Day41——晚课 AI笔记与知识管理实战

系列教程说明

这是「AI专家养成计划」系列教程的第82篇，共140篇。本系列从零基础出发，每天早晚各一篇，带你系统掌握AI知识与技能。晚课以实操为主，手把手教你动手练习。

上篇回顾

今天早课我们学习了AI笔记与知识管理的核心概念，三个关键要点：

• 传统笔记的三大痛点：信息收集容易整理难、笔记写了找不到、知识之间没有连接
• AI笔记工具三类：AI增强传统笔记（Notion AI）、AI原生知识库（Mem、NotebookLM）、通用AI搭建个人知识库
• 四个核心技巧：AI阅读笔记、知识索引、知识卡片、定期知识回顾

晚上我们来实战——用免费工具搭建一套完整的AI知识管理系统。

---

实操一：用Claude Projects搭建个人知识库（10分钟）

Claude的Projects功能是目前最方便的免费AI知识管理工具之一。它允许你上传文档、设定系统指令，然后基于你的资料进行对话。

第一步：创建项目

打开 claude.ai，点击左侧栏的”Projects”，然后”Create Project”。给项目起一个明确的名字，比如”我的技术学习笔记”。

第二步：上传你的知识库

把你已有的笔记、文章、学习资料上传到项目的”Project Knowledge”区域。支持的格式包括：PDF、TXT、Markdown、代码文件。

建议按主题分项目：

• 工作相关 → “工作知识库”
• 技术学习 → “技术笔记”
• 读书笔记 → “阅读笔记”
• 行业研究 → “行业分析”

第三步：设定系统指令

在项目的自定义指令中写入：

你是一个知识管理助手。请基于我上传的文档回答问题。回答时请：

1. 引用具体的文档来源

2. 如果多个文档之间有关联，请指出

3. 如果我的知识库中没有相关内容，请明确告知

4. 每次回答后，建议1-2个我可能想深入的方向

第四步：开始使用

现在你可以像和一个读过你所有笔记的助手对话一样提问：

• “我之前关于Docker的笔记里写了哪些关键命令？”
• “总结一下我所有和Python相关的笔记要点”
• “我上个月读的那本关于产品设计的书，核心观点是什么？”

关键技巧：Claude Projects支持多轮对话，你可以让AI帮你发现不同笔记之间的关联——这是手动整理很难做到的。

---

实操二：Google NotebookLM——免费的AI研究助手（10分钟）

Google NotebookLM是Google推出的免费AI笔记工具，特别适合做深度研究和学习。

第一步：访问并创建笔记本

打开 notebooklm.google.com（需要Google账号），点击”New Notebook”。

第二步：添加你的资料来源

NotebookLM支持多种来源：

• 直接粘贴文本
• 上传PDF文档
• 导入Google Docs
• 添加网页链接（它会自动抓取内容）
• 添加YouTube视频链接（它会提取字幕内容）

最多可以添加50个来源，总共支持约50万字的内容。

第三步：使用三个核心功能

功能一：生成摘要

点击”Generate”按钮，选择”Summary”，NotebookLM会自动阅读所有来源，生成一份结构化的摘要。这对于快速了解一批新资料特别有用。

功能二：提问对话

在对话框中直接提问，NotebookLM会基于你的来源回答，并标注引用来源。比如问：”这些资料中关于用户增长的策略有哪些共同点？”

功能三：生成学习指南

点击”Generate”，选择”Study Guide”，NotebookLM会基于你的资料生成一套学习指南，包含关键概念、问题和答案。

实战案例：假设你要学习一个新领域——比如”大模型微调”。操作步骤：

1. 收集5-10篇相关文章和教程链接
2. 全部导入NotebookLM
3. 先生成摘要，快速了解全貌
4. 提问：”大模型微调有哪几种主要方法？各自的优缺点是什么？”
5. 追问：”如果我是初学者，应该从哪种方法开始？”
6. 生成学习指南，作为后续复习的材料

---

实操三：用ChatGPT自定义GPT做专题知识库（15分钟）

ChatGPT的自定义GPT功能可以创建一个专门领域的AI助手，相当于一个”专题知识库+问答系统”。

第一步：创建自定义GPT

在ChatGPT中点击”Explore GPTs” → “Create”。进入GPT编辑器。

第二步：编写系统指令

以”AI论文阅读助手”为例：

你是一个AI论文阅读助手。你的职责是：

1. 帮助用户理解AI/机器学习领域的学术论文

2. 用通俗易懂的语言解释技术概念

3. 将论文的核心贡献分解为：问题定义、方法、实验结果、局限性

4. 将新论文与用户已读过的论文建立关联

5. 推荐相关的后续阅读材料

>

当用户上传论文时，先给出一个50字的摘要，然后等待用户的具体问题。

第三步：上传知识文件

在”Knowledge”区域上传你的资料。支持PDF和文本文件。比如上传你之前读过的论文笔记、学习总结等。

第四步：配置能力

根据需要开启：

• Web搜索：让GPT能查找最新的论文和资料
• 代码解释器：适合数据分析类知识
• DALL-E：如果涉及图像内容

第五步：测试并迭代

创建完成后，先自己测试几个问题，看看回答质量。如果不够好，回来调整系统指令。

进阶技巧——让GPT帮你做”知识关联”：

基于我上传的所有论文笔记，请帮我：

1. 找出不同论文中反复出现的核心概念

2. 画出这些论文之间的”引用关系图”（用文字描述）

3. 指出目前这个领域最大的未解决问题

这种跨文档的知识关联分析，是AI笔记工具最强大的能力之一。

---

实操四：搭建一个完整的”每日学习笔记”工作流（15分钟）

把上面学到的工具组合起来，搭建一个可持续运转的知识管理系统。

工作流概览：

步骤	工具	操作	耗时

|——|——|——|——|

信息收集	浏览器+剪藏插件	看到好文章随手保存	1分钟/篇
阅读标注	Claude/ChatGPT	让AI帮我整理阅读笔记	5分钟/篇
知识入库	Obsidian/Notion	把AI整理的笔记存入知识库	2分钟/篇
知识关联	Claude Projects	每周让AI帮我做一次知识体检	15分钟/周
复习巩固	NotebookLM	每月生成学习指南做复习	30分钟/月

第一步：建立你的”收集→处理→入库”流程

1. 在浏览器中安装一个剪藏插件（如Notion Web Clipper、Obsidian Web Clipber）
2. 看到好文章，一键保存到”待处理”文件夹
3. 每天花15分钟，把”待处理”的文章丢给AI整理笔记
4. 整理后的笔记存入知识库的对应分类

第二步：设计你的AI笔记模板

和AI对话时，使用统一的笔记模板可以保证输出格式一致：

请帮我整理以下内容的阅读笔记，使用这个模板：

>

标题：[文章/视频/书的标题]

日期：[今天日期]

一句话总结：

核心要点（3-5个）：

– 要点1

– 要点2

– 要点3

我的思考：[这段内容对我有什么启发]

行动项：[我接下来要做什么]

关联知识：[这和我之前学过的哪些知识有关]

标签：[3-5个关键词标签]

第三步：设置每周知识回顾提醒

每周五下午花15分钟，做一次”知识体检”：

1. 打开Claude Projects中的知识库
2. 输入：”请回顾我本周新增的笔记，总结3个最重要的收获，并指出可能遗漏的关联”
3. 根据AI的建议补充笔记或调整学习方向

---

实操五：开源方案——用Obsidian+AI插件打造本地知识库（15分钟）

如果你更喜欢把知识掌握在自己手里，Obsidian + AI插件是目前最好的开源方案。

第一步：安装Obsidian

访问 obsidian.md 下载安装（全平台免费）。创建一个新Vault（知识库），建议放在云同步文件夹中（如OneDrive、iCloud）。

第二步：安装核心AI插件

在Obsidian的设置 → 第三方插件中，搜索并安装：

• Smart Connections：基于向量搜索的智能关联，能自动找到当前笔记相关的其他笔记
• Copilot：在Obsidian内直接使用AI对话，支持多种模型（包括本地模型）
• Text Generator：文本生成和补全

第三步：配置Smart Connections

安装后打开设置：

1. 选择嵌入模型（推荐使用免费的本地模型，或OpenAI的text-embedding-3-small）
2. 点击”Build Index”建立索引（首次需要几分钟）
3. 索引完成后，每当你打开一条笔记，Smart Connections会自动显示相关笔记

第四步：配置Copilot插件

在Copilot设置中：

1. 选择AI模型（可以用本地Ollama模型，也可以用OpenAI/Claude API）
2. 设置系统提示词：

你是一个知识管理助手，帮助用户整理和关联Obsidian中的笔记。请：

1. 基于用户的笔记内容回答问题

2. 建议笔记之间的链接（使用[[双向链接]]格式）

3. 帮助用户发现知识盲区

第五步：开始使用

在Obsidian中按快捷键打开Copilot面板，你可以：

• “帮我总结这篇笔记的要点”
• “找出和这篇笔记相关的其他笔记”
• “帮我把这段文字改写成更结构化的格式”
• “基于我的笔记库，关于X主题我了解多少？”

关键优势：所有数据都在你的本地电脑上，不依赖任何云服务。即使断网也能使用基本功能（配合本地AI模型）。

---

今日总结

• Claude Projects 是最简单的AI知识库方案，上传文档就能用，适合快速上手
• Google NotebookLM 适合做深度研究，免费且支持多种来源格式
• ChatGPT自定义GPT 适合做专题知识库，可配置性强
• Obsidian+AI插件 是最佳本地方案，数据完全在自己手里
• 关键不是工具，而是流程：建立”收集→处理→入库→关联→回顾”的持续循环

今日行动项

• 初级：用Claude Projects创建一个知识库，上传你最近读过的3篇文章，试试提问对话
• 中级：在Google NotebookLM中导入一个主题的5篇资料，生成摘要和学习指南
• 高级：安装Obsidian + Smart Connections插件，建立你的本地AI知识库

📖 地铁深读：AI知识管理的底层逻辑

这个板块专为地铁通勤设计，每篇5-10分钟。不想深读可以跳过，不影响主线学习。

从”记笔记”到”建知识图谱”

传统笔记是线性的——一篇一篇地写，一条一条地记。但真正的知识是网状的——一个概念和多个概念相连，一个案例可以印证多个理论。

AI知识管理的核心突破在于：它能自动发现你笔记中隐藏的知识连接。

举个例子：你在2024年3月记了一条关于”向量数据库”的笔记，在2024年8月记了一条关于”RAG技术”的笔记。手动整理的话，你可能不会把它们关联起来。但AI能发现——向量数据库是RAG技术的核心组件，两者是”技术栈上下游”的关系。

这种自动关联能力，基于一个关键技术：向量嵌入（Embedding）。简单说，就是把你的每条笔记转换成一组数字（向量），语义相似的笔记在向量空间中距离更近。当你打开一条笔记时，系统自动找到”距离最近”的其他笔记推荐给你。

三个值得尝试的进阶玩法

玩法一：让AI做你的”学习教练”

不只是让AI总结笔记，而是让它扮演苏格拉底，用提问的方式帮你深入思考：

“你刚才说理解了Transformer架构，那你能解释一下为什么注意力机制比RNN更好吗？如果你说不清楚，说明你理解得还不够深。”

玩法二：建立”第二大脑”的索引

每周末花20分钟，让AI帮你回顾本周的所有笔记，生成一份”知识周报”：本周学了什么、有什么收获、下周应该深入哪些方向。

玩法三：跨领域知识迁移

让AI帮你找到不同领域之间的共通之处。比如：”我在产品设计中学到的’用户旅程地图’方法，能不能用来优化我的学习路径？”这种跨领域迁移是创新的源泉。

推荐资源

• 《Building a Second Brain》by Tiago Forte：知识管理的经典之作，虽然不专门讲AI，但方法论完全适用
• Obsidian论坛（forum.obsidian.md）：最活跃的AI笔记社区，每天都有新的插件和工作流分享
• Google NotebookLM官方博客：了解最新的功能更新和使用技巧

---

下篇预告

明天早上8点：Day42——早课 个人AI工作流搭建

明天下午5点：Day42——晚课 个人AI工作流搭建实战