前段时间遇到个很烦人的问题：随着用 AI 的频率越来越高，我发现自己每天都在做重复的“填表”工作。
代码在 GitHub，笔记在语雀，灵感在手机微信备忘录。每次开一个新的 AI 对话框，我都要不厌其烦地重新给它喂背景信息：“我是谁”、“我的项目规范是什么”、信息需要从各个系统同步到AI，效率极低。
为了解决这个问题，我干脆把这些散落的东西整合了起来，建了一个纯文本的本地知识库——我叫它 AIStudio。
一开始只是想弄个集中的仓库，方便AI找到它需要的东西，但用着用着，这套架构演变成了一个我和 AI 深度协作的“外脑”。
01
用 Git 作为人和 AI 的协作协议
现在的 AI 能力已经极强，它们可以直接读取整个工作区的目录结构和文件内容。
如果你的知识是散落在各个云端笔记软件里的，AI 是看不见的，要么就是集成各种MCP，极不方便。
所以我做了一个决定：放弃炫酷的笔记软件，回归最朴素的 Git 仓库。
特别是我搭建了OpenClaw + 飞书的多Agent助理军团后，AI助理可以在服务器提交产出到git。
现在，我和 AI 之间是通过 Git 来协作的。这个仓库里沉淀了我所有的工作流和上下文。每当我有了新想法，或者跑通了一个新工作流，我就会把它 Commit 到这个仓库里。
只要在这个目录里唤醒 AI，它一扫环境，不仅知道我在忙什么，还能自动遵守我定好的项目规范。
02
给 AI 看的工程化目录结构
这也是我现在的个人知识库底座，挑几个主要的目录给大家看一下
Inbox、Thinking： 收集平时闪现的碎片灵感，并在这里沉淀日常的深度思考。
ContentFactory： 内容创作流水线。里面有渠道分发策略、选题库（Ideas）、脚本和发布管线（Pipeline）。
System： 系统的“大脑皮层”。这里存放着各种 SOP、工作流模板、以及专门给 AI 看的设定与提示词库（PromptHub）。
Product： 产品化内容，包括产品开发跟踪，专题性输出等。
Automation： 存放各种自动化脚本和工作流日志。
Admin： 账号、工具、备份、环境管理等信息。
当然每个目录下还有对应的二级或者三级子目录
不需要一开始就想个完美的分类规则，这些目录都是随着我的需求自然生长出来的，隔段时间让AI整理下。
03
“大脑库”与“外挂系统”的协作哲学
在实际跑这套流程的时候，我也遇到了理想与现实的冲突。
理论上，为了让 AI 掌握绝对完整的上下文，所有的东西都应该无脑塞进这个知识库里。但现实很骨感：Git 传大文件实在太慢了，而且把所有独立的项目代码、视频素材全堆在一个仓库里，版本管理会变成一场灾难。
所以，我想了另一个办法：知识库做中枢大脑，重资产做外部挂载。
在这个 AIStudio 仓库里，我只保留“信息密度最高”的东西：
- 架构设计文档
- 思路与复盘笔记
- SOP 和提示词模板
而那些体积庞大的多媒体资产，或者需要独立构建、部署的代码项目，我通过“外挂”的形式存在：它们有自己独立的 Git 仓库或外接存储盘。
我只需要在 AIStudio 的相关目录里，放上它们的 README 链接、需求文档和系统设计图即可。
知识库是指挥中心，外挂系统是执行单元。AI 通过阅读知识库里的“地图”，就能准确知道去哪里找对应的“外挂”干活。既保证了知识库的轻量化，又没有丢失项目的全局上下文。
写在最后
不管以后的 AI 工具怎么迭代，平台怎么变，这份基于 Git 和 Markdown 的底层知识库是永远带得走的。
不要把时间浪费在每次给 AI 找各种资料、重复输入背景信息上。
找个地方，建个 Git 仓库，把你每天的工作、思考、决策都 Commit 进去，建立起你自己的 AI 协作流。
当你坚持往里提交记录，你会发现：你积累的不仅是文档，而是形成了一个与AI协作的工作系统。
