KNOWLEDGE MANAGEMENT 2026-07-25
我是如何用AI管理1400+篇文章库 的·知识工程
从下载到标签，一个人的知识工程
DOODLE
从信息囤积到知识资产，只差一套系统
AI工作流 知识管理
大家好，我是老谭。
今天想和你们聊一个很"实在"的话题——我是如何用AI管理我这 1400多篇公众号文章 的。
这不是一篇空泛的方法论，而是一个真实的案例：从文章下载、到标签体系设计、再到索引系统搭建，我把 整个过程拆给你看。
如果你也在做内容创作，也有几百上千篇文章躺在云端不知道怎么用，这篇文章或许能给你一些启发。
01
PART
为什么要折腾这件事？
FROM HOARDING TO ASSET
三年公众号日更，我写下了1400多篇文章。
以前我也像大多数人一样，文章发完就完了，偶尔想找点素材，要么凭记忆翻半天，要么就放弃了。
去年12月，我做了一个决定：把公众号「老生常谭」改名为「AI Rollup」，聚焦AI方向。
同时新起了「老谭备忘录」，继承原来的泛话题风格。
两个号要形成差异化，就得清楚知道：
哪些素材更适合AI Rollup（AI-Rollup、组织AI化、RaaS等核心概念）
哪些更适合老谭备忘录（创业心法、认知成长、投资思考）
02
PART
第一步：批量下载，100%本地化
EXPORT EVERYTHING
要管理文章，第一步是把它们从 微信后台"搬出来"。
我找到了一个开源项目：wechat-article-exporter（微信公众号文章批量下载工具）。
这个项目的原理很巧妙——利用公众号后台的"搜索其他公众号文章"功能，反向爬取自己公众号的所有文章。
它支持多种导出格式：
HTML：100%还原排版和样式
Markdown：方便后续编辑和索引
JSON：结构化数据，便于程序处理
Excel/Word：传统格式
我选择了Markdown格式，因为它既保留了 文章结构，又便于后续的标签化处理。
但原版工具有个问题：下载速度慢，而且没法批量处理元数据。
于是我用 Claude Code 优化了这个项目：
增加了并发下载能力（用 p-queue 管理并发）
优化了HTML到Markdown的转换逻辑（基于Cheerio和Turndown）
添加了自动提取元数据的功能（标题、日期、URL等）
本地用IndexedDB缓存，避免重复下载
最终效果：1400+篇文章，全部下载到本地，耗时不到2小时。
这一步很关键——数据在自己手里，才能做后续的深度加工。
03
PART
第二步：设计标签体系，让AI能"读懂"文章
7-DIMENSIONAL TAGGING
文章下载下来了，但还是一堆散乱的文本文件。
真正的知识管理，需要结构化。
我花了一天时间，设计了一套「7维标签体系」：
维度1：主题域（讲什么）
一篇文章可以打1-3个标签，比如：
AI基础认知— 大模型、AGI、AI能力边界
AI-Agent智能体— Agent、智能体、AI员工
组织AI化— 组织形态被AI重构
流量方法论— 流量的底层逻辑
创业心法— 创业、创始人、方向选择
认知思维— 认知、思维方式、心智模型
维度2：招牌概念（我的话语指纹）
这些是我自创或强绑定的术语：
AI-Rollup— 核心投资/创业框架
组织AI化— 存量组织被AI改造
结果即服务RaaS— 商业模式主张
首席流量官— 个人标签
十年战略— 长期主义
共创— 投资+赋能关系
维度3：体裁（什么形式）
观点评论— 就某事表达判断
方法论干货— 含步骤、指南，可复用
案例拆解— 围绕具体公司/产品分析
个人随笔— 心境、节奏类短文
深度长文— 结构完整的重头文章
维度4：立场（论点倾向）
看多/乐观— 对某趋势持积极判断
看空/警示— 泼冷水、拆穿、揭遮羞布
行动号召— 呼吁读者/企业赶紧行动
反思自省— 对自己过往判断的修正
维度5：可复用分（素材质量分档）
高— 有深度论证 + 含招牌概念 + 观点长青
中— 有一定价值但不突出
低— 纯日常随笔、过期热点、篇幅极短
维度6：实体（涉及谁）
自动抽取的动态词表：
公司/产品：DeepSeek、OpenClaw、Claude、微信、视频号…
人物：巴菲特、芒格、Sam Altman、马斯克…
维度7：写作用途（能当什么用）
观点素材— 可作为论点/金句来源
案例素材— 可作为论据/例子调用
框架模板— 结构清晰，可作为新文章范本
概念定义源— 招牌概念的权威阐述
为什么是7维，而不是传统的文件夹分类？
因为一篇文章可能同时讲AI应用、组织转型和投资逻辑，单一分类放不下。多维标签可以做组合查询，比如：
主题=组织AI化 ∩ 体裁=方法论 ∩ 可复用分=高
这样就能精准找到"关于组织AI化的、可复用的方法论文章"。
这套标签体系，就是我的知识图谱的"元数据层"。
04
PART
第三步：让Claude批量打标签
AI-POWERED TAGGING
标签体系设计完了，但面对1400多篇文章，总不能一篇篇人工打标签吧？
这时候Claude就派上用场了。
我用Claude Code写了一个 自动打标签的流程：
步骤1：读取标签体系
把7维标签的定义、判定标准、样本案例全部喂给Claude，让它理解每个标签的含义。
步骤2：批量分析文章
用Python脚本遍历所有Markdown文件，逐篇让Claude分析：
读取文章内容
根据标签体系给出7维标签
生成YAML格式的frontmatter
步骤3：写入元数据
把标签写到每篇文章的开头，用YAML frontmatter格式：
—
title: AI时代的生存法则：做减法，是最高级的护城河
date: 2026-02-18
url: https://mp.weixin.qq.com/s/xxx
主题域: [认知与个人成长]
招牌概念: [AI-Rollup]
体裁: 方法论干货
实体: [巴菲特]
立场: 行动号召
写作用途: [观点素材, 框架模板]
可复用分: 高
—
步骤4：人工校验
Claude打完标签后，我会抽查一部分，发现问题就调整标签体系的判定标准，然后重新跑一遍。
最关键的是：我不只是让AI打标签，而是和AI一起"训练"这套标签体系。
比如我发现有些文章被打了"AI基础认知"标签，但其实只是在AI时代背景下讲其他话题。于是我就明确了标准：
"AI基础认知"应该是大模型、AGI、AI能力边界的科普与判断，而不是"在AI时代下讲其他话题"。
这样反复迭代几轮，标签准确度就上去了。
今天（7月25日）我刚用这套流程处理了19篇新文章，从读取、打标签、写入元数据、更新索引，全程自动化，耗时不到10分钟。
一个人，用AI，就能完成 过去需要一个团队的工作。
05
PART
第四步：建立6维索引系统
6-DIMENSIONAL INDEX
标签打完了，但还有一个问题：如何快速检索？
我不想每次都去文件夹里翻文件，也不想靠全文搜索碰运气。
我要的是：按任意维度组合查询，瞬间定位到想要的文章。
于是我建立了 6个索引文件：
索引1：按年度
索引by年度.md
2026年（47篇）
2025年（xxx篇）
2024年（xxx篇）
…
索引2：按体裁
索引by体裁.md
观点评论（xxx篇）
方法论干货（xxx篇）
案例拆解（xxx篇）
个人随笔（xxx篇）
深度长文（xxx篇）
索引3：按立场
索引by立场.md
看多/乐观（xxx篇）
看空/警示（xxx篇）
行动号召（xxx篇）
反思自省（xxx篇）
索引4：按可复用分
索引by可复用分.md
高（xxx篇）— 写作系统优先调用
中（xxx篇）— 按需调用
低（xxx篇）— 仅保留检索
索引5：按主题域
索引by主题域.md
AI-Agent智能体（xxx篇）
AI基础认知（xxx篇）
组织AI化（xxx篇）
流量方法论（xxx篇）
创业心法（xxx篇）
投资逻辑（xxx篇）
认知思维（xxx篇）
…
索引6：按招牌概念
索引by招牌概念.md
AI-Rollup（42篇）
组织AI化（24篇）
结果即服务RaaS（22篇）
共创（14篇）
首席流量官（4篇）
十年战略（5篇）
…
每个索引都是一个Markdown文件，按倒序时间排列，格式统一：
AI-Rollup (42)
| 日期 | 标题 |
|—|—|
| 2026-07-24 | [从四次失败到确定性：我的创业成长史](2026/创业与商业/xxx.md) |
| 2026-07-23 | [十年投资路：从财务投资人到AI产业投资人](2026/投资与资本/xxx.md) |
| …
这6个索引文件，就像6个不同视角的"目录"，让我能从任意角度切入知识库。
比如：
想写AI-Rollup相关的文章 → 打开 索引by招牌概念.md，看看过去42篇都怎么写的
想找高质量的方法论素材 → 打开 索引by可复用分.md，筛选"高"+"方法论干货"
想了解自己在某个时期的思考 → 打开 索引by年度.md，按时间线回顾
而且这些索引文件会自动更新——每次新增文章、修改标签，Python脚本会自动重新生成索引。
06
PART
实战效果：从"信息坟场"到"知识金矿"
WHAT CHANGED
整理完这1400多篇文章后，我真切感受到：从信息囤积到知识资产，只差一套系统。
改变1：写作效率提升10倍
以前写文章，想引用自己之前的观点，要么凭记忆搜，要么就放弃。
现在只需要打开索引，按 主题域+招牌概念筛选，瞬间找到所有相关文章。
甚至可以直接看哪些是"高可复用分"的，优先调用那些深度论证过的观点，避免重复造轮子。
写作从"从零开始"变成了"组装素材"。
改变2：双号定位更清晰
有了标签体系，我可以一眼看出：
哪些文章更适合AI Rollup（AI-Rollup、组织AI化、RaaS等核心概念）
哪些更适合老谭备忘录（个人随笔、创业心法、认知成长）
内容策略从"拍脑袋"变成了"数据驱动"。
改变3：知识复利开始显现
过去写过的文章，发完就沉底了。
现在它们变成了"可调用的模块"——一个观点、一个案例、一个框架，都可以在新文章中 复用、改写、升级。
1400多篇文章不是历史包袱，而是我的"知识复利"。
改变4：AI写作系统的基础设施
这套标签化、索引化的内容库，未来可以直接接入AI写作系统：
让AI根据主题自动调取相关素材
让AI学习我的写作风格（体裁、立场、招牌概念）
让AI自动生成文章初稿，我只需要润色
从"人工写作"到"AI辅助写作"，基础设施已经就位。
07
PART
几个关键认知
KEY INSIGHTS
认知1：知识管理的本质是"减法"
1400多篇文章，如果全都平等对待，那就等于没有管理。
真正的知识管理，是给每篇文章打上"可复用分"——高、中、低。
高质量的文章（含招牌概念、深度论证、观点长青）才是 核心资产，其他的都是"历史记录"。
认知2：标签体系比AI工具更重要
很多人迷信AI工具，觉得有了ChatGPT就能自动管理知识。
错了。
AI只是执行者，标签体系才是"元规则"。
你得先定义"什么是好文章""什么是招牌概念""什么叫可复用"，AI才能按你的规则分类和检索。
工具会过时，但标签体系是你的知识资产的"操作系统"。
认知3：一个人+AI，胜过一个小团队
这套系统，如果放在两年前，至少需要：
1个产品经理设计标签体系
2个工程师写爬虫和索引脚本
3个编辑逐篇打标签
成本至少几十万。
但现在，我一个人+Claude Code，1天搞定。
这就是AI时代的生产力革命——不是替代人，而是 让一个人拥有团队的能力。
认知4：躬身入局才能真正理解AI
我可以写100篇文章讲AI Rollup、讲组织AI化、讲RaaS。
但如果我自己不用AI管理知识、不用AI优化工具、不用AI写代码，那些都是纸上谈兵。
只有躬身入局，才能真正理解AI的威力和边界。
这套知识管理系统，就是我的"AI实验室"。
∞
CODA
写在最后：个人IP的"第二大脑"
FROM INFORMATION OVERLOAD TO KNOWLEDGE ASSET
很多人问我：老谭，你为什么要花这么多时间整理这些文章？
我的答案是：因为这是我的"第二大脑"。
人脑的记忆力有限，但AI+标签系统可以做到：
精准回忆：任意组合查询，瞬间定位
跨时间连接：把不同时期的思考串联起来
知识复利：过去的积累，成为未来的杠杆
在AI时代，个人IP的竞争力不只是"能生产内容"，更是"能管理知识"。
如果你也有几百上千篇文章，我的建议是：
别让它们躺在云端吃灰，下载下来，本地化
设计一套适合你的标签体系，让AI能读懂你的文章
建立索引系统，让知识"可检索、可复用、可迭代"
从信息囤积到知识资产，只差一套系统。
而这套系统，在AI时代，一个人就能搞定。
我是老谭。一个只投AI产业的产业投资人，一个躬身入局的组织AI化推动者。今天，你开始管理你的知识资产了吗？
附：技术栈说明
如果你想复刻这套系统，这里是我用到的工具：
第一步：文章下载
开源项目：wechat-article-exporter
技术栈：Nuxt 3 + Vue 3 + Nitro
优化：用Claude Code增加并发下载和元数据提取
第二步：标签化
工具：Claude Code (Opus 4.8)
方法：读取标签体系 → 批量分析文章 → 生成YAML frontmatter
语言：Python 3.11 + PyYAML
第三步：索引生成
语言：Python 3.11
逻辑：遍历所有文章 → 解析YAML → 按维度分组 → 生成Markdown索引
第四步：文件管理
结构：年份/分类/文章.md
索引：6个维度的Markdown文件
版本控制：Git（可选）
整个系统，0元成本（除了Claude订阅），全部开源工具，可私有部署。
如果你感兴趣，可以在公众号后台回复「知识管理」，我会分享完整的标签体系设计文档。
如果你觉得今天这篇有收获，点赞、在看、收藏三连，我们下篇见
赞 在看 收藏
THANKS FOR READING
