不是收藏夹，是知识层

Knowledge Base 的定位不是"一个更好的书签系统"。它的定位是把输入转化为知识资产的沉淀层。

收藏夹保存的是链接。知识库保存的是经过处理的、结构化的、可追溯的信息。链接指向外部，知识留在本地。链接依赖原始网页的存在，知识不依赖。

这意味着：即使原始网页下线了，你的知识条目仍然完整。即使原始来源改变了观点，你的记录仍然保留了当时的判断和上下文。

三层结构：来源、知识、判断

知识库的组织遵循三层分离原则：

来源层 — 不可变的原始材料。网页存档、扫描文档、对话记录、阅读摘录。它们是证据，不是结论。一旦被收录，就不被修改。

知识层 — 由来源提炼出的结构化条目。概念定义、研究发现、系统模式、操作方法。这些条目可以被更新、被关联、被重组。

判断层 — 你对知识的评估和立场。哪些观点你认同？哪些你存疑？哪些已经被后续证据推翻？判断与知识分离，让知识保持客观，让判断保持个人。

从信息到知识

信息进入知识库时，经过几个处理阶段：

• 归档 — 来源被保存为不可变记录，保留原始格式和上下文。
• 提取 — 关键概念、论点、证据被提取出来，形成条目化的笔记。
• 关联 — 新条目与已有条目建立链接。相同的概念在不同来源中出现时，被关联到同一个主题下。
• 复查 — 定期回顾已有条目，更新判断，标记过时内容，去重。

这个流程不是一次性的。知识库是一个持续维护的系统，不是一次性填充的仓库。

AI 可以整理，但不能替你判断

AI 可以帮助提取概念、生成摘要、建立关联、检测重复。但它不能替你决定一个观点是否可信。

可信度的判断需要你的领域知识、你的批判性思维、你对信息来源的了解。AI 没有这些。它有的只是训练数据中的统计模式。

因此，知识库的设计把证据和判断分开存放。证据是客观的，可以被 AI 处理。判断是主观的，必须由人来做。当你回顾一个条目时，你能清楚地看到：这是来源说的，这是知识层总结的，这是我自己的判断。

知识的复用性

知识库的最终价值在于复用。一个被结构化的概念可以在多个场景中被调用：写作时的引用、研究时的对比、决策时的参考、对话时的支撑。

没有结构的信息只能被使用一次——你读到它，然后忘记它。有结构的知识可以被反复调用——你记录它一次，然后在不同的上下文中不断回归它。

复用的前提是可追溯性。当你引用一个知识条目时，你能追溯到它的来源、它的提取过程、你的判断历史。这种可追溯性让知识成为可信的资产，而非孤立的断言。

输入质量案例

Knowledge Base 的输入质量直接影响知识资产的可靠性。以下两个流程负责确保输入质量：

URL Quality → 如何判断一篇网页是否值得进入长期档案

OCR Benchmark → 如何让纸质与扫描文本重新进入可检索的长期记忆