#AILifeDemo# 豆包最近更新了一个大的版本，具有了在你电脑上创建、修改、编辑文件的能力，也就是agent能力。

我会用10分钟，教你搭一个真正能帮你干活的AI本地知识库。它不是收藏夹，不是笔记本，而是一个能自己读资料、自己做笔记、自己产出成果的 agent 系统。

这个本地知识库可以用来帮你学习论文文献、做自媒体、处理文档资料等等。

打开豆包电脑版，进入「办公任务」，选择项目，创建一个文件夹。（图1）

然后把下面这段提示词发给豆包：

请帮我生成一个简略版 AI 自生长知识库
你现在是我的本地知识库搭建助手。

请在当前目录下创建一个文件夹：

AI自生长知识库-简略版/
这是一个免费版、简略版框架，不需要做复杂配置，不需要安装插件，不需要一键脚本。

目标只有一个：

让我能把资料放进去，让 AI 帮我消化，再产出文章、学习笔记或选题。

请创建这些文件夹
AI自生长知识库-简略版/
├── 00-原始资料/
├── 01-AI消化笔记/
├── 02-方法库与提示词/
├── 03-输出成果/
└── 04-复盘/
请创建根目录 README.md
内容请包含：

这个知识库是干什么的
五个文件夹分别放什么
最小工作流：
00-原始资料/
→ 01-AI消化笔记/
→ 03-输出成果/
→ 04-复盘/
一句话原则：
收藏只是入口，回流才是知识库开始自生长的地方。
提醒我：不要一开始追求完美分类，先跑通一份真实材料。
请创建 00-原始资料/README.md
说明这里可以放：

文章
视频逐字稿
课程笔记
读书摘录
聊天记录
灵感
网页摘录
并提醒我：

原始资料不用先整理，先放进来。

请创建 01-AI消化笔记/README.md
说明这里不是摘要区。

每篇消化笔记必须回答：

这份材料对我有什么用？
推荐结构：

一句话结论
原始资料讲了什么
对我有什么启发
可以变成什么输出
下一步动作
请创建 02-方法库与提示词/原始资料消化提示词.md
写入下面这段提示词：

请读取我指定的原始资料，生成一篇 AI 消化笔记。

不要只做摘要。请重点回答：这份材料对我有什么用？

请按以下结构输出：

一句话结论
原始资料讲了什么
核心观点拆解
对我的学习、创作或工作有什么启发
可以变成什么输出
下一步动作
请创建 03-输出成果/README.md
说明这里放：
自媒体内容
学习总结
文档输出
内容输出
并加入输出回流卡：

输出回流卡
这次输出用了哪些原始资料：
新产生了什么观点：
哪个段落以后还能复用：
产生了哪些新问题：
是否形成新方法：
请创建 04-复盘/README.md
说明这里每周记录一次：
本周放进来了哪些资料
哪些资料真的被消化了
哪些内容产出了文章或笔记
哪个环节最有用
下周只推进哪三件事
请创建 CLAUDE.md
这是 Claude Code 的入口规则。

请写入：

先读取 README.md
新资料进入后，先生成 AI 消化笔记，不要直接写成品
消化笔记必须回答“这份材料对我有什么用”
输出成果必须附输出回流卡
默认先文章化，再考虑视频化
不要替我删除原始资料
完成后请告诉我
请列出你创建了哪些文件，并告诉我第一步应该往 00-原始资料/ 放什么。

就会生成一个简略版的AI自生长知识库。（图2）

这5个文件夹不是随便建的，它们代表了知识流动的完整闭环：
00-原始资料
：你收集的所有未处理材料——论文、文章、聊天记录、灵感碎片，都丢这里
01-AI消化笔记
：AI读完资料后生成的笔记，这是从"原料"到"成品"的中间层
02-方法库与提示词
：从笔记里提炼出来的、可以反复复用的方法、模板、工作规则
03-输出成果
：最终的成品——文章、报告、视频脚本、文档
04-复盘
：每周记录哪些资料真的被消化了、哪些内容产出了成果，让系统持续优化
从左到右，从原料到成品，再从复盘回到原料——形成一个闭环。

这就是你的AI系统的地基。后面不管你换什么工具，这个结构都不用变。

现在，我们来投喂第一批资料。

放什么都行——你最近读的一篇文章、存的一份报告、你的灵感、收藏的一篇文章、甚至是一段聊天记录。只要是你想让AI帮你消化的内容，都可以丢进去。

为了演示，我往里面放了五篇英文论文。

然后用自然语言告诉豆包，这是我的本地知识库，拿来学习论文的。（图3和图4）

等一会会，豆包已经识别到了你放入的文件。

这就是 agent 模式和 chat 模式的第一个本质区别：AI 能看到你文件夹里有什么了。 你不需要把文件内容复制粘贴给它，也不需要上传附件。它就在你的文件夹里，随时可以读。

然后对它说一句：

批量消化所有论文，一次性生成 5 篇消化笔记。（图5）

豆包会一篇一篇地读取资料，按照你之前定义的格式生成消化笔记，然后自动保存到 01-AI消化笔记/ 文件夹里。

等它干完活，会给你一个汇报，消化完毕，放到01文件夹里了。（图6）

你打开文件夹看看，五篇消化笔记已经整整齐齐地躺在那里了。（图7）

每一篇都按照你定义的结构：一句话结论、原始资料讲了什么、核心观点拆解、对我的启发、可以变成什么输出、下一步动作。

随便打开一篇看看：（图8）

注意，这不是简单的翻译或摘要。

AI 做了一件更重要的事：它站在你的角度，回答了"这份材料对我有什么用"这个问题。

这就是为什么我们把它叫做"消化笔记"而不是"摘要"。摘要只是把原文缩短，消化是把别人的知识，变成对你有用的东西。

消化笔记不是终点。它是中间产物，是从"原料"到"成品"的过渡。

有了消化笔记之后，你可以继续让 AI 往前走一步：把这些笔记提炼成可复用的方法，或者直接产出最终的成果。

比如，你可以对豆包说：

继续工作，处理 02-方法库与提示词、03-输出成果。这是一个辅助我学习的本地知识库，你继续工作。（图9）

豆包会继续读取 01-AI消化笔记/ 里的内容，从中提炼出可以复用的方法和模板，写入 02-方法库与提示词/；同时根据笔记内容，生成一些可以直接使用的输出成果，写入 03-输出成果/。

干完之后，它会再次给你汇报：（图10和图11）

到这里，你的知识库就完成了一次完整的流转：

原始资料 → AI 消化笔记 → 方法库 → 输出成果

这就是我们常说的"知识流动"。资料不是堆在那里落灰，而是经过消化、提炼，最终变成对你有用的产出。

而这一切，你只做了两件事：把资料丢进文件夹，然后对 AI 说了几句话。

这就是 agent 模式的力量，当然，这只是开始。你的知识库现在还只有几篇消化笔记，输出成果也只有寥寥几个。

但没关系——系统已经跑起来了。接下来，你只需要持续往里面投喂资料，它就会越长越大，越来越懂你。

你的收藏夹再也不会落灰了，你读过的每一篇文章、听过的每一节课，都会真正变成你的知识资产。

快去试试吧，发一段提示词，丢几篇你一直想看但没看的资料进去。

然后回来告诉我，你的AI助手都帮你干了什么活？#how i ai#