我做工程十几年，笔记攒了一堆：现场记录本、微信收藏、手机截图、零散的Word和Excel，还有几个装满照片的文件夹。真正的问题不是笔记少，而是要用的时候想不起以前遇过没有。这两年我把这件事交给 AI 一起做，效果比我预想的好，过程也踩了不少坑。
散落的笔记最难用的一点是格式不统一：有的是手写拍照、有的是截图、有的是语音转的文字。所以我做的第一件事是把能转的先转成纯文本，按主题分文件夹。
这一步用 AI 的识别和整理能力比我想的快，但分类规则必须我自己先定。如果让 AI 随便分，它会分出一堆看似合理、实际上跟你的工作习惯对不上的类别，用两次就废了。
这是我认为最关键的一条区别。总结会把细节抹平，抽出的是漂亮的废话；抽取是把每篇笔记里可执行的信息挑出来。
我现在的做法是给每篇笔记按固定字段抽五样东西：问题是什么、条件是什么、当时怎么做的、依据是哪条、坑在哪里。抽完形成一张表，以后检索只查这张表，不再翻原文。字段固定这件事特别重要——字段一乱，检索就废了。
整理好的东西如果只能靠翻，价值有限。我把它们放进本地可检索的位置，提问时固定加一条纪律：只依据我提供的材料回答，材料里没有的就说没有。
这条纪律我不是随便加的。不加的时候，它会很自然地补出一些听起来合理但并不存在的规定和数字，用在工程上风险太大。
第一个坑是不标来源。抽出来的条目如果不标出处，用的时候不敢信，等于白抽。现在每条都带来源标记。
第二个坑是想一天整理完几个月的笔记。试过一次，数量一上来质量就崩，错漏混在一起。现在宁可一天二十篇，慢慢来反而快。
第三个坑是不复核。AI 把字段抽错，比没整理更糟糕，因为你会信任它。所以我现在只复核两类：涉及数字的、涉及依据的。
一是重复的问题不再重复问人，也不再重复踩同一个坑；二是带新人有材料可给，不用每次从头讲；三是写方案、写文章的时候能直接调出以前的做法和教训，不再从零开始。
知识管理这件事的本质不是收集，是能不能在需要的那一刻被取出来。 AI 最有价值的地方，不是帮你记，而是把你记过的东西变成一条条能查、能信、能用的条目。
本文为个人工具使用记录，不涉及具体项目与单位数据。