AI AI 工具指南
AI 工具教程

AI 知识库清理工作流：从 Notion 坟场到可搜 Wiki

5 阶段 AI 工作流清理庞杂的 Notion / Confluence / Google Sites 知识库——去重、打标、归档、互链、重建索引。

发布于: 作者: AI Productivity Guide Team 🌐 查看英文版本

这篇讲什么

5 阶段 AI 工作流清理庞杂的 Notion / Confluence / Google Sites 知识库——去重、打标、归档、互链、重建索引。

本文涉及的工具 / 概念：

  • Notion: 把文档、笔记、数据库和项目管理放在一起的协作工作区。

这篇适合谁看

运营、知识管理、团队 lead——接手一份 500-2000 页大家都不再信的 wiki。

什么时候适合用

搜出 5 篇互相矛盾、新人找不到东西、“这还是当前版本吗”每天被问时。

具体步骤

  1. 结构化导出。先做完整导出，AI 才有得吃。

    • Notion：左下角 Settings & members → Settings → Export all workspace content → 格式选 Markdown & CSV → 勾 Include subpages 和 Include content。导出包是一个 ZIP，每页一个 .md 文件。
    • Confluence：space 右上角 ••• → Export space → 选 HTML 或 XML（HTML 更适合喂 AI），勾 Include attachments。
    • Google Sites：当前没原生批量导出，用 gsites-exporter 或 Site Search 把 URL 列表导出后用 wget --mirror 抓页。

    导出后建本地目录：

    kb_cleanup_2026_05_21/
├── raw/                # 导出的原始文件
├── batches/            # 步骤 2 分批后的合并文件
├── triage.csv          # 步骤 3 的分流表
├── canonical_drafts/   # 步骤 4 合并产物
└── taxonomy.md         # 步骤 6 的标签清单

  2. 批量分组。把 raw/ 里的 md 文件每 20-50 篇合成一个 batch（每篇前加 --- FILE: <path> --- 分隔），然后开 Claude / ChatGPT 长上下文模型（Claude Sonnet 4.6+ 或 GPT-5.5-128k+），发：

    下面是知识库的一批 <N> 篇文档，用 `--- FILE: <path> ---` 分隔。

<粘贴或上传这一批>

请输出三件事，用 Markdown 表格：

表 1 - 按主题分组：
| 组名 | 包含的 file 路径 | 组的核心议题（1 句） |

表 2 - 近似重复对（语义重复但文件不同）：
| file A | file B | 重复维度 | 重复程度（高/中/低） |

表 3 - 孤儿页（不属于任何组、没和其他页互链、最近 12 个月未更新的页）：
| file | 推测它原本想干什么 | 建议处置（合 / 归档 / 删 / 留） |

不要 hallucinate 文件路径，只用我给你的 `<path>` 值。

    每 batch 跑一次，把表格汇总到 triage.csv。

  3. 建分流表。在 triage.csv 里逐行标 4 个字段：

    page_path,group,status,confidence,notes
docs/onboarding_v1.md,onboarding,merge,high,与 v2/v3 合并
docs/onboarding_v2.md,onboarding,merge,high,canonical 基础
docs/legacy_aws_setup.md,infra-legacy,archive,high,2023 前 setup
docs/ceo_2022_strategy.md,founder-notes,archive,medium,留作历史
docs/test_page.md,orphan,delete,high,测试残留

    status 只允许 4 个值：keep / merge / archive / delete。confidence 用 high/medium/low，low 的留给步骤 4 让 AI 再判一次。

  4. 合并 canonical。对每个 status=merge 的组：

    下面是同一主题"<组核心议题>"下的 3-5 篇页面，我准备把它们合并成一份 canonical 文档。

<粘贴所有候选页全文，每篇前加 --- FILE: <path> --->

请输出一份 canonical 草稿：
1. 结构：what / why / how / examples / FAQ / related
2. 每段事实声明后必须有 [from: <path>] 标注，说明这个事实来自哪一篇
3. 候选页之间冲突时（同一事实不同说法），列出冲突，**不要替我选**——在文档末尾建一个 "需要人工裁决" 区
4. 候选页有过期信息（提到的工具/版本已停用）也列出，建议怎么改

写完后用 1 句话告诉我这份 canonical 比任何单篇候选页强在哪里。

    产物存进 canonical_drafts/<topic>.md。人工过一遍”需要人工裁决”区，再发布到知识库。

  5. 归档（不要删）。在原位置不动，加横幅，并迁到 /archive：

    > **此页已归档（YYYY-MM）。**
> 最新版本：[<canonical 页标题>](<canonical 页链接>)
> 保留此页是为了让旧链接 / 搜索结果不死链。请勿在此页继续编辑。

    Notion：把原页移到 Archive workspace，并在顶部 callout block 贴上面这段。Confluence：在原页插入 Info macro，然后 Move 到 Archive space。别删 —— Google 已经收录的旧 URL 会变 404，影响 SEO。

  6. AI 出 taxonomy：

    下面是过去步骤产出的"留 + 合并"后的页清单和它们的核心议题：

<粘贴 triage.csv 里 status=keep 和 merge 的行>

请给我一份扁平标签 taxonomy：
- 总数 15-30 个 tag（不要超过 30）
- 每个 tag 用一句话定义"什么内容属于这个 tag"
- 不允许重叠（每页应该匹配到 ≤3 个 tag，不能 10 个 tag 全占）
- 输出格式：`tag-slug | 一句话定义 | 例子页面 1-2 个`

完成后给每篇页提议 ≤3 个 tag，输出 CSV：`page_path,suggested_tags`。

    把建议 tag 写回知识库（Notion property Tags、Confluence label）。

  7. 重建首页 / 索引。基于步骤 6 的 taxonomy 和 20 个最高流量页（去看 GA / Notion analytics / Confluence 的 “Popular” 报表）：

    给我一份知识库新首页的结构，要求：
- 顶部："最常用 5 个入口"——选最高流量的 5 个 canonical 页
- 中部：按 taxonomy 的 tag 分 6-8 个区块，每个区块列 3-5 个代表页
- 底部："最近 7 天新增 / 更新"自动列表

每条入口都给一句话 description（≤14 字），让新人不点进去就知道是干嘛的。

  8. 加季度复扫定时器。在你的日历加循环事件 2026-08-21 KB 复扫（每 90 天一次），事件描述里贴 kb_cleanup_2026_05_21/ 路径，下次直接复用同一套 batch + prompt + triage 模板。

建议的操作流程

导出 → 批量分组 → 分流表 → 合并成 canonical → 归档过时 → 标签 taxonomy → 重建索引 → 季度复扫。

容易踩的坑

  • 没归档就删——旧链接静默死掉
  • 跳合并 canonical——重复又回来
  • 没季度复扫——半年再坟场

FAQ

  • 1000 页大概多久？: 一个人专做的话，分流 2-3 天、合并 1 周。
  • AI 能直接删页吗？: 别——删除人工。AI 提议、你定。

相关阅读

标签: #教程 #效率 #知识库 #清理

相关文章