知识工作者收集笔记、文章和会议转录文本的速度，快过整理它们的速度。结果是一堆不断增长的信息，却很少能在最需要时建立联系。
AI PKM 究竟是什么
AI PKM 指在个人知识系统中使用语言模型，自动完成过去需要刻意努力的三项任务：建立链接、提取相关上下文，以及将原始笔记变成可用形式。
这些变化不会消除人工判断的必要性，只是缩短了从捕捉到使用的时间。
传统 PKM 中的摩擦点
手工关联要求用户先注意到联系，再亲自创建它。大多数联系从未被记录，因为用户正专注于阅读或写作。
呈现式检索依赖用户记住正确的搜索词。当上下文存在于上个月或去年的笔记中时，回忆会变差，时间也被浪费。
用 AI 处理个人笔记
第一项转变是自动关系检测。模型把新笔记与完整档案比较，根据语义重叠建议或创建链接。研究者添加新论文时，不再需要扫描旧笔记寻找匹配；系统会提出原本隐藏的关联。
第二项转变是按需呈现上下文。当用户输入问题时，模型会从会议、文档和过去笔记中提取符合意图的段落。无需单独搜索，答案会与问题同时出现。
撰写综述部分时，研究者选择相关论文并请求大纲。模型按主题而非发表日期生成结构；研究者再调整标题并补充解读。
创作者的实际示例
一位创作者保存访谈笔记、读过的博客文章和会议录音。规划新文章时，创作者用一句话描述主题，系统便返回过去来源的相关摘录并提出顺序。
用户可以询问项目此前做过哪些决策，并获得来自多次会议和文档的段落。回答包含直接引用，因此核验仍然简单。