# Idea file：知識管理靠管線不靠自律

> 這是一份 idea file：只寫目標、約束、取捨與驗收標準，不含實作。把它餵給你的 coding agent，讓 agent 依你用的收集工具重建這條管線。
> This is an idea file: goal, constraints, tradeoffs and acceptance criteria, no implementation. Feed it to your coding agent to rebuild the pipeline around your own capture tool.

- 源文章（完整四階段架構與分類細節）：https://paulkuo.tw/articles/knowledge-pipeline-not-discipline/
- 源文章 raw Markdown：https://paulkuo.tw/articles/knowledge-pipeline-not-discipline.md
- 作者：Paul Kuo（paulkuo.tw）
- 整理日期：2026-10-08。

## 一句話目標

讓知識從收集到取用全程不需要人工整理：收集有單一入口，同步與分類全自動，每天醒來昨天存的東西已經在正確的資料夾裡。

## 核心約束

- 單一收集入口：所有來源（文章、podcast、課程、會議錄音）進同一個收集工具，不分散。原專案用 Get筆記。
- 同步全自動：一支 Python 腳本走收集工具的官方 OpenAPI 增量拉新筆記、轉成 Markdown 存本機，crontab 每天固定時間跑（原專案 23:00）。
- 每篇筆記一定有歸處：分不進任何類的進「其他」資料夾，不會消失。
- 技術含量刻意低：一支 Python、一個 crontab、一份 JSON 登錄檔、一個自然語言查詢 Skill。沒有機器學習、沒有向量資料庫。

## 分類引擎（三層 fallback，第一層命中就不往下）

1. 錄音卡偵測：筆記自帶的 tag（最確定的訊號），命中後再按關鍵字分到專案子資料夾（原專案八個）。
2. 課程系列偵測：解析 URL 中的課程 ID（結構化訊號，次確定），比對 JSON 動態登錄檔；遇到沒見過的 ID 自動建資料夾、自動登記，系統自己認識新課程。
3. 關鍵字分類：標題加內文前 300 字比對關鍵字庫（模糊但覆蓋面最廣），都不中就進「其他」。

優先序的設計原則：確定性遞減（明確 tag 高於結構化 ID 高於模糊匹配）。

## 已做的取捨（與理由）

- 不用手動標籤。理由有三：收集當下做分類決策消耗認知資源；標籤體系會隨時間飄移、維護成本與內容量成正比；自動分類要改規則只要重跑腳本，一百篇跟一萬篇成本一樣。
- 分類靠規則不靠模型：可預測、可除錯，錯了改規則重跑即可。

## 驗收標準

- 每天醒來，前一天存的東西已自動歸檔到正確資料夾。
- 可以用自然語言查（原專案用一個 Skill 呼叫搜尋 API，也能讀系列進度檔回答「這門課上到哪了」）。

## 刻意不做的事

- 不上機器學習與向量資料庫：先讓資料乾淨地流動。
- 不做手動整理環節：任何賭「你每天都有力氣手動整理」的設計都算失敗。