分享点我在 AI 知识库方面的一些经验。
传统的 AI 知识库的玩法，就是你上传一份文档，然后利用 AI 去消化这份文档，并通过 AI 这个媒介来与文档进行信息的查询或者数据的交互。
这种模式现在已经有很多工具能做的很不错了，比如我常用的谷歌系列产品、Notion。
甚至一些开源的笔记项目也在这方面有很好的支持，比如 Obsidian 装上 Claude Code 插件就可以很方便地做到与本地文件的信息交互。
但是这种传统的模式仅仅只是停留在文档的消化与文档数据提供上，这种问答机器人的模式，我觉得做的并不够。
我更希望的是，AI 能帮我把本地素材库消化掉，然后融入到日常的工作流程中去。
比如最简单的一个场景，一封询盘邮件进来之后，会自动触发询盘邮件的回复程序。
这个程序会利用 AI 的能力去查询本地的产品配置表，以及本地的产品报价参数，然后根据这些信息来写一封回复邮件并发送给用户。
注：这套工作流程非常好实现，有兴趣的朋友可以研究一下，市面上的主流工具都提供这种触发支持。
当然还有更多类似的工作场景值得我们用心开发，把 AI 的能力引入到知识库的管理中去，那后续实现的就不仅仅是查资料这些简单的事情了。
AI 可以去读取本地的文件夹结构，理解历史文档的内容，只可以根据我们自定义的需求来提炼写作的风格。
而有了这些记录的提炼之后，便可以基于这些素材库里面的资料去生成我们想要的文案，比如视频口播的脚本、社媒营销的基础文案，或者是论坛营销的基础资料。
如是传统的问答机器人模式的素材库，便进化成了带着执行规则的本地 AI 助手。
像这个项目就是谷歌开源出来的，用 AI 来管理本地素材库的标准，有兴趣的小伙伴可以自己研究一下。
我自己实操下来觉得这套逻辑是没什么问题的，有点类似于卡片笔记的操作思路，真的能极大程度上提高我们本地素材的利用效率。
所以本地知识库的真正价值，并不是让 AI 消化我们的资料，或者让 AI 回答的内容更精准。
反倒是让 AI 真正进入我们的工作流程，真正充当起一个助手的角色，我觉得这才是最关键的。
