AI学习知识库结构设计与工作流

设计原则

以"信息→知识→能力"的演进为目标，遵循九条准则：全部沉淀、结构清晰、方便调用、成长建模、设缓冲区、主题学习、保持渴望、练习笔记、持续更新。

对应三段位成长路径：从"备忘"到"建体系"，再到"练能力"。

总体架构

建议部署于飞书多维知识库或云文档。

文件夹结构

/00-Inbox/
    /快速收集      ← 未读、未标注，3天内清空
    /待加工        ← 已标注来源和主题，14天内处理
    /灵感池        ← 暂时没法归类但直觉有价值，允许长期存放

/10-KB/
    /概念卡
    /方法卡
    /案例卡
    /教训卡        ← 新增，记录踩过的坑
    /术语表

/20-Topics/
    /基础能力
    /机器学习
    /深度学习
    /大模型与NLP
    /数据与基础设施
    /应用与产品
    /安全与伦理
    /研究方法

/30-Projects/
    /{项目名}/
        /实验记录
        /数据说明
        /结果与结论

/40-Outputs/
    /文章
    /演讲
    /方案
    /Demo

/50-Growth/
    /能力雷达
    /刻意练习
    /复盘
    /决策日志      ← 新增，记录重要决策的背景、选项、理由、结果

/60-Tools/
    /工具链
    /环境配置
    /API与密钥

/70-Network/
    /专家索引
    /社群资源
    /协作记录

/90-Archive/
    /{年份}/
        /年鉴
        /旧版专题
        /历史项目

标签体系

分为必选标签和可选标签，降低选择疲劳。

必选标签（每条必打）：

可选标签（按需补充）：

IPOR工作流

在原有IPO基础上增加Review环节，解决"只写不看"的问题。

专题树页面结构

每个专题树页面统一包含以下模块：

AI学习主题分类（专题树一级维度）

模板库

概念卡（200字内）
定义；适用范围；边界条件；与近邻概念的区别；参考链接。

方法卡（流程化）
目标；输入/输出；步骤；注意事项；评估指标；常见失败与修复。

案例卡（场景化）
场景与数据；方法选择；过程记录；结果与指标；复盘与可迁移性。

教训卡（新增）
踩坑场景；错误做法；正确做法；根因分析；防复发措施。

读书/论文笔记（IPOR）
摘要；关键图表与公式；作者结论；我的三点洞察；可复现实验计划。

专题树页面
结构目录；核心概念矩阵；流程图；术语表；关键问题清单；快速检查清单；开放问题；延伸阅读索引。

评测与基准（Benchmark）
任务定义；数据集；指标与协议；模型/版本；结果表；结论与改进路线。

刻意练习与成长模型
能力拆解；练习清单；频率与强度；评测规则；阶段性里程碑。

决策日志（新增）
决策背景；备选方案；选择理由；预期结果；实际结果；复盘反思。

三段位实践路径

维护节奏

检索与调用

落地路径

这套结构将"缓冲区→知识仓库→专题树→项目输出→成长建模"串成闭环，兼顾可搜索、可结构、可复用、可成长，适配飞书文档与团队协作，也支持与消息流的引用沉淀与回链。