认知生产管线
是什么
认知生产管线是一条五阶段的「知识生产线」，核心理念是：知识不是存起来的，是生产出来的。所有内容从「原始素材」开始，逐阶段加工，最终沉淀为你的个人知识：
原始素材(raw) → 卡片化(card) → 抽取(extracted) → 碰撞(collided) → 注卡(approved)阶段只能按顺序前进；不要的内容是「拒绝 / 删除」，而不是倒退。每次阶段流转都会记录进化轨迹，随时可以回看一条内容从采集到注卡的完整历程。
入口：顶部导航「自动理好 → 管线总览」（经典版界面在「素材加工 → 认知生产管线」），/pipeline。总览页展示各阶段的条数、今日新增（新卡片 / 新概念 / 新碰撞）和双脑分布。
怎么用
第一阶段：原始素材（raw）
「原始素材」（/pipeline/raw）是管线起点，汇集所有未经处理的输入：笔记、浏览器剪藏、RSS 条目、稍后读、导入的文档。内容来自「存进来 / 采集」模块——先把材料收进来，再谈加工。
在原始素材页可以挑选内容进入下一阶段；也可以先留在池子里，攒一批再处理。
第二阶段：卡片化（card）
「卡片化」（/pipeline/cards）把原始素材切割成可复用的知识卡片。点「一键卡片化前 10 条」可批量处理：
- 剪藏、RSS、稍后读、文档会转换成知识单元卡片，原始素材同时被标记为「已导入」，不会重复进管线；
- 系统会自动查重合并：已有高度相似的卡片时更新旧卡片，而不是新建一张重复的；
- 每张卡片自动生成向量，供后续检索和碰撞配对使用。
第三阶段：抽取（extracted）
「抽取」（/pipeline/extract）对卡片调用 AI，提取 1~3 个核心概念——只提取真正跨学科、可复用的抽象概念（概念名 + 一句话定义 + 所属学科）。已存在同名概念时不会重复创建。
这一步调用模型：本地模型免费；用平台模型按量扣费，余额不足会直接提示而不是悄悄失败。
第四阶段：碰撞（collided）
「碰撞」（/pipeline/collision）是管线的核心创意环节：给一个概念找一个「相关但不同」的伙伴，让 AI 推导出一条跨界洞见（核心洞见 + 推导过程）。配对优先级：
- 图谱语义关系：已构建知识图谱时，优先用图谱判断出的关联对——比纯向量相似更像「值得撞的一对」；
- 向量相似度：相似度落在「有关联但不雷同」区间的概念；
- 最近概念：兜底策略，保证总能撞起来。
碰撞产物是一条新的洞见卡片。点「批量碰撞」可对多个概念逐个执行，每次都会调用 AI。
第五阶段：注卡（approved）
「注卡」（/pipeline/annotate）是对碰撞洞见的人工审批：逐条看洞见和推导过程，选择批准（可附个人批注）或拒绝。
批准的洞见归入个人脑知识，并在后续的 AI 问答检索中获得加权——这是你盖章确认过的知识，不是 AI 的自言自语。注卡页可查看每条知识的进化轨迹。
退回与删除
任何阶段的内容都可以「退回」回原始素材：外部素材卡片化生成的内容退回时，原始剪藏 / RSS 会恢复为「未导入」状态，可以重新加工。删除管线内容会同步清理对应的卡片，外部素材同样恢复可导入状态。
典型场景
- 每日 10 分钟流水线：早上剪藏了几篇文章 → 卡片化 → 抽取概念，晚上挑一两个概念做碰撞；
- 主题研究冲刺：围绕一个主题集中导入材料，走完五阶段，产出一批注卡过的个人知识；
- 清库存：定期看管线总览，哪个阶段积压了就从哪个阶段接着推。
注意事项
- 抽取和碰撞都会调用模型，注意所选通道的成本（本地模型免费，BYOK 走你自己的厂商额度，平台模型扣云端余额）；
- 批量操作（一键卡片化、批量碰撞）执行前有确认弹窗，提示会调用 AI 的次数；
- 已注卡（approved）的个人脑知识不能再转回网络脑——注卡代表它已成为你的个人认知资产；
- 管线内容同时受目录树和标签管理：阶段是「加工进度」，文件夹是「存放位置」，标签是「内容属性」，三者互不冲突。
FAQ
问：卡片化后原始剪藏不见了？ 没有丢。原始素材被标记为「已导入」，从原始素材池移出，内容本体仍在「存进来」各模块里。把卡片退回 raw 即可恢复它的未导入状态。
问：碰撞出来的洞见质量不行怎么办？ 在注卡阶段直接拒绝，被拒绝的内容不会进入个人脑知识。想提高质量：先构建知识图谱（碰撞会优先用图谱语义配对），或在抽取阶段换更强的模型。
问：为什么抽取结果只有一两个概念？ 这是刻意设计——只提取跨学科、可复用的抽象概念，宁缺毋滥。没有合格概念时返回空，属于正常结果。
问：阶段能跳级吗？ 不能。管线只允许 raw → card → extracted → collided → approved 顺序前进，保证每一步加工都被记录。