封面图：imgs/A_clean_flat_illustration_for__2026-06-16T06-16-08.png
我有超过 1000 篇旧文章，散落在飞书、公众号后台、备忘录和各种文档里。
每次想写东西，第一件事不是写，是找素材。找半天找到了，又要重新读一遍。读完发现跟当前选题只有半毛钱关系，然后重新开始找。
这不是效率问题，是流程问题。我没有任何系统把"做过的事"变成"下次能用的东西"。
今年我用 Obsidian 搭了一个知识库，又用 WorkBuddy 当 AI 操作层，把内容生产从采集到成稿跑成了一条线。不算什么完美系统，但确实从"每次从零开始"变成了"有东西可以接着做"。
我遇到的问题
离职做个人业务之后，内容是最重要的事之一。但我发现一个问题：
素材很多，写的时候什么都用不上。
我写过公众号文章、做过知识星球、发过 X 帖子，积累了不少内容。但这些东西散落在不同平台，没有统一的归档。飞书里有上百篇旧文章，公众号后台有没整理的草稿，备忘录里有随时记下的想法，聊天记录里有不少值得保存的对话。
每次写文章的流程是这样的：
有个选题想法 → 去飞书找旧文章，翻很久 → 去公众号后台翻草稿 → 去备忘录找灵感记录 → 在各个 AI 工具之间切换：ChatGPT 查资料、Claude 改稿、Midjourney 做图 → 最后花了 3 小时，2.5 小时在找素材和整理，0.5 小时在写。
更麻烦的是，AI 工具用了很多，但没有一个跟我的知识库连在一起。ChatGPT 不知道我写过什么，Claude 不了解我的写作风格，每次对话都要重新喂一遍背景。
说白了，我拥有的是一堆"死资产"——它们存在，但每次写东西的时候跟我没关系。
为什么要解决
作为一个人做内容，时间是最稀缺的。每次写东西都从零开始，意味着：
- 旧内容永远不能被复用，写过的东西白写了
- AI 每次都是陌生人，不了解你的风格和判断
- 好的想法因为没有及时记录和沉淀，消失了
- 选题靠灵感，没有系统支撑
我不想再这样了。我需要一套东西，能做到：
- 所有素材在一个地方，找得到
- AI 了解我的风格、判断和禁忌
- 从素材到成稿有一条清晰的流程，而不是每次现拼
- 写完的东西能回流，变成下次的输入
我怎么做的
搭知识库结构
我用 Obsidian 搭了一个知识库，五个目录：
- Inbox：临时收集箱，什么都能扔进来
- Sources：原始资料库，文章、聊天记录、X 素材、课程笔记都放这里
- Wiki：提炼后的长期知识，方法论、判断标准、写作风格
- Output：选题库、公众号草稿、X 待发布内容
- System：规则、索引、日志、模板
[截图：Obsidian 知识库目录结构]
核心原则很简单：Source 是原始材料，Wiki 是提炼后的知识，Output 是对外输出。不要把完整文章堆进 Wiki，也不要把 Wiki 变成第二个收藏夹。
这个区分很重要。之前我的知识库就是一个大文件夹，什么都往里塞，最后变成了"存了但不用"的垃圾场。分清"原始资料"和"提炼后的知识"之后，找东西的效率高了很多。
让 AI 直接操作知识库
这是我用 WorkBuddy 最核心的一点：它不只是聊天，它可以直接读写我的文件。
之前的 AI 工具，我用它对话、让它改稿，但所有操作都局限在对话框里。它不能访问我的文件，不能帮我整理知识库，不能自动更新索引。每次对话结束，成果就消失了。
WorkBuddy 不一样。它挂在我的项目目录上，可以直接：
- 读取知识库里的规则文件，知道我什么能写什么不能写
- 帮我把飞书导出的大文档拆分成单篇文章，自动归档
- 建素材卡、更新索引、写操作日志
- 在 Wiki 里创建或更新页面
[截图：WorkBuddy 对话框中处理资料的界面]
这意味着我不需要手动做那些重复的整理工作。直接告诉它"帮我处理这个资料"，它就能按规则完成归档、提炼、更新索引这一整套动作。
举个例子，之前我在 X 上看到一条好内容，想收录。我得手动截图、写笔记、决定放哪个文件夹、更新索引——光这一套动作就要 10 分钟，很多时候就懒得做了。现在我把内容发给 WorkBuddy，它 2 分钟就建好素材卡、归档、更新索引，还会告诉我这条素材能转化成什么选题。
把规则写进知识库
光有 AI 操作文件还不够，它得知道怎么操作。
我在知识库里建了一套规则文件：
- 写作风格：直接、接地气、有个人经历，不空泛正确
- 禁忌表达：不用"底层逻辑""认知升级"这种说法（对，我把这些写成了黑名单）
- 文章类型写法：日常思考、实操、复盘、观点各有不同结构
- 自检清单：写完后逐项检查，防止 AI 味
- IP 人设：我是谁、写给谁、三条内容主线
[截图：知识库中的规则文件列表]
这些规则不是一次性写的。每次写完文章发现 AI 犯了同样的错，就把新规则加进去。迭代了几个月，现在 AI 生成的初稿已经能避开大部分我讨厌的表达方式了。
这是最花时间的一步，但也是最值得的一步。没有规则，AI 就是一个写正确废话的机器。有了规则，它才开始像你想要的那个助手。
跑通采集到成稿的流程
有了知识库结构和规则，下一步是把实际操作串起来。我现在跑通的流程是这样的：
- 采集：看到好的 X 内容，发给 WorkBuddy，它自动建素材卡、归档到 Sources
- 提炼：从素材里提取可复用的结构、观点、案例，更新 Wiki
- 选题：结合素材库和个人经历，生成选题方向
- 成稿：选中选题后，AI 读取风格规则 + 相关素材，生成初稿
- 自检：对照自检清单改一遍，去掉 AI 味和空话
- 发布：放入 Output 对应平台目录
- 回流：发布后的数据反馈、读者评论回流到 Sources
流程图见文末配图
这个流程不是全自动的。选题由我决定，初稿我改，发布我审。AI 负责的是检索、整理、初稿和重复性操作。
半自动比全自动更靠谱。内容生产里很多判断不能交给 AI——什么能发、什么角度有风险、什么时候该收住不写，这些必须人说了算。
用 Skill 固化流程
有些流程跑通之后会反复用，我就把它做成 Skill。
比如"处理飞书导出文章"——拆分、归档、更新索引，每次操作都一样，固化成 Skill 之后，下次再说"帮我处理飞书文章"，它直接按流程走，不需要重新解释。
再比如"X 素材采集"——建素材卡、归档、提取可转化选题、更新索引，也是一个 Skill。
Skill 的好处是流程不再靠记忆，而是靠系统。我不需要记住每一步该做什么，WorkBuddy 自己知道。
[截图：WorkBuddy Skill 列表或配置界面]
中间踩了什么坑
一开始想搭完美系统。 最开始我花了很多时间设计目录结构、写规则、想清楚每个环节。结果系统还没搭完，什么都没开始用。后来发现，最小流程先跑起来比什么都重要。能用 60 分的系统，比 100 分但没跑起来的系统强得多。
没有判断层，AI 写出来的都是正确废话。 最初我的知识库里只有资料和规则，没有"判断"——我为什么选了这个方向、那个项目为什么停了、某篇内容为什么被否了。AI 只知道"写公众号文章要接地气"，但不知道"这个人不会写那种正反各说一遍的文章"。判断层是后来才补的，把每次否决 AI 初稿的原因记下来，慢慢积累成标准。现在 AI 的初稿质量高了很多。
想把所有环节都自动化。 试过让 AI 自动发帖、自动选题，结果质量不可控。后来想明白了，内容生产适合半自动——AI 做执行，人做判断。选题、审核、最终决定，必须人来做。AI 做检索、整理、初稿和格式转换，这些它确实比人快。
最终结果
现在我的内容生产跟之前比，有几个具体变化：
- 一条 X 帖子，发给 WorkBuddy，2 分钟建好素材卡、归档、更新索引
- 从 Wiki 和素材库调取相关内容，选题不再只靠灵感
- AI 读规则 + 素材后生成初稿，我改一遍就能用，比之前快 3-4 倍
- 1000+ 篇旧文章已经全部归档到知识库，写新内容时真的能找到相关素材了
- AI 不再写出我讨厌的那种表达
不算完美。数据回流还没完全跑通，Skill 数量还不多，有些流程还是手动为主。但核心链路已经能跑了，不再是每次从零开始。
适合谁
适合的人：
- 有内容积累但没系统整理的创作者
- 一个人做内容想提效，但不想变成全自动
- 已经在用 Obsidian 或类似工具，想让 AI 直接操作文件
- 写东西时总觉得"素材很多但用不上"
不适合的人：
- 想要全自动内容工厂的，这不是那个路线
- 还没开始写内容就先搭系统的，先有内容再搭系统
- 不想花时间调规则的，规则需要持续迭代
下一步
我现在在做的几件事：
- 补数据回流：把发布后的阅读、互动数据回流到知识库，用来优化选题判断
- 扩展 Skill：把更多跑通的流程固化下来
- 补判断层：把更多否决 AI 初稿的原因记录下来，形成更完整的标准
如果你也在做类似的事，欢迎交流。这不是一个"已经完成"的系统，是一个"正在跑"的系统。但至少，它确实在跑。
流程图：从采集到回流的内容生产全流程
内容工作流流程图