上一篇讲了和 AI 配合的三种方式：问库、归纳、生成初稿。三种单独用，都能解决一部分问题。这篇想把它们串起来，讲一条完整的管线：采集入库、AI 归纳、生成产出。串起来以后，用库的效率比单点用法高不少。
第一环：采集入库，给 AI 留一个干净入口
管线起点在收。收进来的东西越规整，后面 AI 越好处理。规则只有两条：所有新内容先进收集箱，不直接散进资料库；每条带上来源和日期，方便追溯。自动搬运这块，系列里讲过剪藏和公众号采集，做法不重复。人只在一处出力：收的时候判断一句值不值得。不值得的直接不进库，后面所有环节都省了。
第二环：AI 归纳，每周一次的轻整理
这一环最容易被跳过。收集箱攒了几十篇没看的，人不想碰，AI 正好先读一遍。每周跑一次：AI 把新收的内容各提炼三行摘要，标几个关键词，再给一个建议归档位置。要做的事只是过一遍：点头的归档，明显没用的删掉，拿不准的先留着。
有个细节别漏：归纳的产物要写回笔记。摘要存在笔记开头，关键词进 frontmatter。不然归纳完就关，下次该找不到还是找不到。放进管线里看，这一步多了一层作用：摘要成了后续检索的索引，第三环能不能找到对的笔记，靠的就是这些路标。
第三环：生成产出，从积累直接到初稿
前两环做扎实了，第三环才省事。写周报、写文章，把主题丢给 AI，它顺着摘要和标签在库里找素材，拉出一版初稿，标清楚引用了哪几篇。然后点回原文核实：引用准不准、例子能不能用、观点同不同意。这一步省不得。AI 出稿快，判断还是自己的。
为什么串起来更好用
单点用法是「用到才找」，收的时候不管将来怎么用。管线反过来：收的时候就在为用做准备。归纳留下的摘要、分类、来源，都是给检索用的路标。用得越多，路标越准，是个正向循环。信任铁律贯穿始终：AI 给的任何结论，都得能点回一篇真实笔记，点不回去的只能当提示。
三个坑
第一个坑：断在第二环。采集自动化了，归纳没人跑，收集箱又堆成山。管线不是搭好就完，第二环是每周要出现的固定动作。宁可少收一点，不能停了归纳。
第二个坑：把归纳当精读。摘要替代不了阅读。AI 提了三行摘要，就以为读过这篇，库越堆越厚，脑子里什么都没留下。需要精读的还是得自己读，摘要只负责把哪篇该读指出来。
第三个坑：追求全自动。整条线都想让 AI 跑，人只负责最后点发布。全自动的产出没有自己的判断，发出去也立不住。管线里人的动作不多，但都打在要害：收的时候判断值不值得，归纳的时候点头，产出的时候取舍。
收尾
判断这条管线好不好用，标准很简单：从收到用，中间人花的时间是不是越来越少。跑了半年多，感受是收得比以前少，用得比以前多，方向应该是对的。
系列连着聊了好几篇 AI 相关的话题。下篇想换一换，讲怎么在库里做点慢的事：深度阅读和整理，一篇笔记怎么真正被读透、用起来。下一篇细说。