我是如何用AI管理1400+篇文章库的 · 知识工程

今天想和大家聊一个很实在的话题——如何用AI管理1400多篇公众号文章。

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、标签体系设计到索引系统搭建，完整拆解整个过程。

对于内容创作者来说，如果也有几百上千篇文章躺在云端不知道如何利用，也许这篇文章能提供一些启发。

为什么要折腾这件事？

三年公众号日更，写下了1400多篇文章。以前和大多数人一样，文章发完就沉底了，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，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）。

第一步：批量下载，100%本地化

要管理文章，第一步是把它们从微信后台搬出来。

找到了一个开源项目：

（微信公众号文章批量下载工具）。这个项目的原理挺有意思——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）。最终选择了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。

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。

这一步很关键——数据在自己手里，才能做后续的深度加工。

第二步：设计标签体系，让AI能"读懂"文章

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。

设计这套7维标签体系，花了一天时间：

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（话语指纹）

这些是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、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、看空/警示（泼冷水、拆穿）、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）。

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，就是知识图谱的"元数据层"。

第三步：让Claude批量打标签

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。这时候Claude就派上用场了。

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，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。

比如发现有些文章被打上了"AI基础认知"标签，但其实只是在AI时代背景下讲其他话题。于是明确了标准：

"AI基础认知"应该是

，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）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。

第四步：建立6维索引系统

标签打完了，但还有一个问题：如何快速检索？不想每次都去文件夹里翻文件，也不想靠全文搜索碰运气。要的是：按任意维度组合查询，瞬间定位到想要的文章。

于是建立了6个索引文件：

索引_by_年度.md，包含2026年（47篇）、2025年（xxx篇）、2024年（xxx篇）等。

索引_by_体裁.md，包含观点评论（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_by_立场.md，包含看多/乐观（xxx篇）、看空/警示（xxx篇）、行动号召（xxx篇）、反思自省（xxx篇）。

索引_by_可复用分.md，包含高（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_by_主题域.md，包含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）等。

索引_by_招牌概念.md，包含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）等。

## 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"，让人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。

实战效果：从"信息坟场"到"知识金矿"

整理完这1400多篇文章后，真切感受到：

。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"。

。有了标签体系，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"。

。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"知识复利"。

。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学习写作风格（体裁、立场、招牌概念），让AI自动生成文章初稿，只需要润色。从"人工写作"到"AI辅助写作"，基础设施已经就位。

几个关键认知

。1400多篇文章，如果每一篇都平等对待，实际上等于没有管理。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"。

。很多人迷信AI工具，觉得有了ChatGPT就能自动管理知识。AI只是执行者，标签体系才是"元规则"。必须先定义"什么是好文章""什么是招牌概念""什么叫可复用"，AI才能按规则分类和检索。工具会过时，但标签体系是知识资产的"操作系统"。

。这套系统，如果放在两年前，至少需要一个产品经理设计标签体系，两个工程师写爬虫和索引脚本，三个编辑逐篇打标签，成本至少几十万。但现在，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。

。可以写100篇文章讲AI Rollup、讲组织AI化、讲RaaS。但如果自己不用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"AI实验室"。

写在最后：个人IP的"第二大脑"

很多人问为什么要花这么多时间整理这些文章？答案是：因为这是"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）。

如果也有几百上千篇文章，建议是：别让它们躺在云端吃灰，下载下来，本地化；设计一套适合的标签体系，让AI能读懂文章；建立索引系统，让知识"可检索、可复用、可迭代"。

---

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

想复刻这套系统，以下是所用到的工具：

• 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

• 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

• 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

• 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）