New-4 · 超频你的增长！手把手教你 AI Agent 时代的知识管理

直播第四课逐字稿 | Second NowX 系列

预计时长 100-115 分钟 | 核心记忆点：第一方数据是独家训练集 + 知识管理四关（入口散/不会炼/找不到/用不上）+ 面向 Agent 的知识三特征 + 系列收口：会跑、会算、有记忆

本课定位：全系列收口与转化课。开场接第三课钩子，用三个对应第一课"财富转移三路径"的翻身案例设悬念；前半场诊断"第一方数据散在哪"、拆旧时代的伤、复盘知识工具四代演进；后半场按第二课的卖课节奏，四个卡点波逐一破解，每波一份模板"进群才发"，最后一关不卖模板、留作下一阶段正课的钩子；收尾一张全系列服务地图，用《四课全家桶》收口转化。

生产标注：【互动】【弹幕位】【金句位】【钩子位】【切片点】直播与分发时按标注执行；（停顿）（放慢）（加快）为语音节奏提示。

---

开场波：接住第三课那句"装上记忆"（约 11 分钟）

大家好，我是刘泽军。

第三课结尾，我跟你们说：第四课，教你们给一人公司装上记忆。让散落的数据，变成决策的弹药。

今天，我来兑现这个承诺。

但我不打算一上来讲知识。我先讲三个人。

（放慢）

第一个，修了三十年空调的老师傅。

三十年。从学徒，到老师傅。他的手艺，是他吃饭的碗。

可这两年，这碗饭，突然吃不稳了。

平台派单，公司嫌他——"贵。跑得慢。"单子越来越少。他五十多岁了，差一点，就被优化掉。

我认识他的时候，他正蹲在店门口抽烟。他跟我说了一句话，我到现在都记得。他说："我修了三十年空调，闭着眼都知道哪儿坏。现在没人要我了。我这一身本事，烂在肚子里，带进棺材。"

这句话，你们记着。它是这节课的引子。

后来发生的事，是这样的。

他把三十年见过的故障，一条一条讲出来：什么牌子爱坏哪、什么声音代表什么毛病、什么天气该查什么。讲了一个多月，攒了几百条。他把这些，喂给了一个 AI 助手。用户拍张空调照片，说一句故障，助手告诉他：哪坏了，怎么修。

他现在还修空调。但他不再上门了。

以前，他一次，只能服务一户人家。

现在，他的三十年，同时在几百个家庭里，值班。

他跟我说，他现在每天最高兴的事，是晚上看那个助手帮他回了多少条消息。他那些烂在肚子里的本事，活了。

【切片点一：开场三案例，可剪 2 分钟切片】

第二个，一个做了十年运营的普通打工人。

十年。换了三家公司。每一家，他都从头再来。

同一个活动方案，他写了三遍。同一份复盘报告，他换了三个格式。他电脑里躺着三千个文件。一个，都没再打开过。

他自己都承认：他就是那种"十年经验，等于一年经验重复十遍"的人。

他来找我的时候，正被第三家公司优化。他说他不冤，他说他这十年，就是换个地方重复。

后来发生的事，是这样的。

他没去找第四家公司。他把过去十年的东西，从三台旧电脑、三个网盘里，扒了出来。三千个文件，他没一个个看，他先干了一件事——把每一家公司他做过的活动，按"当时为什么做、做完数据怎么样、踩了什么坑"整理成几十条。然后他去做内容，把他踩过的坑，做成"运营避坑"系列。

他以前觉得，那些坑，是倒霉。

现在他觉得，那是矿。

一个月，做得比他主业还多。不是他文笔变好了，是他有别人没有的矿。

第三个，一个刚入行两年的年轻人。

放哪个公司，他都是最没资历的那个。但他的工位上，一直开着一个文档。别人以为他在摸鱼，其实他在记——每天开会谁说了句什么有用的，项目复盘哪里出了岔子，他全记在里面。

有一次，公司让一个十年的老员工，和他，各做一个方案。

结果，他赢了。

老员工输得莫名其妙："我十年的经验，怎么输给一个两年的人？"

【互动】你身边，有没有这种咸鱼翻身的人？有，扣个"有"。

这三个人。年龄不同，职业不同，起点不同。

但他们在同一个时代，拐了同一个弯。

我先点破一层窗户纸。你们一定已经察觉到了——这三个人，正好对应第一课我讲的，财富转移的三条路径。

老师傅，时间差。他不跟人拼体力了，他的经验，跑得比年轻人快。别人签单按天算，他的经验按秒回。

打工人，成本差。他复用的不是时间，是他过去十年，已经付过费的经验。别人从零开始烧钱试错，他从已经付过学费的坑里直接起步。

新人，认知差。他面前站着一个知识库。老员工脑子里，只有经验。老员工一次只能调一条，他能一次调一百条。

第一课讲的是，钱怎么从这三条路径，搬走。

但第一课我没告诉你们：这三个人，靠什么，接住了路径？

老师傅靠的是把他那一身本事，从脑子里搬出来。打工人靠的是把三千个文件，变成几十条可复用的经验。新人靠的是那个从入职第一天就开始记的文档。

发现共同点了吗？

他们都在做同一件事——把自己脑子里的东西、散落各处的数据，收进一个结构，让它能被调用。

这就是今天这一课的全部。

方法讲完，最后，我当着你们的面，把这三个人，拆开。

在拆开之前，我先告诉你们这课会改变你什么。你听完，如果只记住一句话，那应该是：你的过去，不再是包袱，是你喂给 AI 的独家训练数据。你的十年，第一次有了别人偷不走、AI 替代不了的价值。你从"被 AI 替代的焦虑"，变成"用 AI 放大自己"的那个人。

这课值不值这两小时，你听完再判断。

我再解释一下，为什么四课的收口，偏偏是"记忆"这一环。

前三课，你们已经拿到了方向、底盘、方向盘。利润公式告诉你往哪赚，工作流让系统跑起来，三张表让判断有账可查。但你们发现没有——这三课教的，每一课都在消耗你的脑子和时间。选题要你判断，复盘要你记录，数据要你去看。

一个人的精力是有限的。系统搭得再大，喂不饱它，它就跑不起来。前三课是给你造了一台机器，但它靠什么活？靠你一个人喂。你一天只有二十四小时，这就是天花板。

记忆这一环，是第一次给这台机器装上它自己的燃料库。从这一刻起，机器不再完全靠你喂，它开始吃它自己积累的经验。你今天装进的每一条，明天都可能被它调出来替你干活。你攒得越多，它越不需要你。

这就是为什么"记忆"是收口。方向、底盘、方向盘，解决的是"怎么跑"。记忆，解决的是"跑到后来，靠什么一直跑"。前者是起步，后者是复利。

正事先说在前头，免得你刷手机错过。

今天这场直播，是四课的收口课。四课讲的所有东西，我打包成了一份资料——《一人公司四课全家桶》：利润公式一页图，90 天落地清单，精算三张表模板，知识管理四关模板库。全在里面。

今天直播结束前，进群的，免费领。回放，不补发。【互动】想要的，先扣个"领"。

我把这课的一个判断，先放这儿，你带着它听——

AI Agent 时代，最值钱的，不是模型，不是工具。是你脑子里那些别人没有的东西，被存下来，被调用起来。模型越来越不值钱，你的东西，越来越值钱。【弹幕位】

这句话能截图，也能打在弹幕上。它怎么来的，我们从头讲。

从——你的数据，现在散在哪。

---

第一波：诊断——你的第一方数据，散在哪（约 13 分钟）

先做个检查。比任何概念都管用。

你回想一下，过去这一个月，你自己跑出来的东西，散在几个地方？

GSC 后台，躺着一份点击数据。知乎后台，躺着一份收藏数据。你的直播，有一份问答日志，写在备忘录里。你电脑里，躺着写了一半的方案，改了五版的复盘。你手机里，记着十几个念头。你的收藏夹，存了一堆，再也没打开过的文章。

【互动】数一下，你现在有几个地方在装自己的数据：微信收藏，笔记软件，备忘录，相册，浏览器书签，网盘。超过两个的，扣个"多"。

扣"多"的，恭喜你，你已经是绝大多数人了。

我自己就是血泪教训。我每天用的数据：GSC 看点击，是登录网站看。决策日志，在 Excel 里。知乎收藏，在知乎后台。直播问答，我手写在笔记本上。我做增长十年，我的数据散在至少五个地方。我一边教你们"用系统换规模"，一边自己在用本子记直播问答。这事我惭愧了半年，今天坦白。

所以这一课，我先把"收完之后长什么样"给你们看，你们才知道要去哪。我现在的样子是这样的。

我的决策日志，在 Obsidian 里，一条一条，有日期、有预期、有实际、有误差。GSC 的数据，我每周导一次，进同一个库。直播问答，直播完当晚就整理进去。知乎收藏，我不收藏了，值得留的当场进库。我做内容，从库里调素材；我做复盘，对着库里的日志对账；我备课，这四课就是从我自己的库里长出来的。

你看到区别了吗？以前是我"记得的东西"在帮我，现在是我"存下来的东西"在帮我。前者靠脑子，后者靠系统。脑子会忘，系统不会。这就是"散落"和"仓库"的差距，我两个状态都待过，我告诉你，仓库这一边，舒服得多。

第一课讲过那个五层模型。今天，它是主角。

数据 → 信息 → 知识 → 洞察 → 智慧

（一口气讲完五行，放慢，一行一个停顿）

数据，是原始数字。没有意义。

信息，是有含义的数字。

知识，是把信息串成可复用的因果链。

洞察，是看穿因果。

智慧，是做出选择。

光念这五行，你们可能没感觉。我用直播这件事，走一遍。

你们看直播后台的原始数字——在线人数三千，停留时长两分钟，评论一百条，下单三十单。这些数字，是数据，光看它们，什么都没有。

你把它们加工一下：停留两分钟、评论一百条、下单三十单，这叫信息。它告诉你了"发生了什么"。

你再往下走一层：为什么停留短？是因为开场没抓住人。为什么下单少？是因为话术没有临门一脚。你把这两件事连起来——"开场决定停留，话术决定下单"，这就是知识。可复用的因果链。

再走一层：你发现，凡是开场三分钟讲结论的场次，停留都长；凡是先聊闲天的场次，都短。你摸到规律了，能预判下一场了，这就是洞察。

最后，智慧是什么？是你根据这个洞察，决定下一场开场不讲闲话、直接砸结论，并且愿意为这个决定负责——赌它有效，输了认。这就是智慧。

我再给你走一遍。这次用选题。

你的后台数据：上周发了七篇文章，一篇流量高，六篇没动静。这是数据。

信息：高流量的那篇，标题带数字，讲的是踩坑经历。

知识：标题带数字、讲真实经历的文章，容易获得流量。这是一个可复用的因果链。

洞察：为什么？因为"数字"给了确定性，"踩坑"给了画面感。你越挖越深。

智慧：你决定，以后每周至少一篇"带数字的踩坑文"，并且愿意为这个判断赌上选题资源，写坏了认。

同一个模型，走两遍，你应该有感觉了——前三课，你就是在往这几层爬。

第二课，你建了关键词库。那是你的信息层。

第二课，你写了品牌笔触规范、空话词表。那是你把自己的话，从 AI 的话里剥出来。知识层的胚子。

第三课，你填了北极星表、因果链模型、决策日志。那是你第一次，把自己的判断记账。洞察层的起点。

听清楚这一波最重要的一句话——

你前三课做的所有事，都在生产第一方数据。但你现在手里，没有第一方数据。你手里，只有散落的第一方数据。

GSC 的点击，在后台躺着。知乎的收藏，在别人家服务器上。决策日志，摊在表格里。直播问答，记在备忘录里。

每一个，都是真的。

每一个，都是你独有的。

每一个，都是公网上找不到的。

但它们，散着。

散着的数据，是什么？

是零。

你找不到它，它就不存在。你想不起它，它就不帮你。

数据散着，等于没有。【金句位】

那"有"，是什么状态？

是你想调用的时候，一句话就能调出来。还能被 AI 带着上下文，喂给你。

行业里管这个状态，叫第一方数据仓库。

仓库，不是收藏夹。仓库是你能随时取出、能计量、能被 AI 读取的结构。

我先说清楚，第一方数据到底包括什么，免得你以为只有"数据报表"才算。你的报价单，是。你的客户拒绝你的理由，是。你项目复盘的结论，是。你直播被问最多的那个问题，是。你改了三版才过的落地页，是。甚至你拒绝过的一笔生意，你当时为什么拒绝，也是。凡是"你这个人亲身跑出来的、公网上查不到的"，都是你的第一方数据。它们不起眼，但它们独家。

我再把公网数据和第一方数据摆在一起，你感受一下差距。

公网数据，是"如何做增长"一百个回答里那些标准答案。它们被写了十万遍，AI 全读过，你写得再好也是跟十万篇竞争。

第一方数据，是你自己的一次翻车："我给某个行业做过一次投放，ROI 只有零点三，后来发现是落地页没做信任背书。"这句话，公网上没有，任何模型都训练不到，只有你有。

同一篇文章，用公网数据写，是重复；用第一方数据写，是独家。SEO 时代你拼关键词密度，GEO 时代 AI 拼的是引用谁。它引用你的第一方数据，你就是答案本身；它只能引用公网，你连候选都不是。

这一波，我先让你看见差距：你现在是"散落"，目标是"仓库"。中间隔着的东西，就是后面要过的四关。

为什么偏偏是现在，必须收？

把行业那层，翻译成人话。

大模型的底座，在拉平。预训练，快见顶了。换哪家的模型，体验都差不多。模型本身，越来越不值钱。

真正拉开差距的，是后训练——同一个模型，喂了不同的数据，出来的是两种东西。

我给你举个你们身边的例子。两个人，都用同一个国产大模型，都给 AI 写公众号。一个人直接让 AI 写，AI 写什么他发什么。另一个人，先把自己过去写的五十篇文章、自己的判断习惯喂给 AI，再让它写。

同样的模型，写出来的东西，是两种东西。前者是公网的平均水平，后者越来越像他自己。

大厂做的通用后训练，跟你没关系。你能做的那份后训练，是你自己的第一方数据——你生意里、生活里跑出来的，公网上找不到的数据。

而第一方数据的仓库，就是你的知识库。

大模型是公用显卡，人人都能租。第一方数据是你的私有显存，别人拿不走。【弹幕位】

【互动】听到这儿，可能有人说：我还没开始做数据，没有历史积累，这课对我不适用？有这种感觉的，扣个 0。别急，你听完全场，你会知道没历史的人，反而占了便宜。

收，势在必行。

但先别急着收。过关之前，你得先知道——以前，你为什么收不起来。

---

第二波：旧伤——为什么以前收了也没用（约 14 分钟）

先告诉你一个事实：知识管理不是新词。人类想这件事，想了至少两千年。

孔子说，学而不思则罔，思而不学则殆。光学不加工，你会迷；光想不输入，你会废。这是两千多年前的孔子，在讲知识的输入和加工。

达芬奇，随身带笔记本。画图、解剖、记账，几千页，全记。他不是有收藏癖，他是知道自己脑子装不下那么多东西，得给脑子找个外接的家。

德国有个社会学家，卢曼。靠一抽屉卡片，写了七十本书、四百篇文章。去世留下九万张卡片。今天所有笔记软件的根子，都是他那套卡片盒。他一生靠的不是智商，是一套把想法存在脑外、还让它们互相连接的卡片系统。

人类为什么，从古到今都在干这件事？

因为人的脑子，有一个天生的分工：大脑适合思考，不适合存储。

我先做个实验，你们感受一下。

我刚才讲的开场三个案例，你还记得几个？我现在问，你能复述出来一个完整的，算你记忆力超群。这不是你笨，是大脑的结构决定的——你工作记忆一次只能装四到七个信息块，再多，就掉。你今天学的，按遗忘曲线，二十天，忘掉七成。

所以知识管理这件事，从有人类以来，就一直需要。

但你有没有想过一个问题：既然人类一直在做知识管理，为什么我们见到的绝大多数人，还是"记了就忘，存了不用"？

因为这件事，有过四次机会，前三次，都失败了。我把这四代工具讲给你，你就明白为什么偏偏是这一代，成了。

第一代，纸笔。达芬奇、卢曼，都靠它。问题是什么？检索成本极高。卢曼写了九万张卡片，他能找到，是因为他有一套复杂的编号系统，光维护那套编号，就够一个人全职干。普通人不具备这个能力，普通人拿纸笔记了，就是写给自己的墓志铭。纸笔时代，知识管理是少数天才的专利。

第二代，电脑文件。文件夹，Word，Excel。检索成本降了一点，但还是靠你自己记住"我放哪了"。你建了五十个文件夹，最后八成没用。电脑文件只是把纸笔的检索问题，从抽屉转移到了硬盘。你没变聪明，你只是换了个地方丢东西。

第三代，云端笔记。印象笔记、Notion、各种云笔记。存储变便宜了，跨设备了，但核心问题没解决——还是靠你主动检索，还是靠你记得"我有过这么个东西"。云端只是让你丢东西的范围更大、更远。

你看，三代工具，解决的都是"存"的问题。存得越来越多，越来越便宜，越来越方便。

但"用"的问题，一次都没被解决。

你存进去的东西，要用的时候，还是要靠你自己翻、自己找、自己记起来。

而人，是靠不住的。你会忘，你会懒，你会找不到。

这就是旧时代知识管理的死结：它解决存储，不解决调用。而调用，才是知识产生价值的那一步。

（停顿）

存进去，拿不出来。

你记了十年笔记。想找一个观点，得翻半小时。翻得到还好，经常翻不到。翻不到，你就干脆不翻。十年笔记，从此再没打开过。成了写给自己的墓志铭。

我见过一个做自媒体的朋友，剪藏了两千篇文章，标得整整齐齐，分了几十个文件夹。有一次他要写一篇跟"留存"相关的文章，想找一篇两年前收藏的资料。他翻了四十分钟，没找到。后来他自己写了，没找那篇。他跟我说，从那以后，他再也不翻收藏夹了。两千篇，他从此一篇都没再看过。收藏的时候觉得每一篇都是宝藏，需要用的时候，一座山。

这是第一个问题，检索成本太高。

第二个问题——就算你记得，调用，也没有杠杆。

知识只能靠你一个人用。你一天只有二十四小时。经验再多，一次也只能用一条。

你脑子里的十年，换不来，第二个你。你一个人记得再多，你睡觉的时候，知识也跟着睡了。

所以以前知识管理是"正确但没用"。做它的人，是知识工作者里的少数派。它更像爱好，不像生产力。这是它的旧时代。

【互动】说到这儿，你手边有没有一本写过就再没翻开过的笔记？有，扣 1。这个 1 很贵。它就是你过去十年，没翻身的真相之一。

现在，两个变化，把死结解开了。这一代，第四代，AI，不一样在哪？我来给你看。

一个，在"存"。

AI 让检索成本归零。你不需要记得知识在哪。你说一句人话，AI 帮你在知识库里翻出来，还带着上下文给你。

以前你是大海捞针。现在，AI 是你的潜水员。你只管说"我要什么"，它在海底替你捞，捞上来还帮你洗干净。

另一个，在"用"。

AI 让调用变成行动。以前知识躺在笔记里，还得你亲自去读、去记、去用。现在，知识能驱动一个 Agent 替你干活。你的知识库是它的燃料，它替你选题、替你写、替你查、替你复盘。半夜来的用户问题，Agent 从你的知识库里调答案。你睡着了，你的知识在干活。

这就是第四代和前四代的本质区别：

前四代，知识存在仓库里，等你去取。这一代，知识躺在仓库里，AI 替你取，还替你用。

你的经验，第一次有了不用你亲自到场，也能发挥作用的方式。

可能有人会问：AI 到底是"记住了"我的笔记，还是"记住了"？我给你说句实话，它会拆穿不少人的幻觉。

AI 没有把你这几万条笔记背下来。它用的是检索加生成。你让它干一件事，它先去你的知识库里检索出最相关的那几条，再把这几条组织成答案给你。听起来玄，其实就两步：第一步，检索，在几万条里捞出最像的那几条；第二步，生成，把你那几条的要点，组织成一段像样的话。

这一步很重要，它决定了两件事。第一，你的库越大越干净，它捞得越准。第二，也是更关键的——它捞出来的是什么，直接决定答案是什么。你库里的都是你的第一方数据，它组织出来的答案，就是你的；你库里全是别人的剪藏，它组织出来的，就是别人观点的合集，跟你没关系。

以前知识管理，是把死笔记。现在是给 AI 装你的大脑。同一个动作，时代给了它杠杆。【弹幕位】

【互动】可能有人现在想问：那我直接把和 AI 的对话记录当知识库，行不行？有这个想法的扣个 1。我告诉你，不行。对话记录是你和 AI 之间没加工过的原材料，它散，它乱，它没有结构。AI 查对话记录，等于查一本没有目录的流水账。我们要收的，是加工过的、能调用的资产，不是聊天记录。

为什么、为什么以前不行、为什么现在是第四代，都讲完了。下面过关。

今天要过的关，一共四关。每过一关，我送你一份模板。全在《四课全家桶》里。

---

第三波：卡点一——我什么都收，但我什么都找不到（约 11 分钟）

第一关。

问你一个现象，你一定熟——你的信息入口，一只手，数不过来。

微信收藏，一个口。备忘录，一个口。相册，一个口。浏览器书签，一个口。网盘，一个口。笔记软件，又一个口。

我给你还原一个典型的一天，你对照一下是不是你。

早上刷公众号，看到一篇好文章，手指一点，进了微信收藏。你心里想的是：一会儿看。

中午刷到一张图，截屏，进了相册。你心里想的是：一会儿整理。

下午脑子里冒出一个想法，"这个可以写篇文章"。打开备忘录，记了一行。你心里想的是：回头展开。

晚上，你想找早上那篇文章。你打开微信收藏，划了十分钟，没找到。你放弃了。

然后呢？你那一整天的输入，全部沉底。不是你不勤奋，是你把宝贝，扔进了五个不同的抽屉。

【互动】超过两个入口的，扣个"多"。

入口多，后果是什么？

不是乱。是散。

今天这篇存微信。明天那条截图进相册。后天一个念头，进备忘录。

三个星期之后，你想找一个东西。你根本不记得，它进了哪个口。

找不到，你就放弃找。放弃三次，你就不再"找"了。

这一关的典型翻车，是工具陷阱——花两周，对比十款笔记软件。一次，都没开始记。

你以为你在解决问题。你其实在逃避问题。你怕的不是选错工具，你怕的是开始。工具是你拖延的借口。

解法，一句话：单一入口，别开多个洞。

所有碎片，只进同一个地方。公众号文章，直播里记下的问题，脑子里冒出来的念头，全进一个口。

我自己的做法是：所有东西进 Obsidian，一个口。我在直播的时候，手边永远开着一个空文档，用户问的问题、冒出来的念头，随手进同一个文件。直播结束，再统一加工。我不管它好看不好看，先让所有东西有一个家。

一个月之后你会看到什么？我不给你画饼，我给你看真实的样子。第一个月，你的库还是乱的，文件没几个，看不出系统。但你有一个变化：你再也不担心"这个记在哪"了，因为只有一个口，你闭着眼都知道它在哪。第二个月，你开始往库里调东西了，你发现以前要翻半小时的，现在一句话就出来。第三个月，你发现你写东西、做方案，开始从库里拿，不再从空白开始。

前两个月你可能觉得"就这？"第三个月你会回来感谢第一个月那个决定。这就是单一入口的复利——它前两个月不给你回报，第三个月连本带利还你。

有人会问：那我到底选哪个工具当唯一入口？我给你三条标准，比评测文章管用。

第一，必须支持 Markdown。因为 Markdown 是纯文本，AI 读得懂，也永远不会过时。

第二，必须能导出。你今天用的工具，五年后未必还在。能导出，你的资产就永远是你的。

第三，你用起来不别扭。顺手，比强大重要一百倍。再强大的工具，你用两天就烦了，等于没有。

三条一过，剩下的就是锁死它，别换。换工具的代价，不是时间，是你又开始拖延。

进来之后怎么分？三类。

主动输入——书、课程，要深度加工。你花整块时间学的，值得你花力气炼。

被动输入——碎片文章，快速筛选。点开，判断值不值得留下，不值得，直接删，别进库。

我给你一个三秒筛选法，别让收藏再变成负担。你刷到一篇文章，问自己三个问题，三秒答完。第一，它解决我手头正在办的问题吗？第二，它给了我不一样的事实或方法吗？第三，我一周内会用到它吗？

三个问题，两个以上答"是"，进。否则，删。你不欠任何文章一个收藏。你收藏的每一个"以后再看"，都在为"以后再也不看"付利息。

内生输入——你的思考、你的复盘、你的决策日志。最值钱。重点维护。这是别人偷不走的那部分。

我特别提醒一句：绝大多数人把重心放在被动输入上，天天收藏文章，把内生输入放在最后。这正好反了。你收藏的一百篇文章，是别人生产的；你自己复盘出的那条坑，是你生产的。后者才是你的第一方数据。三类的优先级，是内生第一，主动第二，被动最后。你越早把这个顺序掰过来，你的库就越值钱。

这一层，AI 帮你摘要、帮你洗结构。你定的是来源：哪类进，哪类丢。AI 负责帮你把进来的东西加工，你负责决定什么东西根本不配进来。

【模板一】这是第一份模板，输入清单。三类来源，各一页：来源、频率、加工级别、淘汰标准。填完你就知道，每天该关掉哪几个口。今天进群的，直接发。

我给你定一个过关的硬指标，你对照自己：连续两周，所有新碎片只进同一个口，一个新区都没开过。 达到这个，第一关你就真过了。做不到的，别急着进第二关，回去先把口堵上。

第一关，过。

---

第四波：卡点二——我存了，但全是别人的话（约 11 分钟）

第二关。最隐蔽的一关。

我赌你干过这事：看到一篇好文章，剪藏进来。标一句"值得看"。然后，没有然后了。

三个月后，AI 把它调出来。念出来的还是原文——原作者的话，公网上的话。不是你的话。

记住今天最重要的一句——

你存的是不是你自己的话，决定了 AI 调出来的东西，是你的，还是全世界的。

AI 的话，是公网的。你的话，是独家的。你用自己的话写过一遍的东西，才是你的第一方数据。【金句位】

我先讲清楚，为什么 AI 特别需要你的话。

AI 写东西，是它的训练数据分布的平均。你让它写"增长"，它给你的是全互联网关于增长的平均水平——正确，但平庸，放哪都能用，放哪都没用。

但你的话不一样。你的话里有你的经历，你踩过的坑，你的脾气，你拒绝过什么。这些是公网数据里没有的稀有样本。

你喂给 AI 的不是"让它写得好一点"，是"让它写出来的东西，是你"。同一句话，AI 的平均是"当前数字化转型背景下"，你的是"2026 年开年，有一个我从业十年没见过这么分裂的现象"。

差别不在文笔，在有没有你的血和肉。

这一关的痛，第二课就预告过。你们还记得芭乐派那篇被质检 BLOCK 的稿子吗？当时我让 AI 写了一篇完整的文章，标题是"一人公司如何通过私域运营实现高效增长"。开头一段是这么写的——

"当前数字化转型背景下，一人公司作为新兴商业模式，正以独特的灵活性与高效率，重塑传统商业格局。"

（停顿）

通顺吗？通顺。是你的话吗？不是。是所有人的话。放哪个行业都能用，放哪个行业，都没用。

我后来把它改了。同样的意思，我写成：2026 年开年，有一个我从业十年没见过这么分裂的现象。一边是裁员，一边是全国二十六个城市冒出来三十九个一人公司社区。

你看这两段。前者，是 AI 的训练数据里出现过几百万次的高频组合，它写它安全，但它谁都不是。后者，是我，是刘泽军，是我见过的一边裁员一边爆发的那种真实撕裂感。

你剪藏进来的每一篇没加工的原文，都是前者这个状态。你存了一万篇原文，你的知识库里全是别人的话，AI 调出来的还是别人的话。你花了两年收藏，最后喂给 AI 的，是别人的全集。

解法，三个字：炼。

加工，就是炼金。原料进来，不是存起来，是加工。

三个级别。

一级，原始信息。只标来源和日期。这是矿渣，先留档，不确定有没有用。

二级，加工笔记。用自己的话总结，加一个你自己的案例。你把它翻成自己的语言，它才开始属于你。

三级，知识晶体。可复用的模板、SOP、决策链，比如你自己写的那条排查链条。这是炼出来的金子，直接能用。

我给你看三级是啥感觉。就拿"费曼技巧"这个词举例。

一级，原始信息：存一个链接，标个来源，2026 年 8 月。就这样。

二级，加工笔记：用自己的话写——费曼技巧，就是讲给小孩听，讲不通就是你还没懂。再加一个自己的案例：我给运营小白讲"销转率"的时候，用"一百个人路过，几个停下来买"讲，对方秒懂。加了这个案例，这条笔记就是你的了。

三级，知识晶体：把它变成一句行动提示——下次团队里有人听不懂，别重复，试着讲给门外汉听。这一步，它就从"我知道费曼技巧"，变成"我能用费曼技巧"。

我再走一遍，用今天这课的"增长 Loop"，你们会更有代入感。

一级，原始信息：存一页课件截图，标个"第二课"，2026 年 8 月。

二级，加工笔记：用自己的话写——增长 Loop 就是四步转圈：GEO 加 SEO 拿自然流量，社媒批量曝光，CRO 加直播变现，用户偏好反哺内容。转一圈，大一圈。再加一个自己的案例：我自己的号，上周的一篇踩坑文带来了新流量，我把评论区的问题记下来，这周就写这个问题。这条已经是我的了。

三级，知识晶体：把它变成一个行动提示——以后每次做完一篇文章，必须做两件事：一是把后台数据记进日志，二是把评论区问题记进选题库。两步做完，Loop 才转得起来。

你看，同一课，同一个概念。你在直播间听了四遍，不如你自己按三级走一遍。走一遍，它就进你的库了，就变成你的第一方数据了。

每一条笔记，只讲一个概念。强制写一句行动提示：下次写方案时，参考这个结构。

为什么只讲一个概念？因为一个概念一张卡片，AI 才好检索。你写一篇"学习方法大全"，AI 检索的时候，它不知道该给你哪一段。你写十张卡片，每张一个概念，AI 一次给你调对的那张。

原子化，是给 AI 的检索准备的。你存得越碎，AI 拼得越准。

我把原理讲给你，你就再也不会写"大全"了。AI 找你的库，靠的是"相关性匹配"。你给它一个需求，它把你库里每条笔记跟需求比对，谁的相似度最高，调谁。

一条五千字的"学习方法大全"，跟"怎么教小白理解销转率"这个需求比，相关性是一整篇的模糊，它不知道给你哪段。十条卡片，每条一个概念，跟需求比，其中一条"费曼技巧"的相似度远超其他九条，它一下就锁定了。

所以原子化不是形式主义，是你给 AI 做的索引。你存得越原子，AI 检索越准。你存得越整块，AI 越帮不上忙。这一条想通了，你就知道以后每条笔记该写多小了。

【模板二】这是第二份模板，三级加工卡片。一张卡片，一个概念。一级标注、二级加工、三级晶体，三个格子。底部，一行行动提示。照着填，你剪藏的东西，才第一次，变成你的。

这一关的硬指标：挑三篇你最近剪藏的文章，能各自按三级走完一遍，每一篇都有一句你自己的话。 走完三篇，你才算开始会炼。一篇都不走，模板就是一张废纸。

第二关，过。

---

第五波：卡点三——我建了五十个文件夹，一个都没打开过（约 10 分钟）

第三关。

这一关的痛，你也熟——为了分类，你建了五十个文件夹。

按你的规划：这个放工具，那个放案例，那个放数据，那个放灵感。

三个月后你回看。八成文件夹，从没打开过。

你花在分类上的力气，全变成了找东西的障碍。你越分类，越找不到。因为你每建一个文件夹，就多一层"我要判断这条放哪"的成本。判断的成本一高，你就不存了。

这一关的典型翻车，叫分类灾难。

解法：少维度分类。

三维，够了。领域——你做什么。形式——它是模板、案例还是数据。状态——进行中、已完成、待验证。

我给你演示一条真实条目怎么过这三维。

你剪藏了一篇讲"用户访谈技巧"的文章。领域：它是你增长方向的，进"增长"。形式：它是方法，不是数据不是案例，进"方法"。状态：你还没用，是"待验证"。三条一标，完事。

下次你要做访谈，你想找它。你两个选择：一，打开"增长"文件夹里"方法"子类，翻"待验证"。二，你直接问 AI："我收藏过的用户访谈技巧，给我调出来。"后者的速度，是前者的十倍。

所以我说句扎心的：你的三维分类，主要不是用来给 AI 找东西的。AI 找东西，不需要你的分类。分类是给你自己用的，让你心里有数——你知道自己有什么、缺什么、哪些该淘汰。真正帮你找东西的，是 AI。你把"找"这件事交给 AI，把"知道有什么"留给自己。

我给"领域"这一维定三条规矩，你记好，能少走我三年的弯路。

第一，领域别超过五个。你列二十个领域，等于没有领域，因为你每存一条都要犹豫半天。我的领域就三个：增长、内容、一人公司系统。超过五个，砍。

第二，领域按"你做什么"分，不按"你学什么"分。很多人按学科分：经济学、心理学、传播学，那是图书馆的分类，不是你的分类。你的分类是：我做增长、我做内容、我搞系统。学科是输入，领域是输出。

第三，允许"待定"这一个兜底领域。拿不准的先进去，三个月后审计的时候再归位。别让"不知道放哪"拦住你存东西。

工具，我也给你一句实话。

我用 Obsidian。纯 Markdown，本地存，双向链接把概念串成网。

你用什么都行，有两条硬标准：支持 Markdown，能导出。

为什么？因为你的知识是资产。资产，不能被工具锁死。更不能被 AI 时代，关在某个应用里。

我给你讲一个真实的翻车。前几年有一款很火的笔记软件，很多人都把几年的笔记存在里面。后来它宣布停止服务，用户只能导出 PDF。几百条笔记，变成一堆没法检索的 PDF。那些人几年的积累，一夜之间，从资产变成了废纸。

你听说过那句话吗？"免费的产品，你才是产品。"云笔记的服务器数据，永远在别人手里。你的知识，你的第一方数据，是你要喂给 AI 的命根子，你把命根子放在别人家服务器上，还锁在某个应用格式里，这不是积累，这是风险。

纯 Markdown 文件在你自己硬盘上，你随时能换工具，随时能把它喂给任何 AI。本地，可导出，这两条，是你数据主权的地基。

【互动】有人说，那 Obsidian 的双向链接、图谱，是不是要搞得很炫？我告诉你们，别被那些花架子勾住。双向链接是锦上添花，不是入门必备。你先把"支持 Markdown、能导出"这两条守住，工具往后再升级。工具是用来跑的，不是用来烧时间的。

【模板三】这是第三份模板，三维分类表。领域、形式、状态，三列。把你现在的存量往里填，填完你就知道，哪些该删、哪些该迁。

这一关的硬指标：问你一个核心领域，你能一分钟说清"我库里有什么、缺什么、哪些该淘汰"。 答得出来，说明分类是给你用的；答不出来，说明你还在为分类而分类。

第三关，过。

---

第六波：卡点四——我存了，但用不上（约 11 分钟）

第四关。最容易自我感动的一关。

你的知识库里，收藏比产出多得多。

你以为你在积累。你其实，在囤积。

这一关的典型翻车，叫松鼠症候群——收藏一千篇，一篇不复看。松鼠囤了一冬天的松果，冬天来了，它忘了自己囤在哪个树洞里。

你存了，但用不上。存和没存，没有区别。

你的显存是有限的。存进来的每一条，要么被用，要么被清走。

我见过一个律师，跟我讲他的做法。他接案子，把以前处理过的相似案例，按"案由、争议焦点、判决结果"整理成一个库。新案子来了，他先在库里搜相似的，一小时，就把别人可能要查三天的基础工作做完了。他不是比同行聪明，他有一个同行没有的"案例货架"，货架上的东西，随取随用。

这就是这一关的解法，两件事。

一件，建知识货架。模板库、问答库、案例库。高频的，放手边。

货架的意思是——你要用的东西，不能藏在地窖里。要摆在手边。

我自己芭乐派的知识货架，第一层是模板库，我写文章要用的结构，全在这。第二层是问答库，用户问过的高频问题，全在这。第三层是案例库，我自己的翻车记录，全在这。每周写文章，我从货架上拿，不从头想。

我给你一个更狠的用法，叫知识 IPO，从我们内部的方法论里提炼的。

Input，定向输入。你选定一个方向，集中收这个方向的优质信息。别东一榔头西一棒子。

Process，加工成资产。把收进来的，整理成一套可复用的操作流程，比如一份你自己的操作手册。

Output，拿出去验证。把它做成一个成品，教程也好、内容也好、服务也好，扔到市场上，看有没有人买账。

这一套走下来，你的知识就不仅仅是"存着"，它在流动，在赚钱。律师的案例库，是 IPO。老师傅的空调助手，是 IPO。打工人做避坑内容，也是 IPO。知识只有被拿出去用，它才从库存，变成资本。

我把老师傅那套，套进 IPO，你看它是不是每一步都对得上。

Input：他定了一个方向——空调故障诊断。他集中讲，不讲别的，把三十年见过的故障一条一条讲出来。这一步，是定向输入。

Process：他把几百条故障，整理成"故障加原因加修法"的结构，变成一套能用的诊断逻辑。这一步，是加工成资产。他要是只把故障记在本子上，不整理成结构，这一步就没完成，后面全白搭。

Output：他把这套结构喂给 AI 助手，扔给用户用。用户真用了，真能解决问题，有人愿意为这个服务付钱。这一步，是拿出去验证。验证的结果，反过来告诉他哪条诊断不准，他再补，再迭代。

三个字母，一条完整的财富路径。你回头看，它和第一课的增长 Loop 是同构的——Input 是流量，Process 是工作流，Output 是变现。知识管理的尽头，不是整理，是 IPO。

另一件，输出倒逼输入。每周，强制产出一张知识卡片。每个重要项目做完，更新一次 SOP。

为什么强制？

因为你的知识库里，如果只有收藏、没有产出——那还是收藏夹，不是知识库。【金句位】

收藏是把别人的东西搬进来，产出是把你的东西拿出去。前者是搬运工，后者才是炼金师。你每周强制产出一张卡片，你这一周就必须去调用至少一条库存。调用的过程，就是让库存活过来的过程。

【互动】有人会说，我每周写一张卡片，哪有时间？我告诉你，一张卡片，三十分钟，不能再多了。你写的时候，用一个我教你的偷懒方法：不追求完整，追求"这一张解决一个具体问题"。你最近遇到的问题，就是你这张卡片的主题。你不是在写作业，你是在解决你手头最疼的那个问题。

【模板四】这是第四份模板，知识卡片模板。一张卡片，一个输出：你用了哪条知识，用在哪，结果如何。它是你知识库的验收单。今天进群的，四份模板，一起发。

这一关的硬指标，最狠：连续三周，每周至少产出一张知识卡片。 你只要能连续三周，你的库就开始自己转了。中间断一次，从第一周重来。别小看这个指标，百分之九十的人，倒在第三周。

【互动】四关讲完，你现在卡在哪一关？入口散的扣 1，不会炼的扣 2，找不到的扣 3，用不上的扣 4。扣出来的数字，就是全家桶里你先用的那张表。

四关全过，你就有了一个能读、能找、能用的仓库。

但你注意一件事没——仓库有了，货也放进去了。可 AI 会不会用你的货，是另一回事。

这就到了今天最后一关。也是，最值钱的一关。

---

第七波：最后一关——四关过了，AI 还是不会用（约 15 分钟）

我跟你保证：前面四关你全过了，你会撞上一个从来没准备过的问题。

仓库搭好了。货也进去了。

可你让 AI 干活的时候，它调出来的东西，还是不对味。

不是它不聪明。是你没告诉它，你的货，怎么用。

为什么？因为四份模板，给你的是容器。容器和"AI 会用"之间，还差一层。

这一层，就是今天后半场真正的核心。

我先说一个词，你们就懂了：面向人的知识，和面向 Agent 的知识，是两种东西。

你以前学的一切，都是面向人的知识。书是给人读的，笔记是给人看的，文章是给人消费的。面向人的知识，讲究连贯、完整、有条理，讲究"读起来舒服"。

但 AI 要的，不是这个。

AI 不需要你给它写一篇流畅的文章。它需要的是：读得懂、找得到、用得上。这三个词，就是"面向 Agent 的知识"的全部。

你存进去的每一条，要满足这三个特征，AI 才调得动。

第一个特征，读得懂。

AI 读你写的东西，它才知道你要的是什么。你自己的话，不是公网的话。这是加工层管的。

我给你反面例子。你存了一条："一人公司如何通过私域运营实现高效增长。当前数字化转型背景下……"AI 读到这条，它以为你收藏了一篇新闻稿。它调出来给你，你还得自己翻译。你存了"用户卡在认知层，他不知道第一步该做什么"，AI 一读就懂，直接能用。差别，就在加工。

第二个特征，找得到。

原子化、标签、三维分类。让 AI 在几万条里，一秒钟，捞出你要的那条。这是存储层管的。

反面例子：你存了一篇五千字的长文，当一条笔记。AI 检索的时候，它给你整篇。你要的是其中一段，你还要自己翻。你把它拆成十条，每条一个概念、打好标签，AI 一次给你调对的那一条。

第三个特征，用得上。

行动提示、SOP、决策链。让 AI 不但找得到，还知道拿它干嘛。这是输出层管的。

反面例子：你存了"直播开场三分钟要抓人"。这是一句正确的话，AI 知道它存在，但不知道拿它干嘛。你改成"直播开场：三分钟内给结论，不给结论的场次停留都短。行动提示：下场直播开场直接砸结论"。AI 不但找到了，还知道下一步做什么。

三个特征，对应你刚过的三关。那输入层管什么？管有没有货进来。

我带你走一遍，一条完整流转。你就懂"AI 会用"，是什么感觉了。

起点，是第三课那张决策日志。

周四，你记了一笔。直播里，用户问了七次同一个问题——"新手怎么从零跑通第一环"。

这是原料。进输入层。

周五，你加工它。

你不把原话抄一遍。你用你自己的话写：用户卡在认知层。他不知道第一步，该做什么。

你给它打标签：增长 Loop、新手、选题。

你补一句行动提示：下次写新手相关文章，从现象切入，先给结论，再给步骤。

这条笔记，现在是二级。够不上晶体。

两周后。这条笔记，被 AI 检索到了。

你写第三篇新手文章。你给 AI 下指令：写一篇新手怎么从零跑通第一环的文章，参考我的笔记库。AI 做的第一件事，不是动笔，是先去你的知识库里检索"新手""第一步""跑通"。它调出了这一条，还有另外三条同类笔记。

它不再是一条孤零零的直播记录。它变成了一个选题的论据，还带着你自己的判断。AI 写出来的开头，用的是你教它的笔触：从现象切入，先给结论。

我把这场对话给你们还原出来，你就知道"面向 Agent 的知识"到底是怎么被调用的。

你输入：写一篇新手怎么从零跑通第一环的文章，参考我的笔记库，用我的笔触。

AI 的第一反应不是写，是问。它可能回你：根据我的检索，库里有三条相关笔记：一、用户卡在认知层，不知道第一步做什么（来源：直播问答，标注"增长 Loop、新手"）；二、新手文章应从现象切入、先给结论（来源：你的笔触规范）；三、上周同类选题收藏前三的胜率记录（来源：决策日志）。是否基于这三条写？

你看到没有——它把你三课攒的东西，全部摊在你面前，让你确认。你确认，它动笔。它写的每一段，都有出处。这一篇，不是你让 AI 写的，是你和你的库，一起写的。

这就是存储层的价值——你存的不只是那句话。是你对那句话，加工过的样子。AI 调走的，是你这个人，不是一句孤立的观点。

文章发出去了。数据，回来。

GSC 显示，这篇带来新流量。知乎，有反馈。

你把反馈，记回决策日志。作为"直播问题选题"这个因子的，又一次回测。

下次你再估这个因子胜率多少，数据，又准了一格。

我再让它转第二圈，你就看到复利了。

第二圈，你写第四篇文章。你给 AI 的指令，已经不是"写一篇新手文章"，而是"参考我笔记库里那条新手卡，和它关联的七条笔记，写一篇，用我的笔触"。AI 调出来的，不只是那一条，是那条牵出的整个网络。

你发现没有，第二圈你不再凭空给 AI 提需求了，你在跟你的库对话。你的指令质量，因为库的存在，上升了一个档次。这就是为什么说，知识库是你的第二大脑——第一圈是它帮你，第二圈开始，它替你出主意，你来拍板。

【弹幕位】你不是在记笔记。你是在给你自己的 AI，喂训练数据。

发现没有？这一关，你前三课的东西，全在里面。

决策日志，是第三课的。品牌笔触，是第二课的。选题回测，是第一课 Loop 的第四步。

四关给的，是容器。

这一关给的，是把前三课资产真正装进容器、让 AI 用得上的能力。

四关，是术。这一关，是道。

我给你最后一句判断，你记好：面向人的知识，让你自己变强。面向 Agent 的知识，让你不在场的时候，系统还替你变强。 前者是加法，后者是复利。

而这一关的解法，不在模板里。

四份模板，你进群就能拿。但把容器装满、让 AI 用得上的这套功夫——是下一阶段正课的事。【钩子位】

---

收尾波：装进 AI 的五件事、三案例的答案、和你的服务地图（约 20 分钟）

先把这一关讲透，再收口。

这一关的功夫，落地之后，到底什么样？我给你数五件。以前办不到，现在轻松做到的事。

第一件，一个人，同时开多条线。

以前你的经验，只能靠一个脑子调用。一次只能想一件事。所以一人公司做不大，是"忙不过来"。

现在，每条业务线，一条知识管线。你的知识库，同时喂着好几条线在跑。你负责定方向。

我举我自己的例子。我同时跑着内容、社群、还有这四课。每一条线，我都有一条知识管线。写文章，从文章管线里调；做社群，从社群管线里调；备课，从课程管线里调。以前我换一个项目，脑子要从头热一遍。现在，每根管线都是热的，我切换，不重新点火。

这是第二课工作流的升级——工作流让动作并行，知识库让经验并行。

第二件，你的经验，二十四小时在线。

你睡觉，你的知识库不睡。它替 Agent 值班。半夜来的用户问题，Agent 从你的知识库里，调答案。

以前，经验离开你就停转。现在，经验离开你，照样转。

这是第一课"用系统换规模"第一次真正实现——系统里跑的不只是流程，是你的脑子。

你想想老师傅。他的经验放进助手那一刻起，他睡觉的时候，他的三十年，还在帮用户判断哪坏了、怎么修。这不是比喻，这是它真实的运转方式。

第三件，输出的天花板，被掀开。

以前写东西，靠灵感。灵感是等来的。一周一篇，都算高产。

现在写东西，靠调用。你的知识库里有矿，你只管开口，AI 帮你出矿。

别人从空白开始写，你从你自己的经验开始写。这是两种物种。空白的人，打开文档先发呆半小时。你打开文档，你的知识库已经把货摆好了，你挑。

我第三课讲过一个判断：工具是免费的，能力不是。今天再补一句：能力是攒出来的，攒下来的能力，进了知识库，就变成了复利。

第四件，复盘，越来越快。

第三课的三张表，现在有了仓库。

决策日志记满一百条，它不再是一堆流水账。它是一张你自己的概率表：这种选题历史胜率多少，那个动作平均赔率多少。

AI 调用这张表，等于把你的经验，当成了自己的训练数据。你的判断力，越磨越准。

这是第三课精算体系的升级——账本，变成了显存。第三课教你会算，这一课让你的算法，能自动被调用。

第五件。也是最狠的一件。

你的独特性，第一次变成护城河。

AI 能抄走公网上的一切。但抄不走，你的私有显存。

别人也有 AI。别人的 AI，是公版。你的 AI 里，装着你十年的坑、你的判断、你的复盘。它是你的。

这就是开场那句判断——模型越来越不值钱。你的数据，越来越值钱。

（加快）

现在，把五件事串起来，你们会发现，它们其实是一件事的不同侧面：你的经验，第一次从"你脑子里的一潭死水"，变成了"能被随时调用的活资产"。活资产，才会复利。

所以你回去之后的第一件事，不是买工具，不是整理旧文件。是把今天这课的四关，当作一张检查清单，先找到你自己卡在哪一关，然后只攻那一关。别四关一起上，你会累死。一关一关过，每过一关，你那个四课全家桶里就多一件趁手的工具。

好。现在回头。把开场那三个人，拆开。

答案，你自己已经答出来了。

（放慢，一个一个来）

老师傅的三十年，没有过时。

他这辈子第一次，把经验装进了不用他本人到场、也能发挥作用的地方。

他以前靠手艺吃饭。现在，靠资产吃饭。

这就是时间差——他的经验，跑得比年轻人都快。他睡着的那个晚上，他的三十年，还在替几百个家庭判断毛病。

打工人，不是运气好。

他把散在三家公司文档里的经验，收进了自己的显存。那些他以为倒霉的坑，第一次变成可调用的资产。

他不是翻身。他是把翻身的本钱，存起来了。

这就是成本差——他复用的经验，每一份，都已经付过费。别人踩坑交学费，他拿坑去收租。

新人，不是天才。

老员工的经验在脑子里，一次只能调一条。新人面前有一个知识库，一次能调一百条。

老员工不是输给新人。是输给了"经验只存在脑子里"这个旧模式。

这就是认知差——一个站在仓库上，一个，站在脑子里。

（停顿，一字一句）

所谓咸鱼翻身，不是人变聪明了。是第一次让十年的经验，变成了能复利、能被调用的资产。【弹幕位】

【切片点二：三案例拆解，可剪 3 分钟切片】

到这里，四课的内容，全部讲完。

我把今天的服务地图，收成一张总账。

入口散的，拿走输入清单。

不会炼的，拿走三级加工卡片。

找不到的，拿走三维分类表。

用不上的，拿走知识卡片。

四关，四份模板。加一班，下一阶段的车。

这张图，就是你的知识管理服务地图。

而四课的图，是这么一张——

第一课，方向。利润公式是罗盘，增长 Loop 是发动机。

第二课，底盘。五条工作流，把 Loop 变成能跑的工序。十份模板，把卡点变成能动手的活。

第三课，方向盘。三张表，让你会算、会看、会复盘。

第四课，记忆。今天这套系统，给前面所有的产出，装上了仓库。

一人公司走到最后，是一个人，加一套系统。而系统里最贵的那块，是你自己的记忆。

公版模型，是借来的算力。你的知识库，是攒下来的资产。前者随时能租，后者，别人复制不走。

这就是四课要收口的那句话——AI 不让你更聪明。是你的第一方数据，让你的 AI，只为你服务。【弹幕位】

这句话，截图，存下来。

然后，回到开头那件正事。

这份《一人公司四课全家桶》，四课的资料、模板、清单，全部打包：利润公式一页图、90 天落地清单、精算三张表模板，加上今天这四份知识管理模板。

今晚直播结束前进群，就发。回放，不补发。【互动】想要的扣"领"，我把进群方式发出来。已经进群的老朋友，直接看群公告。

我把你拿到全家桶之后的三十天，提前给你排好。省得你自己瞎摸索。

第一个星期，只做一件事：搭输入层。选一个入口，把微信收藏、备忘录的出口全关掉，所有新东西只进一个口。别整理存量，别碰旧文件，先让新的活起来。

第二个星期，加工层。挑三篇你最近剪藏的文章，按三级加工卡片走一遍。不求多，三篇就够。你会第一次发现"存了三年的东西，原来能变成自己的"。

第三个星期，存储层加输出层。把你最常用的那个领域，按三维分类表排一遍。然后逼自己写第一张知识卡片，用最近手头最疼的那个问题当主题。

第四个星期，回看。做一次最小审计：删掉用不上的，标出给你带来实际帮助的。这时候你的库，已经从"收藏夹"长成"仓库"了。

三十天，四步。别跳步，别加戏。跳步的人，都在第二个月回来重学。

作业三道。这次有个变化——做完任意一道，发到群里。我每周一，挑三条，逐条点评。

你的作业，就是给我看，你在哪个环节卡住。我直接给你指路。

第一道，把输入层搭起来。选一个入口。未来两周，碎片只进这一个地方。别贪多，哪怕只坚持两周，你就赢了百分之九十的人。

第二道，挑你最近一条决策日志。用自己的话，改写成一张知识卡片。加一句行动提示。这一道，直接练第二关和最后一关。

第三道，做一次季度审计。删掉三个月没用过的。标出真正带来过收益的。你就知道，显存里该留什么。这道最难，因为它逼你面对自己囤积的那堆"宝贝"。

还有一句丑话，说在前面。

这套课，只适合愿意动手的人。你只是想听个热闹，现在，可以关掉了。

但如果你发现自己——认识道理，就是动不了。那你今天，来对了。你要的答案，就在群里那份全家桶里。你可以先不买任何东西，先把那四份模板拿回去，用起来。用出问题了，再来找我。

最后，说我自己的打算。

这套系统，工作流、精算、知识库，都是人驱动的。最大的瓶颈，是你。

你每天只有那么多精力。你再自律，一天也只有二十四小时。

下一步，是把这个你攒下的知识库，装进一个 Agent。让它自己选题、自己生产、自己喂数据、自己迭代。你，退到最终决策位。

那是这个系列，下一阶段的正课：把会算、会跑、有记忆的你，复制成一个 Agent。

还记得最后一关那句话吗？"这一关的解法，不在模板里。"

答案，就在那。【此处填下一阶段正课的名字、开营时间、早鸟福利】

四课走完，你的公司会跑了，会算了，现在有记忆了。

我们下一阶段，门派里见。

---

附一：本课事实与素材来源

本课涉及 AI 行业趋势的部分属于行业公开讨论，口径不一，直播时请按本表口径讲，不要临时报具体数字。开头的三个翻身案例（老师傅/十年打工人/两年新人）为芭乐派社群与咨询场景中的真实案例原型，为保护当事人隐私，身份与细节已做模糊处理，转变路径未改，不补编具体人名和数字。文中律师案例、笔记软件停服事件为行业常见现象的一般化描述，非特定当事人与品牌。自述部分（数据散落、剪藏两千篇、芭乐派知识货架、四代知识工具）为刘泽军与芭乐派真实运营经历与内部方法论。四份模板与前三课资产的回收对应关系均可在对应课程中回溯。

引用点	来源
财富转移三路径（时间差/成本差/认知差）	承接第一课 New-1
保险销冠案例（八年销售转 AI、月签 27 单）	芭乐派往期咨询客户案例，已匿名处理（第一课引用）
利润公式、增长 Loop 四步	承接第一课 New-1
五条工作流、十份模板（关键词库/品牌笔触/空话词表/复盘等）	承接第二课 New-2
芭乐派第三周 AI 发文被质检 BLOCK（"重塑格局浪潮"原文及其改写）	芭乐派 nownexts.com 真实运营日志（第二课引用）
北极星表、因果链模型、决策日志	承接第三课 New-3
决策日志示例（直播问答→知识卡片→选题回流）	芭乐派日常运营流程整理
数据→信息→知识→洞察→智慧 五层模型、直播与选题两组走通示例	知识库《第四课》《7、大脑骇客》
知识管理本质（把一次性经验变成可复用资产）	本课第一性推导，承接知识库《7、大脑骇客》
知识工具四代演进（纸笔/电脑文件/云端笔记/AI）	本课第一性推导
"存进去拿不出来"的旧时代致命伤、剪藏两千篇案例	本课第一性推导，自述经历
孔子"学而不思则罔，思而不学则殆"	《论语·为政》
达芬奇随身笔记本数千页	公开史料（大英图书馆《阿伦德尔抄本》等）
卢曼卡片盒写作 70 本书、400 篇文章、9 万张卡片	公开资料《卡片笔记写作法》
工作记忆 4-7 个信息块、遗忘曲线	认知心理学通识（George A. Miller, 1956；Hermann Ebbinghaus）
费曼技巧三级加工示例	通用学习方法（费曼），示例为芭乐派课程整理
律师案例库做法、云笔记停服风险	行业常见现象的一般化描述，非特定当事人与品牌
知识 IPO（Input/Process/Output）模型	芭乐派内部方法论，知识库《7、大脑骇客》
预训练见顶、模型拉平、后训练决定上限	2024-2025 年行业公开讨论，无统一精确数据
第一方数据、后训练是普通人的变量	本课第一性推导，承接第三课精算体系
"面向 Agent 的知识"三特征（读得懂、找得到、用得上）	本课第一性推导
知识管理四关（入口散/不会炼/找不到/用不上）与三坑	知识库《7、大脑骇客》
工具链判断（Obsidian 纯 Markdown / Notion 结构化）	芭乐派 PSPI 项目真实工具链
《一人公司四课全家桶》与四份模板	芭乐派自有资产，由四课内容整理

---

附二：直播高频问题应答预案（FAQ）

以下五个问题是这课最可能被追问的，应答口径已核对，可直接使用。

Q：开头那三个案例是真的吗？为什么我身边没有这样的人？

三个案例都是真实发生的，身份和细节我做了处理，因为人家还要在生活里正常过日子。但转变的路径，我没改一个字。你身边为什么没有？两个原因。第一，这样的人本来就少，一百个人里一两个。第二，也是更重要的，翻身不是一夜发生的，是三个月、半年里一点点发生的。你没注意到那个每天在整理笔记、在跟 AI 对话的普通邻居，等他翻身了，你看到的只是结果。这一课讲的，就是让他们发生的那三个月。

Q：我没做过大生意，也没有十年经验，也能翻身吗？

能，而且你可能比十年经验的人更适合现在开始。翻身不靠存量，靠开始。老师傅的三十年，也是从第一张卡片开始的。你现在开始有个好处：你没有旧包袱，一上来就用新框架，不用还旧账。而且"经验"不等于十年，你今天复盘的一条坑，就是一条别人没有的第一方数据。早开始三个月，你的显存就比同行多三个月的矿。

Q：我每次搞知识管理，都从整理工具开始，然后放弃，怎么办？

你放弃的原因不是懒，是顺序反了。大多数人从整理存量开始，把几万条旧收藏整理一遍，光整理就累死了。正确顺序是只增量、不整理：从今天起，新进来的每一条走完四关，旧的全都不管。先让新的转起来，等系统跑顺了，再决定旧的是删还是迁。收尾那道作业就是让你从增量起步，别一上来背存量的包袱。

Q：《四课全家桶》是永久有效吗？我现在不领，以后还能领吗？

资料包只对直播时进群的观众发放，回放不补发。原因很简单：这一课是四课的收口课，资料包就是给你的第一份资产，它不只是四份文件的打包——里面有三张表模板和四关模板，是你下个月真正要用的东西。进群越早，你动工越早。如果你今晚确实有事，至少把群先进了，资料在群公告里，不会跑。

Q：这课的知识库，和第三课的精算体系、第二课的工作流，是什么关系？

一条链。第二课的工作流负责把动作跑起来，把数据喂进来；第三课的精算体系负责把数据变成决策；这一课的知识库，是前面两者共同的仓库和显存，负责把跑出来的数据、做过的决策、踩过的坑存下来，供下一次调用。工作流是底盘，精算体系是方向盘，知识库是记忆。没有记忆的车，跑一年还是新车；有记忆的车，越跑越熟。