2026 年三月的前两周,我在 Get笔记上存了将近两百篇东西:文章、podcast 摘要、得到 App 的课程笔记,还有会议录音的逐字稿。存的时候,都觉得之后一定会看。
等到需要其中一篇时,却想不起来它在哪里。课程笔记和日常清单挤在同一条时间轴上,后来存下的内容又盖过前面的纪录。
我遇到的困难,是收集之后没有接上方便整理与取用的方法。再要求自己勤劳一点,并没有解决这个问题。于是我开始试着把重复的步骤接成一条管线。
换个思路:哪些整理可以交给系统?
在与 AI 协作做小工具的经验里,我逐渐学到:先把需求缩小,再检查结果,比一开始追求包办一切更实际。
这次我想减少的,是搬移笔记、重复建立资料夹与寻找档案的时间。至于内容值不值得留、分类是否恰当、日后怎么使用,仍需要判断。
软体里的 pipeline,可以理解为一连串有顺序的处理:上一个步骤的输出,交给下一步。把它用在笔记整理上,关键不只在自动触发,也在于知道每一步有没有完成、失败后怎么接回来。
这不是要在自律与系统之间选一个。我只是想让有限的注意力,少花在每天重做相同的搬运工作上。
四阶段:收集 → 同步 → 分类 → 使用
下面是我在 2026 年三月整理的个人配置。产品、介面与自己的工作方式会变,这份经验不能当成所有帐号都能直接套用的操作说明。
收集,以 Get笔记作为主要入口。当时我把文章、podcast 笔记、课程内容与录音转写放进去。集中入口让我少找几个地方,但哪些内容适合放在一起,还要看用途与存取范围。
同步到本机,用 Python 脚本 sync_notes.py,透过当时使用的 API 取得新增笔记,转成 Markdown 存到本机的 notes/ 资料夹。我把 crontab 设为晚上 23:00 执行。
设了排程,不代表每天一定同步成功。Apple 的封存排程说明指出,电脑睡眠或关机时,cron 不会执行该次工作。能不能取回资料,还受网路、授权与服务状态影响。要确认资料新不新,应该看最后一次成功纪录与实际档案,而不只看排程存在。
分类,依标记、系列线索与关键字安排资料夹。这能减少重复归档,但每一种规则都有可能认错,也可能遇到它不认识的内容。
使用,可以搜寻本机的 Markdown,也可以透过当时的 Cowork Skill 呼叫 API 查询。这是两条不同的取用路径;存在本机,不表示后续每次查询都只在本机处理。
如果内容包含会议或别人的资料,我会先确认用途、存取权限与处理方式,再决定哪些可以交给外部服务。把流程接起来,不能省略这个判断。
三层分类引擎:有归处,还要分得对
当时的设计是依序比对三种线索,前一层有结果,就不再往下一层走。
第一层是录音笔记的标记。脚本看见相应 tag,就把它送到录音类的资料夹,再用关键字分流到专案。标记能提供明确的分流线索,却不能单凭它确认内容属于哪个专案,或是否适合让其他人看见。
第二层是课程系列的线索。原先的做法,是从来源连结取出识别值,再比对 _course_registry.json 这份登录档。这里需要特别留意:连结中叫做 courseArticleId 的栏位,不能只凭名称就认定它代表整门课,也不能直接假设同课每篇文章共用一个值。要先核对实际资料,确认文章与课程的对应方式。
遇到没有登录的识别值,建立资料夹只解决了「放哪里」。它没有替我证明那是一门新课,更没有确认系列整理正确。不能确认的内容,应该先留下待核对的状态。
第三层是关键字分类。当时脚本比对标题与内文前 300 字,分到 AI、医疗、投资或生活等主题;没有命中的,就放到「其他」。
这个方法容易理解,也容易改规则,但关键字可能碰巧出现,真正的主题也可能在后文才出现。每篇笔记都有资料夹,不等于每篇都分类正确。保留原始笔记、知道用了哪一版规则,再抽查结果,才方便日后修正。
为什么我减少手动标签?
我试过在收集当下决定标签。对我而言,这常把注意力从「这段内容为什么值得留」移到「应该归在哪一层」。久了之后,就容易放下整理。
这是我的使用困难,不表示手动标签对所有人都行不通。少量而清楚的标签,仍可能很有用。我的选择是把能重复判断的部分交给规则,让不确定的部分留待确认。
自动分类的便利,在于规则可以修改,也可以重新处理资料。但重新跑一百篇与一万篇,并不是相同的成本;处理时间、API 用量、错误检查和人工复核,都可能增加。
所以我更在意的是:改规则时,能否看出哪些结果变了?原始内容是否仍在?有没有把一批错误,快速复制到更多笔记里?
从「整理」到「取用」
管线最吸引我的地方,是让原本散落的内容更容易被找回。当时我可以在 Cowork 里,用自然语言请 Skill 查询笔记,例如找出循环经济相关的内容,或读取 _series_meta.json 中的系列索引。
查到一笔纪录,是接近内容的开始。索引显示某篇已收录或已整理,不能直接代表我读过,更不能代表我理解了它。AI 摘要也需要回到来源核对,尤其是准备引用或用来做决定的时候。
这也让我想到网站持续优化的实作纪录里的一个问题:内部流程跑通,和外部结果真的改善,是两件事。笔记可以顺利同步,却仍然不好找;分类可以整齐,却没有帮助下一次工作。
知识管理的目标,是让需要的内容用得到。是否做到,还要看实际取用,而不只看累积了多少档案。
一条管线,一种态度
我当时用 Python、crontab、JSON 登录档与 Cowork Skill,把收集到取用之间几个反复的步骤连起来。它没有替我完成阅读,却让我有机会把更多力气放回阅读。
管线也需要照顾。授权可能失效,来源格式可能改变,分类规则会过时,备份和权限仍要有人维护。它减少一种负担,也带来另一种需要看见的工作。
如果要重新开始,我会先挑一段最常重做、又容易核对结果的流程,让它小规模跑通,再观察是否真的方便。不是所有步骤都需要自动化,也不必为了建管线,把所有资料集中到同一个地方。
把重复搬运交给工具,把阅读、思考、连结与取舍留给自己。这仍是我想要的方向,只是现在会多问一句:这条管线,有没有让我更接近内容?
管线产出范例
我曾把得到 App 的「AI 龙虾十日谈」系列,经同步与 AI 结构化整理,做成总览。它是整理方式的一个例子;是否忠实、好用,仍要回到原始内容与实际阅读来看。
**2026 年 11 月修订:**保留三月的个人配置与整理经验,补清排程、分类、资料流向与理解之间的界线。


💬 留言讨论
加载中...