# #WorkBuddy# 你的笔记存了上千条，为什么还是不会用？从校稿规则自学习说起

最近一直在折腾知识库的事，有些体会想记录下来。

一、个人知识库到底差在哪

我先后用过Notion、飞书文档、Obsidian。做法都差不多：看到有用的文章剪藏下来，写完的工作文档存进去，打个标签分个类，再弄个双链连一下。

主流的个人知识库工具，基本就到这个程度了。能存、能搜、有的加了个AI问答。乍一看挺像回事，但用久了就发现一个问题——

存进去的东西，到底形成了什么知识？怎么指导我下次干活？没有。

举个例子。我每次写完报告都有初稿到定稿的十几个版本。这些版本文件我都存了。但下次写报告的时候，我还是从头来，该犯的错还是犯，该查的格式还是查。

那些存进去的文档，只是躺在那里。它们之间的关系是什么？修改过程中哪些错误最常见？什么样的结构最合理？这些问题，存文档这个动作本身回答不了。

说白了，现在大多数个人知识库做的是"收纳"，不是"学习"。你往里塞东西，它就帮你放着。至于这些东西之间有什么规律、能总结出什么经验、下次怎么用——全靠你自己脑子里记着。

脑子的容量是有限的，记不住的东西就白存了。

二、企业知识库的做法可以借一借

企业知识库比个人知识库成熟一些。很多做得好的企业知识库，不是把文档堆在一起，而是分层管理。大概这么四层：

第一层，原始资料。 就是各种文档、记录、素材，原样存放。这一层个人知识库也有，没什么差别。

第二层，概念知识。 把零散的资料里涉及的人名、项目名、术语这些实体提取出来，建立词条。查一个词，能看到它出现在哪些文档里。这一层有些个人工具也做了，比如Obsidian的链接和标签。

第三层，业务规律。 这是企业知识库比个人强的地方。比如某类工作怎么干、标准流程是什么、容易在哪出问题、有什么注意事项——这些是从大量实际工作中总结出来的，不是某个文档原文，而是从很多文档里提炼的。

第四层，通用方法。 再往上抽象，就是方法论层面的东西了。PDCA循环、持续改进这些，适用于很多不同类型的工作。

个人知识库一般做到了第一层和第二层就停了。差就差在第三层——没有把做过的事总结成规律。

三、怎么让规律自己冒出来

道理好懂，但真要做的时候有个问题：规律不是你想总结就能总结出来的。

你拿一篇文档说"我要从你身上总结规律"，大概率总结不出什么。一篇文档信息太少了。

但如果我有五十多篇同类文档呢？

我之前写报告，每次都存了初稿到定稿的全过程版本。不知不觉攒了几十组。有一天我突然想，如果把这些版本两两对比，看每次都改了什么，改得最多的地方不就是最容易出错的地方吗？

这个思路说白了就是：

一篇文档，看不出规律多篇文档放一起，重复的东西就冒出来了重复得越多，说明越重要

不用预设"我要找什么规律"，你把材料堆在一起对比，出现次数最多的东西，自然就是规律。这比坐在那想"我有什么经验"靠谱多了，因为你的记忆会骗你，但文档不会。

四、我们实际干了一件事：校稿规则自学习

光说不练假把式。我们用上面的思路，实际做了一件事——从历史文档里自动学习校稿规律，最后形成了一个能用的校稿工具。

4.1 起点：一堆版本文件

我手头有53组工作文档的版本迭代。每组都是从初稿到定稿的多个版本。这些文件以前就是存着的，从来没仔细看过。

4.2 做法：对比提取

用WorkBuddy写了几个脚本，把每组的初稿和定稿做句子级别的对比（diff），看修改了哪些地方。然后把所有修改分类统计：

错别字方面： 从53组对比中，提取出了20个高频错别字。排第一的是数字写错——比如"第四次会议"应该是"第五次会议"，这个错误出现了175次。排第二的是条文编号写错，出现了40次。这些都是人工校稿容易漏的。

润色用词方面： 提取出15种高频修改模式。比如引用法律法规时应该用"根据"，引用内部制度时用"按照"，引用具体条款时用"依据"——这三种用法以前我混着用，改了31次、21次、14次才记住。

格式结构方面： 发现标题层级基本固定是一、→（一）→1.→（1），但偶尔会少一层或多一层。

风格方面： 从633篇文档中统计出风格画像——平均句长66字，中文标点占比72.8%，每篇平均78个数字，以报告体为主。

4.3 结果：形成了一个能用的校稿规则卡

上面这些统计结果，不是看完就完了。我把它们整理成了一份规则卡，直接喂给AI模型用。

规则卡里包含：

20条自学习的错别字对照表（附带出现次数和上下文示例）15条润色用词规律（根据/按照/依据/遵照四个层级的用法）风格画像（句长、标点比例、数字密度）给模型的指令模板

实际用法很简单——把这份规则卡贴到Obsidian Copilot的Custom Prompt里，或者喂给命令行校稿工具。之后每次校稿，AI就按这些从你自己的文档里学到的规则来检查，而不是用通用规则。

效果很明显。以前校稿就是通读一遍，靠眼力挑错，经常漏。现在AI按你的高频错误清单逐条查，175次出现的那个错别字再也不会漏了。而且这些规则是从你自己写的东西里提取的，比通用校稿工具更贴合你的实际写作习惯。

4.4 这件事说明什么

回过头看，整个过程其实就四步：

有素材（53组版本文件）做对比（初稿和定稿diff）统计频率（哪些修改反复出现）固化成规则（整理成规则卡，喂给AI）

这里面，素材是以前就存着的。变化在于——不只是存着了，而是拿来做对比统计，最后形成了能用的东西。

这就是从"资料库"到"知识库"的过程。 规律不是凭空总结的，是从大量实际材料里对比出来的。出现频率高的，就是规律。形成规则卡之后，它就能指导未来工作——下次校稿直接用。

如果每个工作类型都能这样总结出一份规则卡，那知识库就真的活起来了。

本文记录的是实际操作过程，规则卡数据来自53组真实文档版本对比。