AI 学习资料如果只收藏截图和链接，很快会变成资料堆。更好的方式，是把学习方法、知识点提问方式、向量检索和个人知识库整理成一套流程。
知识点三问法
学习一个新概念时，可以先问三个问题：
- 它从哪里来。
- 它是什么。
- 它到哪里去。
“从哪里来”是问题背景；“是什么”是概念本身；“到哪里去”是边界、缺陷和后续演进。
这个方法适合学习：
- 向量数据库。
- RAG。
- Embedding。
- Agent。
- 缓存。
- 消息队列。
- 分布式锁。
它能避免只背定义，而是把知识点放回真实问题里。
向量检索怎么理解
向量检索可以先从几个问题入手：
- 文本如何变成向量。
- 相似度如何计算。
- 索引如何加速检索。
- 召回和排序怎么配合。
- 原文片段如何切分。
- 检索结果如何进入模型上下文。
理解这些问题后，再看具体向量数据库或 RAG 框架，会更容易判断它们解决的是哪一段问题。
个人知识库的边界
个人知识库不应该只是把所有资料丢进去。
需要明确：
- 哪些内容适合公开。
- 哪些内容只能本地保存。
- 哪些内容需要脱敏。
- 哪些内容已经过期。
- 哪些内容可以被检索增强使用。
账号、密钥、聊天记录、客户信息和内部资料，不应该直接进入公开知识库。
AI 工具只是入口
AI 工具可以帮助总结、改写、检索和生成初稿，但知识管理不能完全依赖工具。
更重要的是：
- 文件命名清楚。
- 主题边界清楚。
- 发布记录清楚。
- 私密和公开边界清楚。
- 能从旧资料沉淀出新文章。
工具会变，知识组织方式要能持续。
维护建议
AI 学习和知识管理可以按四层整理：
- 学习方法：三问法、对比法、案例法。
- 技术主题：向量检索、RAG、MLOps、Agent。
- 个人知识库：文件、标签、索引和发布记录。
- 安全边界：公开、私有、脱敏和过期内容。
这样整理后，AI 学习不只是追热点，而是能持续转化成自己的知识系统和可发布内容。
正文完
