03 / SYSTEM · 内容资产化系统

从手工业作坊，到知识工业化。

这不是"内容整理"，是知识工业化。
把 2 121 页散乱 Keynote → 拆成 ~400 个原子单元 → 归到 6 个库 → 建立引用关系 → 临时组装为任意课程。
一份资产，讲 N 次而只增不减。

— 现在 · BEFORE

10 个 Keynote 文件

每次讲课重剪一份。30-60% 内容重复。改 A 文件，B 文件没同步。找东西靠记忆。一次手作，一次性消费。

→
— 目标 · AFTER

~400 个原子单元

4 套母版 + 15 个版本由原子组装。改一次原子，所有引用同步更新。库即知识图谱。每次组装，永久沉淀。

01/MINDSET SHIFT
最重要的
认知切换。 Think in atoms, not in files.
认知地基
1 个翻转
我有 10 个 Keynote 文件 → 我有 ~400 个原子单元
每次讲课改一份 Keynote → 每次讲课临时组装一个版本
内容被锁在某个 .key 文件里 → 内容是独立资产，可被多次引用
改了 A 文件，B 文件没更新 → 改一次原子单元，所有引用同步
找东西靠记忆 → 找东西靠库与关系图
一次手作，一次性消费 → 每次组装，永久沉淀
02/SIX LIBRARIES
6 个库，
覆盖一切原子资产。 Don't go over six. Don't go under six.
分类系统
6 个不多不少
📐
方法论
Frameworks
22
个工具 / 模型
🏢
案例
Cases
60+
证据 / 客户 / 历史
🌱
故事
Stories
20
个人亲历
💬
判断
Tags
40
金句 / 标签 / 预测
🎓
课程
Talks
4+15
母版 + 版本
📚
著作
Books
8+
已出版 / 待出
03/DECISION TREE
每张幻灯片，
只问 1 个问题。 One question. Five possible homes.
归类决策
≤ 5 秒判断
这是什么？
有命名的工具？
有结构？
↓
📐
方法论库
Frameworks
客户 / 产品 /
行业 / 历史？
↓
🏢
案例库
Cases
是你自己的
亲历？
↓
🌱
故事库
Stories
是观点 / 金句 /
预测？
↓
💬
判断库
Tags
是组装 / 讲法 /
大纲？
↓
🎓
课程库
Talks
04/FOUR-STEP WORKFLOW
拆 · 归 · 连 · 装。 Decompose · Categorize · Link · Assemble
核心工艺
4 步循环
1
拆
Decompose

把文件拆成原子

一份 Keynote 拆成 30-60 个原子单元，每个单元一条结构化记录。粒度统一是关键。

  • 1-5 张幻灯片为 1 个单元
  • 每单元打 4 个 tag
  • 判断 是新增 还是 已存在
id: nine-grid pages: 85-95 type: 方法论 topic: [产品, AI] status: 已存在
2
归
Categorize

归到 6 个库

用决策树判断归属。"已存在"的合并并增加引用计数；"新增"的创建独立卡片。

  • 已有 → 引用计数 +1
  • 新增 → 走决策树
  • 不确定 → 进 inbox 待审
已存在 nine-grid: 引用 +1 (新场次) 跨课件数 5 → 6 新增 vc-quadrant: → 方法论库 (待审)
3
连
Link

建立双向关系

方法论 ↔ 案例 ↔ 故事 ↔ 课程。这一步是产生网络效应的关键，必须有人审。

  • 方法论 → 用过哪些案例
  • 案例 → 验证了哪些方法论
  • 故事 → 讲清了什么道理
九格画布 ├─ 案例 yooz, ai-pin ├─ 故事 yunma-foxconn └─ 课程 talk-mba, talk-pm
4
装
Assemble

临时组装为课程

课程不再是文件，而是"原子 ID 列表 + 顺序 + 时长"。一次组装，永久存档为版本。

  • 选听众 + 时长
  • AI 推荐原子序列
  • 你拍板 + 微调
talk-mba-2026-06 ├─ #001 自介 (3min) ├─ #045 云马 (15min) ├─ #067 九格 (30min) └─ ... 共 240min
05/DIVISION OF LABOR
人机分工。 Where AI ends, judgment begins.
分工矩阵
5 个阶段
阶段 主导者 AI 能干 你必须亲自做的
1. 拆 Decompose AI + 助手 80%
AI Heavy
 抽查质量，纠正错的 tag
2. 归 Categorize AI + 助手 70%
AI Heavy
 审"新增"的 → 决定是否独立成卡
3. 连 Link 你 30%
AI 只能给候选
 建立关系 = 你的判断
4. 装 Assemble AI（剪裁器） 90%
AI Heavy
 选听众 + 时长 + 看大纲拍板
5. 新内容评价 只有你 0%
不可替代
 判断值不值得独立成方法论

两件 AI 不能替你的事情： (1) 判断一个新概念是不是值得独立成方法论卡——AI 不知道什么对你重要； (2) 建立资产之间的关系——AI 给候选，你拍板。

06/DAILY SOP
5 步标准操作。 Every new material follows this loop.
入库流程
每份 60-90 min
0
投递
— ANYONE

新材料放到 /inbox/<日期>-<场次>/

1
抽取
— AI

AI 自动抽成原子单元 JSONL 清单

2
比对
— AI

AI 对比资产库，标"新"or"已有"

3
评审
— 你 / 助手

15-30 分钟过一遍"新"的部分

4
入库
— 自动

通过的进各库，更新引用关系

每份新材料处理总时长：60-90 分钟
比"重剪一份 Keynote"快 10×
07/TECH STACK
基于纯文本 + Git，
不绑 SaaS。 Plain text. Version-controlled. AI-readable.
工具栈
6 层
原材料
网盘 / Git Inbox放 Keynote、录音、文章
原子数据库
GitHub 仓库每个原子 = 一份 Markdown + YAML
关系图
Obsidian / 自建 WebMarkdown 双向链接
拆 / 比对 / 评审
你的智能体（龙虾）让 Agent 接管这个流程
现场授课
网页课件演示模式/talks/<slug>/present
智能剪裁
LLM API + 资产库索引选听众 + 时长一键生成版本
08/4-WEEK ROLLOUT
立刻可行的
四周计划。 Don't try to do it all at once.
启动路径
4 周
— WEEK 1

立样板

完成 5-8 个核心方法论的样板卡
  • 建 /资产库/ 目录结构
  • 写九格画布完整样板
  • 写 CCC / 五大构成等 5 个
  • 定 YAML schema 终稿
— WEEK 2

批量抽

让 AI 按样板批量抽 10 套老 Keynote
  • 派 Agent 跑全量抽取
  • 生成 ~400 原子单元
  • 你审"新增"清单
  • 归入 6 库
— WEEK 3

建关系

让原子之间彼此连接，形成图谱
  • AI 推荐关系候选
  • 你审 + 拍板
  • 每个方法论关联 3-5 案例
  • 每个案例关联 1-3 方法论
— WEEK 4

跑通流程

现场临时剪裁演练，验证整套系统
  • 给智能剪裁器一个真实场次
  • 10 分钟出版本大纲
  • 真讲一次 60min 版
  • 讲完归档为演讲档案
"
这件事不是内容整理，
是知识工业化。
QIUYIWU.COM · ASSET SYSTEM · v1.0

你目前的状态：手工业作坊（一次讲课一次手作）。
目标状态：产线（原子单元 → 自动组装 → 现场演示）。
中间隔着的不是工具，是这套 SOP。

SOP 一旦立起来，你团队的每一个人都能给你的资产库贡献增量，
而不是只有你一个人在沉淀。

看课程板块 → 回到主页 ↑

QIUYIWU.COM · CONTENT ASSET SYSTEM · v1.0