大家好,我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。
最近这段时间,我把自己的第二大脑项目重新梳理了一遍,也开始放到真实写作流程里使用。
最开始的问题很简单:我每天会在微信里看到文章、视频号、群聊讨论,也会在路上突然想到一个选题、一个功能设计、一个项目判断。过去最顺手的做法,是直接丢给文件传输助手。
看到一段内容,转发过去;想到一句话,发过去;拍一张图,也发过去。
短期看很方便,时间一长就会发现,文件传输助手变成了一个巨大的临时箱。它适合暂存,不适合沉淀。更关键的是,在 Agent 时代,这已经不只是收纳问题,而是入口问题。
如果灵感、资料和项目判断不能被后续系统稳定读取、分类、追踪和输出,就很难真正进入 AI 工作流。
所以我现在越来越明确一个判断:
微信不应该直接承担知识库的角色,但微信非常适合作为个人知识系统的第一入口。
为什么入口仍然应该从微信开始
很多工程师可能会问:既然要做知识系统,为什么不直接从 Obsidian、Notion、知识库接口或者浏览器插件开始?
我的答案是:真实输入场景不在理想工具里,而在微信里。
我每天接触信息的高频场景,大量发生在微信:
- 看到公众号文章,想保存一个观点;
- 刷到视频号里的工具案例,想后面分析;
- 群里有人讨论某个 Agent 产品,想留作选题;
- 通勤路上想到一个文章角度,先发一段语音;
- 项目里突然想清楚一个架构取舍,先用手机记下来。
如果每次都要求自己打开专业工具、选目录、填模板、加标签,这个流程很快就会变形。
知识系统的入口不能只追求结构正确,还要尊重人的行为习惯。微信不是最适合存知识的地方,但它是最容易接住真实灵感的地方。
这和软件系统很像。入口层不一定承担最终存储,也不一定承担复杂计算。它最重要的任务是接住请求、降低接入成本,然后把请求交给后面的服务治理。
放到个人知识系统里也一样:
微信负责低摩擦输入,笔记系统负责承接和同步,桌面 Agent 或脚本负责整理,LLM Wiki 负责形成可被模型理解的知识结构,最后再进入写作和发布流程。
入口简单,不代表系统简单;入口顺手,后端更要有边界。
真正需要设计的是一条链路
我现在更愿意把个人知识系统看成一条流水线,而不是一个资料库。
这条链路大概是:
输入 -> 整理 -> 生成主题 -> 选择主题 -> 生成草稿 -> 编辑 -> 定稿 -> 发布
每一步的责任不一样。
输入阶段,不追求完美,只追求及时接住。比如我可能只发一句话:“灵感是即时出现的,但知识不能一直停留在即时状态。”这句话还不是文章,但它是一个很好的原始触发点。
整理阶段,要补上下文。它属于知识系统、内容中台,还是 Agent 工作流?和哪些已有文章相关?能不能延展成一个技术判断?有没有重复表达?
生成主题阶段,要把材料变成可写方向。同样是“微信收集知识”,可以写工具体验,也可以写工作流入口,还可以写 Agent 可执行知识库的底层设计。
草稿阶段,Agent 可以参与,但不能替代判断。它可以帮我整理结构、补充场景、生成初稿;但要不要写、怎么写、哪些观点需要收敛,仍然要回到人的经验。
编辑阶段,是把“可读”变成“可信”。这里要删掉空泛表达,补足工程取舍,检查是否夸大工具能力,确认读者看完能做什么。
发布阶段,才是最后一公里。如果前面结构稳定,后面可以通过 Skill 把排版好的内容送到公众号草稿箱,再由人做最终确认。
这条链路里,微信只是第一站。真正有价值的是:第一站的数据,后面每一站都接得住。
有道云笔记收藏小助手解决的是入口替换
我最近尝试用有道云笔记收藏小助手替代文件传输助手,核心原因不是它功能更多,而是它更接近一个可治理入口。
它的体验和文件传输助手很像:在微信里看到内容,直接转发给小助手,路径很短。
但它比文件传输助手多了一层关键能力:内容会进入笔记系统,而不是只停留在聊天窗口里。进入笔记系统之后,才有机会被标签化、同步、导出和二次处理。
举个例子。
我在微信里看到一篇讲 Agent Skills 的文章。如果只是转发到文件传输助手,它大概率会沉在聊天记录里。后续我要写文章,还得靠记忆把它捞出来。
如果转发到收藏小助手,它进入云笔记之后,就可以定期同步到我的知识系统。同步之后,Agent 可以读取标题、正文、时间、标签,再结合已有知识库判断它属于什么主题,是否能成为新的文章方向,是否和已有内容重复。
这就是入口替换的价值:不是让收藏更好看,而是让后续系统更容易接管。
当然,这里也有成本。
第一,依赖第三方平台。云笔记服务的稳定性、导出能力、网页结构变化,都会影响后续同步。
第二,需要账号绑定和权限管理。任何能接收、存储、同步内容的系统,都要考虑账号安全和数据边界。
第三,需要维护同步脚本或自动化工具。如果只是偶尔收集,没必要把系统做重;但如果要长期沉淀,就要接受一定的工程维护成本。
所以我不会说所有人都应该立刻切换工具。我的判断是:如果只是临时存几条链接,文件传输助手够用;如果希望这些内容进入长期知识库,并且后面要交给 Agent 整理和输出,就应该尽早把入口换成可导出、可同步、可结构化的方式。
微信内容不能只靠“看过”
这两年中文内容生态有一个现实变化:很多高价值信息都留在微信体系里。
公众号文章、视频号内容、社群讨论、小程序工具入口,越来越多信息并不天然适合被传统浏览器收藏、RSS 或网页剪藏完整捕获。
这也是为什么微信入口值得重新设计。
比如我刷到一个视频号,里面提到整理高质量公众号信息源。这个信息本身不一定马上形成文章,但它提醒我一个问题:
如果给 Agent 的资料源质量不稳定,后续生成的判断也会不稳定。
很多人做知识库时,容易把重点放在“怎么让 Agent 读更多资料”。但工程上更重要的是:让 Agent 读什么资料,以及这些资料经过了什么筛选。
如果入口没有筛选机制,知识库就会越来越像一个大杂烩。Agent 表面上读了很多上下文,实际上是在大量噪声里找信号。
所以我的做法不是把所有内容都无脑收进来,而是在入口阶段就加一点轻量判断:
- 这条内容是资料,还是灵感?
- 是以后可能写文章,还是只是当下参考?
- 是需要全文保存,还是只保存一个观点?
- 是和已有主题有关,还是开了一个新方向?
这些判断不需要一开始就做得很复杂,但最好能留下痕迹。因为后续 Agent 整理知识时,它不仅需要内容本身,还需要知道我当时为什么保存它。
Agent 时代的知识入口,要像接口一样设计
个人知识管理和软件工程有一个相通点:入口设计决定后续系统上限。
在业务系统里,我们不会随便把所有请求直接写进数据库。我们会设计接口、校验字段、记录日志、打状态、处理异常。
但到了个人知识管理里,很多人会把一切都交给一个收藏夹。结果就是:前面收得越多,后面越难处理。
如果用工程视角看知识入口,至少要考虑四个问题。
第一,输入格式。
文字、图片、语音、链接、视频号、公众号文章,它们不是同一种数据。文字可以直接进入整理;链接需要抓取或摘要;语音需要转文字;图片可能需要 OCR;视频号内容可能只能先保留标题、描述和自己的判断。
第二,元数据。
一条知识不应该只有正文,还应该有时间、来源、主题、标签、处理状态。比如“2026-07-06 晚上,微信中收藏,主题是 Agent 工作流,状态是待整理”。这些信息看似琐碎,但对后续检索、去重、生成主题非常重要。
第三,状态流转。
收集不是终点。内容至少要有几个状态:待处理、已整理、已进入主题、已生成草稿、已使用、已归档。没有状态,知识库会变成一个永远无法清空的待办箱。
第四,权限边界。
并不是所有内容都适合交给 Agent 处理。项目资料、客户信息、内部截图、账号凭证,都要有明确边界。尤其是当你使用桌面 Agent、服务器脚本或第三方模型时,权限问题不能靠“我注意一下”解决。
这四个问题听起来像系统设计,但放到个人工作流里并不复杂。你不需要一开始就搭完整平台,只需要把入口从“随手扔进去”升级为“后面能被系统接住”。
不要急着把所有东西都自动化
聊到 Agent 工作流,很容易走向另一个极端:什么都自动化。
自动抓取、自动分类、自动总结、自动生成主题、自动写草稿、自动发布。这条路看起来很美,但我现在会更谨慎。
因为个人知识系统最有价值的部分,不是信息搬运,而是判断。
同一篇文章,Agent 可以总结它讲了什么,但不一定知道它对我当前的内容方向有什么价值。
同一句灵感,模型可以扩写成一篇文章,但不一定知道哪些话是我的长期判断,哪些只是当天的想法。
同一个选题,系统可以判断它和哪些主题相关,但是否值得写,还要看最近读者的问题、已有文章是否重复、我是否有新的实践可以补充。
所以我更愿意做半自动流程。
让机器做它擅长的部分:同步内容、提取标题和正文、打初步标签、识别可能主题、生成草稿结构、检查重复表达、辅助排版。
人保留关键判断:哪些内容值得保留,哪些主题值得写,哪些观点要收敛,哪些风险必须说明,哪些内容暂时不能公开,最终文章是否符合自己的长期方向。
这也是我对个人知识系统的基本取舍:不要追求全自动,而要追求可控的持续输出。全自动很容易把系统变成内容工厂;可控流程才更适合长期积累。
这套系统真正的成本
如果只看表面,这套系统需要的东西并不多:
- 一个微信入口;
- 一个能承接微信内容的笔记系统;
- 一个可同步的知识存储;
- 一个桌面 Agent 或本地脚本;
- 一个常用文字编辑器;
- 一个发布前的编辑和确认环节。
但真正的成本不在工具数量,而在三个地方。
第一个成本,是流程维护。网页结构变了、接口失效了、登录状态掉了、同步脚本报错了、标签规则不准了,这些都需要维护。所以我不建议一开始就把流程做复杂,先跑通最小闭环,再逐步增强。
第二个成本,是知识清洗。收集容易,清洗难。很多内容第一次看很有价值,过几天再看只是情绪刺激。真正能沉淀为知识的内容,需要经过筛选、重写、归类和关联。
第三个成本,是安全边界。当 Agent 能读文件、写文件、调用工具、访问服务器时,它就不只是聊天助手,而是能影响真实系统的执行者。知识系统里如果混入账号、密钥、客户资料、内部项目内容,就必须区分哪些能进入模型上下文,哪些只能本地保存,哪些需要脱敏。
我的做法是把内容分层:公开写作资料、个人思考资料、项目敏感资料分开处理。能进文章流程的,只放适合公开表达的内容;涉及项目和账号的,单独管理,不让它们混到公众号写作链路里。
适合谁,不适合谁
这套思路不是给所有人准备的。
如果你只是偶尔收藏几篇文章,或者只是想找一个地方临时放文件,那没必要折腾。文件传输助手、微信收藏、普通笔记都够用。
如果你已经有稳定的笔记系统,但不做长期输出,也不需要 Agent 参与整理,那也不用急着改造入口。你更应该优化的是分类习惯和检索方式。
但如果你符合下面几种情况,就值得重新设计知识入口:
- 每天在微信里接触大量技术信息,但真正能沉淀下来的很少;
- 想持续写文章、做课程、做项目复盘,但材料总是散在不同地方;
- 正在尝试 Agent 工作流,希望让 AI 帮你整理资料、生成主题、辅助写作;
- 对 LLM Wiki、内容中台、个人知识库有兴趣,但不知道从哪里开始跑最小闭环;
- 已经意识到“收藏更多”没有意义,真正重要的是“用得起来”。
如果是这种情况,不要一上来追求完整系统,先把一个入口跑通。
从一个很小的闭环开始
如果你也想做类似的系统,我建议从一个非常小的动作开始:
先选一个微信里的固定入口,连续使用一周。
不要同时尝试十个工具。你可以用微信收藏,可以用云笔记收藏助手,也可以用任何能稳定转发内容的入口。重点不是工具名字,而是它能不能把内容带到后续系统里。
这一周只观察三件事。
第一,你最常收集的内容是什么。是公众号文章、视频号、群聊观点、项目灵感,还是语音备忘?不同输入类型,决定后续系统要优先支持什么。
第二,你多久整理一次才不会失控。如果每天都有十几条内容进入系统,就不能一个月整理一次。否则入口再好,也会变成新的堆积点。
第三,哪些内容真正产生了输出。不要只统计收藏数量,要看最后有多少变成了文章、方案、项目记录、技术判断或可复用的方法。
一周之后,再给内容加最简单的状态:
- 待整理;
- 可写主题;
- 已进入草稿;
- 已归档。
先不要设计复杂标签体系。标签太多,系统会变重;状态清楚,流程才会往前走。
第三步,再让 Agent 参与。可以让 Agent 每天或每周读取新增内容,帮你提取可能主题、标记重复内容、给出下一步处理建议。
这时候 Agent 才是有价值的。因为它不是在一堆聊天记录里盲猜,而是在一个有入口、有结构、有状态的系统里工作。
我的下一步
这次重构之后,我接下来会重点优化三个方向。
第一,把入口继续做轻。输入动作越复杂,越难长期坚持。我希望在微信里看到内容时,仍然只需要一次转发或一句语音,就能进入后续流程。
第二,把整理规则做稳。哪些内容归入 AI 工具,哪些归入 Agent 工程化,哪些归入知识系统,哪些只做归档,这些规则要不断校准。规则不是为了束缚写作,而是为了减少后续混乱。
第三,把输出链路做闭环。对我来说,知识系统最终要服务于输出。输出不一定都是公众号文章,也可以是项目方案、技术复盘、团队文档、工具脚本、课程材料。但如果长期只有收集,没有输出,这套系统就会慢慢失去动力。
知识管理不是把资料放整齐,而是让资料在未来某个任务里重新发挥作用。
微信入口的价值,也不在于它能保存多少东西,而在于它能不能把真实生活和工作里的想法,送进一个可持续演化的知识系统。
最后
这篇文章不是想让你换一个收藏工具,也不是让你马上搭一套复杂系统。
我的核心判断只有一个:
在 Agent 时代,个人知识管理的关键不再是“存在哪里”,而是“能不能被后续工作流接住”。
微信适合做入口,因为它离真实场景最近;笔记系统适合做承接,因为它能结构化保存;Agent 适合做整理和辅助输出,因为它能处理重复劳动;人必须保留判断,因为知识系统最终服务的是你的经验、取舍和表达。
如果你想开始行动,先做三件小事:
第一,停止把所有内容都丢进一个无法治理的临时窗口,选一个能导出、能同步、能分类的入口。
第二,连续一周记录自己的真实输入类型,看看你到底是在收文章、收灵感、收项目资料,还是收未来可写主题。
第三,不要急着全自动化,先跑通“输入 -> 整理 -> 主题 -> 草稿”这个最小闭环。
系统不需要一开始完美,但一定要能往前走。
最后附上我近段时间的一些操作截图。付费专栏《第二大脑精装版本》会在基础课程上增加修订版系列内容,一步一步带你实操,并赠送一定量的高级模型 token。




草稿生成之后,可以交给 Codex 的 Skill 来承接编辑和发布,也可以使用其他 Agent。




我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。