💡阅读指南

这一节只讲胶囊系统的主流程和核心分层。先看一份资料进入系统以后要经过哪些动作，再看为什么系统需要入口、证据、索引、理解、演化和内化这几层。每一层具体怎么做，放到后面单独展开。

2.1 先看一份资料怎样进入系统

前面已经讲过，普通收藏夹最大的问题不是不能保存资料，而是资料保存以后就停在那里了。它没有被理解，没有和已有材料发生关系，也没有变成以后写作、学习、做方案时可以重新调用的知识资产。

先来看看胶囊系统的整个流程：假如一份资料进入了胶囊系统，它会被如何处理？

Text
+------------
|  接收资料      链接、网页、PDF、音频、图片、文字
+------------
       |
       v
+------------
|  入口去重      用 URL、文件指纹、消息 ID 拦截明显重复
+------------
       |
       v
+------------
|  抽取内容      抓取网页、解析 PDF、转写音频、识别图片
+------------
       |
       v
+------------
|  生成证据      转成 Markdown、转写稿、OCR 文本
+------------
       |
       v
+------------
|  写入索引      记录来源、状态、证据页和目标主题
+------------
       |
       v
+------------
|  理解关系      Hermes 提取观点，判断主题和资料关系
+------------
       |
       v
+------------
|  演化主题      去掉重复表达，扩展和校正主题页
+------------
       |
       v
+------------
|  形成内化结构  当前判断、主题索引、输出任务
+------------

这张图先只表达流程顺序，不急着讨论每一步应该放到哪个模块处理。流程和模块不是一回事。流程表达的是动作顺序，分层模块表达的是职责边界。

入口去重应该尽量早做。能用原始链接、文件指纹、消息 ID 判断出来的重复，就不要等到后面再处理。这样可以避免同一条资料反复抓取、反复转换，也能减少后面 Hermes 的理解成本。

但胶囊系统真正要处理的，不是严格意义上的文件重复。互联网资料里更常见的是改写、转载、洗稿和重复讲同一件事。两个资料的正文未必完全一样，但进入主题页以后可能没有任何新增价值。这样的重复不能靠指纹解决，必须等 Hermes 理解正文以后，在主题演化阶段处理。

入口去重只负责拦掉低成本、确定性的重复；真正决定 Wiki 是否重复的，是后面的演化层判断：这份资料有没有新观点、新例子、新边界，还是只是换一种说法重复已有内容。

如果这条流程成立，一份资料就不再是孤立的收藏记录。它会先经过入口去重和内容抽取，再被处理成可以核对的证据，随后进入索引、理解、主题演化和内化线索整理。

这里最重要的变化，是资料不再停留在“保存”这个动作上。它进入系统以后，还会继续被整理、比较、融合和校正，并逐渐变成用户愿意反复打开的知识结构。

2.2 证据先标准化，再谈理解

这里要先讨论“证据”这个概念。胶囊系统里的证据，不一定必须是原始文件。证据指的是可核对的信息。

音频的证据可以是转写成文字，PDF 的证据也可以是抽取出来的正文，网页的证据可以是清理后的 Markdown。只要信息足够完整，后面能回到来源核对，它就可以承担证据层的职责。这和法律意义上的证据不完全一样，法律上的「证据」是不能加工和修改的。

胶囊系统中真正会被 Hermes 读取、比较和融合的，大部分时候仍然是文本。所以，主证据应该放在飞书知识库或飞书云文档里，而不是默认保存在本地。本地最多保存临时转换文件、处理日志，以及那些不适合放进飞书的原始附件（视频、PDF 等）。

所以，证据层应该尽量简单。

Text
+------------
|  主证据        飞书知识库/云文档里的 Markdown 文本
+------------
       |
       v
+------------
|  原始载体      音频、PDF、图片等，不适合放飞书时才留在本地
+------------

主证据一般是标准化后的文本。它可以放在飞书知识库或飞书云文档里，作为后续理解和主题演化的依据。

而原始载体是否长期保留，要看它有没有核对价值。

比如一段正式访谈，语气、停顿和原声本身可能有价值，原始音频就应该保留。普通语音输入如果已经完整转写成文字，原始音频未必需要长期保存。PDF 也是一样。如果页码、图表、版式本身有证据价值，就保留原件；如果只是文字资料，Markdown 证据可能已经够用。

按这个规则处理，飞书会成为证据层的主要承载位置，用户也能直接在飞书里查看和校对这些证据文本。系统不会变成一个无限膨胀的本地附件仓库，也不会失去回头核对的能力。

2.3 再按模块拆开胶囊系统

有了信息流以后，再看模块就比较清楚了。胶囊系统不是一条简单流水线，而是几个部分在配合工作。

Text
+------------
|  交互层        接收资料，也接收用户的问题和指令
+------------
       |
       v
+------------
|  证据层        保存可核对的信息，优先转成文本
+------------
       |
       v
+------------
|  索引层        管理入库资料，连接证据层和演化层
+------------
       |
       v
+------------
|  理解层        Hermes 阅读资料，判断观点和关系
+------------
       |
       v
+------------
|  演化层        扩展主题边界，校正已有判断
+------------
       |
       v
+------------
|  内化层        当前判断、主题索引、输出任务
+------------

到了这里，9.2 要讲的核心思路已经够了。胶囊系统接收资料，但不只是保存资料；它会像维护 Wiki 一样，让主题页随着新资料不断延伸和校正，并把这种变化整理成用户可以反复理解和使用的知识结构。

下一节再把这几层逐一拆开，看每一层具体承担什么任务，以及第一版用飞书和 Hermes 应该怎样实现。

2.4 ■ 学点英语

中文 English 音标 说明
胶囊系统 Capsule System /ˈkæpsuːl ˈsɪstəm/ 把知识压缩成可检索、可演化、可复用单元的系统
知识胶囊 Knowledge Capsule /ˈnɑːlɪdʒ ˈkæpsuːl/ 围绕一个主题沉淀出的知识单元
知识单元 Knowledge Unit /ˈnɑːlɪdʒ ˈjuːnɪt/ 可以被检索、更新和复用的最小知识块
主题聚合 Topic Aggregation /ˈtɑːpɪk ˌæɡrɪˈɡeɪʃən/ 把同一主题下的材料集中到一起