我如何用知识库做了一次产品调研

我如何用知识库做了一次产品调研

有一段时间，我在考虑一个问题：

「AI 知识管理」这个方向，现在市场上有哪些产品在做？用户真正的痛点是什么？我搭的这套系统，有没有独特的价值？

这类问题，以前我的做法是：

text

Google 搜一圈
看几篇分析文章
逛一下 Twitter / 即刻
问问身边的朋友
然后凭感觉得出结论

说实话，这样的「调研」，更多是在用信息确认我已有的判断，而不是真的在发现什么新的东西。

这次我想换一种方式。

用知识库，认真做一次产品调研。

先定义这次调研要回答什么

和上次写文章一样，我先建了一个项目文件夹，写了一个 project-brief：

Markdown

# 项目简报：AI 知识管理产品调研
## 调研目标
搞清楚 AI 知识管理这个方向的产品格局，
以及我在做的事情，有没有独特的位置。
## 要回答的具体问题
1. 现在市面上有哪些 AI 知识管理产品？
2. 它们分别解决什么问题？
3. 用户最高频的抱怨是什么？
4. 有没有明显没被解决的需求？
5. 我在做的「知识库驱动项目」这个角度，有没有竞品？
## 调研边界
只看 AI + 知识管理方向，不展开到泛 AI 工具
重点看：Obsidian 生态、Notion AI、Mem.ai、
Reflect、Roam Research、以及类似我在做的东西
## 调研输出
一份给自己看的产品地图 + 一个「我的位置在哪」的判断

这 15 分钟花得很值。

因为它帮我把一个模糊的「我想了解一下市场」，变成了 5 个具体的问题。

整理我已有的知识库资料

调研开始之前，我先做了一件事：

看看我的知识库里，已经有什么。

这一步很容易被跳过。

大多数人做调研，第一步就是去外面搜信息。

但如果你已经积累了一段时间的笔记，知识库里可能已经有很多相关内容了，只是没有被整理出来过。

我让 Claude 扫描了我的笔记库：

text

请扫描 02-notes/ 里所有和以下关键词相关的内容：
- AI 知识管理
- PKM 工具
- Obsidian 生态
- 笔记软件
- 第二大脑工具
整理成一份「已有知识资产清单」，
标注每条内容的来源、时间和核心观点。

结果发现，我已经有 31 条相关笔记。

包括：

• 我用过的几款工具的真实使用感受
• 我在各个社区看到的用户抱怨
• 我自己踩过的坑
• 我读过的几篇产品分析文章的摘要

这 31 条，成了这次调研的起点。

而不是空白。

第一轮：用知识库建立产品地图

我让 Claude 基于已有笔记，先画出一个初步的产品地图：

text

请基于已有知识资产清单，
帮我整理一个 AI 知识管理产品地图。
维度：
1. 产品名称
2. 核心定位（一句话）
3. 主要解决什么问题
4. 主要用户群体
5. 我的使用经验或观察（如果有）
输出格式：Markdown 表格

输出的初版产品地图，大概覆盖了 8 个产品。

但有几个产品，我的笔记里记录的内容很少，只有一两条观察。

这时候我没有让 AI 补全，而是先标记了「待补充」。

因为让 AI 用它的训练数据补全，会引入我无法验证的信息。

调研的基础，必须是我真实接触过、或者能追溯来源的内容。

第二轮：针对薄弱点，定向收集信息

标记了「待补充」之后，我清楚地知道：

我对哪些产品了解不够。

这时候我做的，不是漫无目的地搜索，而是针对性地补充：

对于我没用过的产品：去官网看 Feature List 和用户 Testimonial，去 Reddit / Product Hunt 找真实用户评价，截图存进 inbox/。

对于我用过但记录不完整的产品：重新打开用一遍，写一段真实感受，记进笔记。

对于用户痛点：专门去几个社区搜索关键词，比如「Obsidian frustration」「Notion AI disappointing」，找用户真实抱怨。

这个过程花了我大约三个小时。

新收集的内容，我都先放进 inbox/，然后让 claude-obsidian 帮我整理分类，打上标签，加入知识库。

第三轮：用知识库提炼洞察

新内容入库之后，我让 Claude 做第二轮分析：

text

请基于更新后的知识库，
回答以下问题：
1. 这些产品里，用户最高频的抱怨是什么？
   请按频次排序，每条抱怨给出来源笔记。
2. 有没有哪个需求，在多个产品里都没有被满足？
   给出判断依据。
3. 「用知识库驱动真实项目」这个角度，
   现有产品里有没有类似定位的？
   如果有，区别是什么？
   如果没有，为什么可能没有？
注意：
- 只基于知识库里有来源的内容回答
- 不确定的地方，明确标注「待验证」
- 不要补充我没有提供的信息

这个提示词里，有一句话非常重要：

只基于知识库里有来源的内容回答。

这是 AI 调研和普通 AI 问答最大的区别。

普通问 AI：「AI 知识管理市场现在有哪些产品？」

你得到的是 AI 的训练数据里对这个问题的平均印象，可能有幻觉，可能已经过时。

而当你让 AI 只基于你的知识库回答，每一个判断都可以追溯到具体的笔记和来源。

调研的可信度，完全不同。

第四轮：生成调研报告，但先验证再总结

Claude 给了我一份调研报告初稿。

大概 2000 字，包含产品地图、用户痛点分析、市场空白判断、以及我的定位建议。

我没有直接用。

我做了一件事：

把报告里每一个关键判断，找到它对应的来源笔记，确认我认可这条笔记的可信度。

比如报告里说：

「用户最高频的抱怨是：工具很多，但知识无法在项目里被直接使用。」

我找到对应的来源，是我在 Reddit 上截图的 12 条用户评论，和我自己的 3 条使用笔记。

我认可这个来源，所以我接受这个判断。

但报告里还有一句：

「Mem.ai 的用户留存率不理想。」

我找来源，发现来自一篇二手分析文章，没有数据支撑。

我把这一条改成了「待验证」。

这个验证过程，大概花了我 45 分钟。

但它让整份报告从「AI 的判断」变成了「我的判断」。

最后：我得出了什么结论

我不打算在这里列出完整的调研结论。

因为结论本身不重要，重要的是这个过程让我弄清楚了：

我在做的事情，在市场上处于什么位置。

三个最重要的发现：

发现一：大多数 AI 知识管理工具，解决的是「知识怎么存」，而不是「知识怎么用」。

发现二：用户最深的痛点，不是找不到笔记，而是笔记和项目完全脱节，知识库和工作流是两个独立的世界。

发现三：「以项目为中心」组织知识、让 AI 在项目现场调用知识库，这个角度，目前市面上几乎没有产品在做。

这三个发现，让我对自己在做的系统，有了更清晰的信心。

不是因为我比别人厉害。

而是因为我在调研之后，知道了：

我真正在解决一个还没有被解决的问题。

这次调研和上次写文章，有什么共同点

两个项目都用了同样的核心流程：

text

定义项目（project-brief）
↓
盘点已有知识（知识库扫描）
↓
针对薄弱点补充（定向收集）
↓
新内容入库（claude-obsidian）
↓
提炼洞察（Claude 基于知识库分析）
↓
人工验证和判断
↓
输出结果（报告 / 文章）
↓
复盘沉淀（workflow.md）

这个流程，用于写文章可以。

用于做调研可以。

理论上，用于做任何需要「调用已有知识 + 产出新内容」的工作，都可以。

这是我越来越相信的一件事：

知识库不是某类工作的专属工具，它是一个通用的工作基础设施。

一个诚实的补充

这套流程，不是没有代价的。

建立知识库需要时间。

处理书籍 Skill 需要时间。

写 CLAUDE.md 需要时间。

调研完之后的人工验证，也需要时间。

但这些时间的性质，和以前不一样。

以前花的时间，是消耗性的。

做完一次调研，下次还是从零开始。

现在花的时间，是积累性的。

每一次调研，都让知识库更丰富，让下一次调研更快、更准。

第一次用这套流程做调研，我花了将近两天。

但我相信，第二次会是一天，第三次会是半天。

因为知识库在增长，流程在打磨，判断在沉淀。

这是我觉得最值得做的事情：

把时间花在会复利的事情上。

普通人怎么开始

如果你也想用知识库做一次调研，从这里开始：

text

1. 定义你要回答的 3-5 个具体问题（project-brief）
2. 先扫描你已有的笔记，看有什么可以用
3. 只针对薄弱点去外部找信息
4. 新信息入库，不要散落在浏览器收藏夹里
5. 让 AI 基于知识库提炼洞察
6. 人工验证每一个关键判断的来源
7. 沉淀成 workflow，下次复用

不需要先有完美的知识库。

哪怕你只有 10 篇笔记，也比从零开始要好。

先做起来，边做边完善。

我是【一只阿木木】——公开建造我的 AI 第二大脑。

普通人如何用 AI 搭建自己的知识操作系统？

一个程序员出身的知识工作者，公开记录自己如何用 AI 工具搭建个人知识系统、把读过的书和做过的项目变成可复用资产的全过程。

欢迎加入行动营👇获取更多Obsidian + AI数字大脑实践

我相信：在 AI 时代，每个普通人都该拥有一个自动生长的知识系统

欢迎关注【一只阿木木】🌊