知识库根目录下创建 6 个文件夹：00 - 收件箱 Inbox、01 - 项目 Projects、02 - 资产 Assets、03 - 资源 Resources、04 - 归档 Archives、05 - 技能 Skills。只建一级，不建子文件夹。创建后列出根目录确认。
Step2：写入分类规则，存入 05 - 技能
复制指令：
请在 05 - 技能 Skills 下创建 分类规则.md，内容原样写入：
# 分类规则## 每个文件夹装什么- 00-收件箱：所有新东西先扔这里，收集时不做判断。- 01-项目：30天内要用的内容、正在推进的任务。- 02-资产：我自己产出的、可复用的成品、话术、复盘。- 03-资源：外部资料、参考、书摘、竞品、工具。- 04-归档：完结项目、过季内容、长期不动的碎片。- 05-技能：可重复用的提示词、SOP、模板。## 判断顺序1. 30天内要用它做东西吗？→ 是，进01-项目2. 是我自己产出的、可复用的成品吗？→ 是，进02-资产3. 是外部资料、以后可能查吗？→ 是，进03-资源4. 是可重复用的方法或提示词吗？→ 是，进05-技能5. 以上都不是 → 留在00-收件箱，文件名前加[待定]## 标签表（只能用这些，不得自创）主题：#主题/内容创作 #主题/产品 #主题/学习类型：#类型/选题 #类型/素材 #类型/话术 #类型/复盘 #类型/成品状态：#状态/灵感 #状态/待验证 #状态/可复用平台：#平台/抖音 #平台/公众号 #平台/小红书## 硬约束- 不新建三级文件夹，不新建顶层文件夹。- 不自创标签，只能用上面标签表里的。- 带#状态/灵感 的笔记不移出收件箱，除非我说“立项”。- 装不下的内容留在收件箱，加[待定]，在报告里写“建议新增：XXX”。Step3：创建测试笔记，跑一遍分类
复制指令：
请在收件箱创建 3 条测试笔记：一条 “看到一个选题灵感”，一条 “一篇外部文章链接”，一条 “我自己写的一段话术”。读取分类规则，试跑整理，报告每条去了哪里、为什么。不要动其他文件。
Step4：校验纠错
AI 分类出错，直接明确纠正：这条应该去 X，因为规则第 Y 条。一次纠正，后续 AI 分类准确率大幅提升。
四、Obsidian 插件：宁缺毋滥，最多 6 个
新手误区：一次性安装几十个插件，徒增负担。优先下面几个，先用一周，不够再加。
✅ 必装
Obsidian Web Clipper：浏览器剪藏，网页一键保存干净 Markdown 到知识库
Omnisearch：模糊搜索、拼音检索、PDF 内搜索，快速定位笔记
✅ 可选（后期再装）
Dataview：动态列表，把知识库当简易数据库，积累上百条资产后再启用
Templater：笔记模板，自动填充固定格式
原则：起步控制在 3～5 个插件，装了不用就是负担
五、日常怎么用：每天 10 分钟
收集，零判断。刷到任何东西，丢进 00 - 收件箱。收集时永远不想 “放哪”。
整理，交给 Agent。固定时间说：“读分类规则，整理收件箱，给我报告。” 你只看 [待定] 的几条。
调用，下指令。要写东西时说：“从资产文件夹找可复用的相关话术，结合资源文件夹的素材，生成一版初稿。” 它去翻、去拼，你拿草稿。
回存，让库变厚。改完发完，把成品存回 02 - 资产，末尾加一句 “用了什么方法、效果如何”。下次它调用的就是升级版。
灵感类碎片默认留在收件箱，打 #状态 / 灵感。每周五花 10 分钟看本周新增的，只做三个决定：立项、留存、归档。 10 条灵感里最终有 1 条变成产出，就是健康比例。
你每天真正的决策只有两个：刷到东西存不存（存），待定项留不留。其余交给 Agent。
结尾
你不需要第一天就有完美分类。 今晚只做两件事：建一个 00 - 收件箱，丢一条真实的东西进去；明天让 Agent 整理一次，看它放得对不对。
跑完这一圈，知识库就不是 “又一个要维护的负担”，而是一个你下指令、它干活的帮手。
先让知识流动起来，再让知识库变漂亮。 地图是走出来的，不是画出来的。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2026 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
