上一篇讲了长期主义，两年多下来哪些做法留下来了、哪些被淘汰了。结尾留了个话头，说后面打算聊和 AI 配合的做法。这篇来填这个坑。
先摆个基本判断：AI 对知识库的价值，不在存，在用。存这件事，工具早就做得很好了；难的是要用的时候，把对的笔记调出来，揉进手头这件事里。这恰好是 AI 擅长的。
三种配合方式
用了一年多，沉淀下来三种配合：问库、归纳、生成初稿。三种解决三个不同的问题。
问库，是把模糊的问题丢给 AI。最常出现的场景是写东西写到一半，忽然觉得「这个我好像存过」。全文搜索能处理关键词明确的情况，但很多时候想不起关键词，只记得大概意思。这种时候直接问 AI：库里有没有关于 XX 的东西？它会翻一遍库，把相关内容捞出来，标出来源。答案本身不太重要，重要的是顺着来源点回去，把那几篇旧笔记重新翻出来。这一步才是价值所在。
归纳，是让 AI 先读一遍。收集箱里攒着几十篇没看的文章，越堆越不想碰，是常见死法。现在每周让 AI 把新收的内容各提炼三行摘要，再给几个关键词。先知道每篇讲了什么，再决定哪篇精读、哪篇扫一眼归档。摘要替代不了阅读，但能把「先读哪篇」的优先级排出来。收了没读的负担，少了一大半。
生成初稿，是从积累直接到产出。写周报、写文章，最怕白纸起稿。现在的做法是先把主题丢给 AI，让它从库里相关内容里拉一版初稿出来，标注引用了哪些笔记。人再动手改：哪些保留、哪些砍掉、哪些不同意。这样出来的东西，底子是过去几个月的积累，不是当天的灵感。差别挺大。
先解决信任问题
AI 会一本正经地编。库里没有的东西，它也能说得有鼻子有眼，甚至编一个不存在的出处。所以有一条铁律：AI 给的任何答案，必须能点回一篇真实笔记。点不回去的内容，当提示看看可以，不能直接当事实用。引用就是信任边界，这条不能省。
三个坑
第一个坑：只问不沉淀。AI 答得挺好，看完就关，下回遇到同样的问题再问一遍。有用的问答应该存回库：问题、答案、来源，合成一篇笔记。问一次就沉淀一次，库才会越用越厚。
第二个坑：把 AI 当搜索引擎。天天问，从不翻笔记。问库的价值在把人带回原文；只拿答案不当回事，等于雇了个管家看着仓库，自己从来不进去。
第三个坑：全自动生成，一键发布。AI 出稿，人不动脑，产出来的东西没有自己的判断，发出去也立不住。AI 可以写初稿，取舍得自己来：同意哪些、砍掉哪些、要不要补自己的例子。这些才是写作里属于人的部分。
收尾
判断 AI 配合得好不好，标准就一条：它有没有让人更常回自己的库。半年多用下来，我的感受是问库越来越勤，翻笔记也越来越勤，两件事互相促进。工具的价值不在工具本身，在它把人往自己的积累上带。
系列聊了很多单点做法。后面想把这些串起来，讲一条完整的「知识库 + AI」管线：采集入库、AI 归纳、生成产出，怎么连成一条线。下一篇细说。