30年燃气工程师的AI知识库：用WorkBuddy+Obsidian搭建可进化知识管理系统

30年燃气工程师的AI知识库：用WorkBuddy+Obsidian搭建可进化知识管理系统

前言

我是刘工，港华燃气工程部经理，干燃气工程30年了。平时要管的事多——法规标准、工程文档、项目管理、安全培训、备考注安师……资料散落在各种地方，找东西比干活还累。

直到我用 WorkBuddy + Obsidian 搭了一套「可进化的AI知识库」，才算真正解决了知识管理的问题。这篇文章是完整实操教程，每一步都可以复现。

为什么选这个组合

一句话：Obsidian负责存，WorkBuddy负责想。

第一步：搭建知识库目录架构

我的知识库参考了姜胡说（抖音博主）的AI知识库方法论，结合燃气工程实际，设计了14个目录：

Obsidian Vault/
├── 00-首页/          # 知识库导航 + AI引导文件
├── 01-法规标准/      # GB50028、CJJ33、DB44等
├── 02-技术文档/      # 工程设计、施工管理、运维巡检
├── 03-ESG与碳排放/   # ESG报告、碳核算、VOCs监测
├── 04-项目管理/      # 项目笔记（含AI合作成果归档）
├── 05-学习笔记/      # 注安备考 + 知识卡片 + 方法论
├── 06-模板/          # 法规/技术/项目/每日笔记/知识卡片模板
├── 07-附件/          # 图片、PDF、画板
├── 08-Claude产出/    # AI对话归档
├── 09-灵感库/        # 碎片灵感暂存
├── 10-参考资料/      # 外部文章、行业资讯、读书笔记
├── 11-Skills/        # AI提示词 + 脚本操作手册
├── 12-Wikis/         # AI抽取的关键概念库
└── 99-归档/          # 归档资料

核心设计思路：灵感→加工→沉淀→归档的完整闭环。

• 09-灵感库：碎片灵感先扔这里
• 05-学习笔记/知识卡片：整理成原子化卡片
• 12-Wikis：AI从卡片中抽取关键概念
• 11-Skills：概念碰撞、定期巡检的AI提示词

第二步：创建AI引导文件

这是最关键的一步——让任何AI工具读一次就能理解你的知识体系。

在 00-首页/ 下创建 知识库架构说明.md，内容包括：

1. 目录用途说明：每个目录存什么、不放什么
2. 文件命名规范：法规标准用「GB编号-名称」、项目用「项目名·子标题」
3. 模板使用规则：新建笔记时用哪个模板
4. AI操作权限：哪些目录可读可写、哪些只读
5. 知识卡片格式：原子化原则——一卡一概念

在 vault 根目录创建 CLAUDE.md，作为AI工具的入口引导文件。任何AI工具打开这个vault时，第一件事就是读这个文件。

第三步：建立知识卡片体系

知识卡片是知识库的核心单元。每张卡片只讲一个概念，格式如下：

---
title: 本质安全
type: 知识卡片
tags: [安全管理, 燃气工程]
created: 2026-07-12
---

## 核心概念
通过设计手段，使设备/系统本身具有安全性，即使人为失误也不会发生事故。

## 我的理解
不是出了事再补救，而是从设计阶段就消除危险源。

## 关联
- [[安全间距]] — 本质安全的设计手段之一
- [[燃气压力分级]] — 不同压力等级的安全要求

## 可运行指令
> AI，请用本质安全的原则分析以下燃气工程设计方案的安全性

关键原则：

1. 原子化：一卡一概念，不要把多个知识点塞在一张卡里
2. 双链关联：用 [[]] 链接相关概念，形成知识网络
3. 可运行：每张卡底部放一个AI可以直接执行的指令

第四步：用WorkBuddy操作知识库

日常使用流程：

场景1：学法规时

跟WorkBuddy说："请先读取知识库架构说明.md，然后把GB50028关于燃气管道安全距离的要求整理成一张知识卡片，用知识卡片模板。"

WorkBuddy会：

1. 读取引导文件，理解你的知识库结构
2. 联网搜索或读取本地法规文件
3. 按模板格式生成知识卡片
4. 写入 05-学习笔记/知识卡片/ 目录

场景2：整理项目成果时

跟WorkBuddy说："把今天做的local-ai-master三后端架构项目整理成项目笔记，放到04-项目管理。"

WorkBuddy会：

1. 读取相关脚本和配置文件
2. 生成结构化项目笔记
3. 自动建立到Wikis概念卡片的链接
4. 写入对应目录

场景3：定期知识巡检时

用 11-Skills/weekly-review.md 里的提示词，让AI每周检查：

• 哪些灵感还没整理成卡片
• 哪些概念之间可以建立新链接
• 哪些归档资料可以提取新概念

第五步：省积分的实战技巧

作为燃气工程师，我的AI使用频率很高，积分消耗也大。几个实测有效的省分方法：

1. 简单任务用Ask模式：纯问答、查资料用Ask模式，消耗是Craft模式的一半
2. 任务完成就/clear：长对话上下文会滚雪球式扣分，一个任务做完就清空
3. 本地模型兜底：我搭了Ollama本地推理（qwen2.5:7b + deepseek-r1:7b），简单任务走本地零消耗，复杂任务才用WorkBuddy
4. 优先用快过期积分：注册积分90天过期，活动积分180天，先花快过期的

效果

搭完这套系统后：

• 找法规条文从翻半小时变成搜3秒
• 项目成果不再散落，全部归档到对应目录
• 知识卡片之间自动形成网络，经常发现意外的概念关联
• AI每次操作都带着知识库上下文，产出质量明显提升

总结

知识库不是仓库，是生产线。核心不是囤资料，而是让知识流动起来——从灵感到卡片，从卡片到概念，从概念到新洞见，形成闭环。

WorkBuddy + Obsidian的组合，让这个闭环可以自动运转。AI负责整理、抽取、碰撞，你负责判断、决策、创造。

这才是AI时代知识管理该有的样子。

本文基于2026年7月实操整理，知识库路径：Obsidian Vault，14个目录、70+文件。