longcat ai不支持知识库整理，需改用国产大模型清洗数据、chromadb+langchain建本地知识库、notion/obsidian做ai校准，并注意文件命名、原子化标签和限定查询范围。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
一、用 GPT 或国产大模型做“数据清洗+问答对生成”
知识库不准，90%源于原始资料太杂：PDF 扫描乱码、网页广告混入、语音转文字错漏、微信长文无段落。AI 整理前必须先“洗数据”。
- 把原始文件（TXT/PDF/MD）统一转成纯文本，删掉页眉页脚、广告链接、重复标题
- 用 ChatGLM4、Qwen3 或 DeepSeek-V3（本地部署或 API）执行两步 Prompt：
- 第一步：“请通读以下内容，识别并列出 5–8 个最值得长期复用的核心问题（要求覆盖定义、原理、误区、案例、操作步骤）”
- 第二步：“根据上述问题，严格按 JSON 格式生成问答对，每个 item 包含 'question' 和 'answer' 字段，answer 必须直接来自原文，不增不减，不解释”
二、用 ChromaDB + LangChain 搭轻量本地知识库
不用买服务器，笔记本就能跑。重点不是“存得多”，而是“搜得准”。
- 安装：
pip install chromadb langchain sentence-transformers - 切片时设 chunk_size=256（中文短句更敏感），禁用重叠（
chunk_overlap=0）避免语义污染 - 嵌入模型选 bge-m3（2025年新出，中英混合检索强，支持关键词+语义双路召回）
- 查询时不写“总结一下”，而写“请从知识库中找出‘OKR复盘失败的三个典型归因’，只返回原文原句，标注出处文件名”
三、在 Notion 或 Obsidian 中激活“AI 校准层”
让 AI 不只是摘要，而是持续校验你的知识体系是否自洽。
- 在 Notion 数据库里建字段：来源可信度（1–5星）、最后校准日期、是否与#产品规范冲突
- 每周运行一次指令：“比对【知识库参考资料】中所有带#产品规范标签的笔记，检查当前页面中关于‘灰度发布流程’的描述是否与其第4.1条一致；若不一致，请标红并写出差异点”
- Obsidian 用户可配合 Codex 插件，把个人写作习惯、常用术语表、项目阶段目标写成 .md 文件放入 vault，AI 回答时自动加载为 context
四、关键避坑提醒
很多人卡在“整理完还是找不到”，问题常出在三个隐形环节：
- 文件名即元数据：不要叫“资料1.pdf”，改用“20250312_客户投诉SOP_v2.1.pdf”，AI 切片时会自动提取时间、主题、版本
- 标签必须原子化：用 #OKR 而非 #绩效管理OKR，避免语义模糊导致向量漂移
- 拒绝全库扫描：每次提问前加限定，例如“仅基于【2025技术复盘】笔记本中的内容回答”，否则 AI 会从噪音里强行编造
