问道峰 · 文章 · 2026 · 知识系统 · 方法
我的笔记系统方法论
一套五层结构，让 AI 帮忙，但不让它替我思考。
之前我总是被自己乱存乱收藏的笔记教程发愁。
有一次排查 GPU 问题，排了两个小时找到根因，结论随手记在笔记里。下周同样的问题又来了，翻了半天没找到，重新排了一遍。
那次之后我回头看了看自己的信息分布：收藏夹存了几百篇，一篇没看完。飞书有项目记录，微信有随手转的文章，AI 对话有排障过程，备忘录有没写完的想法。每个地方单独看都有内容，但下次要用的时候根本找不回来。
问题不是记得少，是记录之间没有连接。信息散在六七个地方，进去容易，出来全靠运气。
后来我用 Obsidian 搭了一套系统解决这件事。这套系统是从使用里总结出来的。这篇文章是它背后的方法论，不讲工具怎么配置，讲清楚为什么这样设计。
一、五层结构
整个系统分五层，信息从上往下流动。
第一层：输入层。来源不限。飞书消息、微信截图、网页内容、AI 对话都可以进来。不要求格式，唯一的要求是：先进来。
第二层：原始收件箱层。普通碎片进随手记收件箱，AI 对话单独进另一个。两个收件箱只做一件事：保留原始内容，不整理，不美化，不让 AI 覆盖。
输入时只负责扔进来，分类是后面的事。衡量标准只有一个——我在最忙最乱的时候，还愿不愿意往里面放东西。
第三层：每日处理层。系统每天自动读取前一天的收件箱，生成两样东西：一份每日记录，保留当天真实发生的事；一份日报，压缩成完成项、卡点、待办、值得沉淀的内容。
第四层：分流和沉淀层。整理后的内容按用途分流：能立刻执行的进任务系统，项目进展和决策进项目页，稳定的规则和习惯进领域页，可复用的方法和经验进知识库。暂时判断不了价值的，留在日记层。
沉淀标准只有三个：它有没有反复出现过？有没有影响过真实行动？以后有没有可能再次调用？知识库越大不代表越有用，大多数内容在当时有价值，过了那个时间点就不再需要了。
第五层：复盘和调用层。每周汇总这一周的日记和收件箱，让 AI 找四样东西：反复出现的想法、一直没有解决的问题、值得沉淀的方法、下周最值得做的三件事。
一件事出现一次是偶然，出现三次就是信号。复盘的价值不是整理，是发现。
五层跑完，以后写文章、做项目、排查问题，AI 可以直接从这些记录里找上下文，不再每次从零开始。
二、一条随手记怎么穿过五层
那条 GPU 排障记录，找到根因之后我随手发了条飞书消息给自己：
nvidia-smi 拿到的功耗数据和 DCGM 上报的不一致，是采集频率问题，不是驱动问题。
它进入随手记收件箱，原始内容保留，不做任何处理。
当天晚上系统自动把它纳入日报，标记为“可沉淀内容”，同时生成一条待确认：这个结论是否值得写进知识库。
几天后我确认了价值，它从日记层进入知识库，变成一条排障结论：采集频率差异导致功耗数据不一致，优先排查 DCGM 配置，不要先动驱动。
下次遇到类似问题，AI 直接找到这条记录，不需要重新推理一遍。
整个过程我只做了两件事：随手记一条，后来确认了一次值不值得留。其余流转系统自动完成。
三、AI 负责什么，不负责什么
AI 很擅长把乱七八糟的话整理得很顺，但“很顺”不等于“真实”。一次没跑通的尝试、一个当时判断错误的结论，如果被改写成“顺利完成了某项工作”，经验就消失了。
所以原始记录不允许 AI 覆盖或美化。它可以在旁边生成摘要，但现场必须保持原样。原始记录负责留真，日报负责提炼，两者分开存放。
AI 在这套系统里做的事：从收件箱生成每日记录和日报；从一周内容里找反复出现的主题；写文章或做项目时找出相关的历史记录；提醒某个问题已经出现了不止一次。
AI 不做的事：哪些内容值得进知识库，由我判断；哪些事情下周优先处理，由我决定。
AI 不替我思考，但它让我不再每次靠记忆工作。
四、怎么开始
不需要一上来就搭五层。最小版本只需要三个文件。
随手记：微信文件传输助手，或者飞书里一个只有自己的群，什么都往里扔。
每日记录：每天结束时写三件事：做成了什么、卡在哪里、明天要做什么。
每周整理：周末把这一周的内容发给 AI，让它找三样东西：反复出现的想法、一直没解决的问题、下周最值得做的三件事。
先跑一段时间，之后你会知道哪些内容真的有价值、哪些记了也不会再看。到那时候再决定要不要加分流、加知识库、加自动化。
一套笔记系统够不够用，只看三件事：过去的东西能不能找回来；重复出现的东西能不能被看见；留下来的东西能不能推动下一步行动。
