我是如何用AI管理1400+篇文章库的 · 知识工程

KNOWLEDGE MANAGEMENT2026-07-25

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

— 以上为试看内容(约 40%),开通会员后阅读全文 —