系列上一篇讲了 vault 怎么分层，把知识库分成公众号文章、笔记、资料库、收集箱四个区。这篇来说公众号文章这一层怎么管。
先说一个数字。目前我追踪了 108 个公众号，Obsidian vault 里存了快 9000 篇文章。这个量级不会像几十万篇那样需要上搜索引擎，但纯靠记忆翻找已经不够用了。
管理 9000 篇文章的核心思路就一条：按公众号名分目录，然后交给自动流程。
**按号分目录，别按主题分**
很多人搭知识库的第一反应是按主题分类。比如建一个「AI 技术」文件夹、一个「运维」文件夹、一个「效率工具」。听起来合理，实际有问题。
一篇文章可能同时涉及 AI 和运维，一篇工具教程里也可能聊到编程。硬塞进一个目录总觉得别扭。更麻烦的是，新文章进来需要人工判断属于哪个主题——这一步既慢又不准确。
我的做法很简单：完全按公众号名建目录。108 个号，每个号一个文件夹。
“`
公众号文章/
├── AI科技前沿/
├── 编程教学号/
├── 商业评论号/
├── 效率工具号/
├── 科技资讯号/
├── 技术管理号/
…
“`
这个结构没什么高深的。好处是稳定——公众号名不会变，新文章进来直接往对应目录丢，不需要任何判断。
文件名也统一：`YYYY-MM-DD_公众号名_标题.md`。比如 `2026-06-10_AI4SE_Dify精品案例系列.md`。日期在前便于排序，公众号名在中间防重名，标题在最后。
**三档分类，自动统计**
文件夹层面按号分。浏览的时候，需要知道哪些号文章质量高。
我搞了三档分类：
– **高频关注**：100 篇以上。这类号持续关注了很久，内容稳定，值得逐篇看。目前有 20 多个。
– **常规关注**：20-99 篇。内容不错，还没到每篇必看的程度。
– **低频关注**：20 篇以下。刚订阅或偶尔有好文章。
这个分类不用手动维护。脚本每天自动扫描每个目录的文件数，按三档排版到 `_index_公众号文章.md` 里。打开这个索引文件，扫一眼「高频关注」区块，就知道近期该优先看什么。
**标签表来源，不表主题**
标签系统只用来标记来源，不标记内容主题。
每篇文章入库时自动打两个标签：
“`
#来源/公众号
#公众号/AI科技前沿
“`
想查AI科技前沿的所有文章，点 `#公众号/AI科技前沿` 就行。想看所有公众号来源的文章，搜 `#来源/公众号`。
为什么不打主题标签？给一篇讲 Kubernetes 的文章打 `#技术/容器`，听起来合理。但 9000 篇文章，每篇读一遍再打标签，工作量太大了。更关键的是，打完标签也未必记得自己怎么分的类。
所以策略很简单：标签只标记客观属性（来源），不标记主观判断（主题）。找文章靠全文搜索，不是靠分类目录。
**自动归档的完整流程**
文章怎么进来？不需要手动操作。
走的是之前（系列 #3）讲的那套采集管线：WeRSS 和 wechat-exporter 定时抓取新文章，notes bot 自动下载全文，按公众号名归类到对应目录，文件名自动生成，标签自动打上。
自动化之后，唯一要做的就是每周打开索引文件，扫一眼更新了哪些内容。感兴趣的打开看看，不感兴趣的直接划过。存不存在、分类对不对——这些都是机器干的。
**总结**
这套方案的核心逻辑：
– 按公众号名分目录，不用主题分类。避免交叉和判断成本。
– 三档分类：高频 / 常规 / 低频。自动统计，不用手动维护。
– 标签只表来源，不表主题。减轻维护负担。
– 文件名统一：日期 + 公众号名 + 标题。全局唯一。
用了半年多没出过问题。核心思路就是：把人需要判断的事情降到最低，把能自动化的事情全部交给脚本。
前几篇讲了 vault 的四层架构（#1）、103 个公众号的自动采集方案（#3），这篇讲了公众号文章的分类管理（#2）。系列还剩一个话题：从采集到入库的整条知识管线，包括清洗、去重、图片本地化这些细节。下一篇来说说。