让档案回答问题

结论很直接：档案只有能回答一个今天仍重要的问题，才开始成为产品。

保存解决“东西还在不在”。搜索解决“能不能找到”。可回答的档案还要多做一步：从可归因来源中组成一个有边界的答案，把矛盾和缺口摆出来，并给读者一个有用的下一步。Stack Overflow 案例称，产品进入 ChatGPT 后，隔夜注册量增至三倍，代理创建量最高增至十倍。案例没有披露基数、留存或收入转化，所以它只支持一个较窄判断：知识出现在用户正在工作的地方，会提高参与可能性。

iamrobin.ai 与 SunTV 的机会不是再加一个搜索框。读者通常不会说“我想看档案”，而会问：一个人的第一次关键机会从哪里来？一项基础设施承诺何时真的交付？AI 系统什么时候才算自主？档案应回答这些问题，同时保留证据边界。

单位是问题，不是文档

多数档案沿用生产结构：报纸按期、视频按集、网站按日期。它们适合保存，却不一定符合读者的好奇心。问题式档案先定义决策对象。“什么让项目成功？”仍太宽；“哪一个早期约束改变了结果，哪份同期证据支持这个判断？”才可执行。

原文继续作为权威对象，系统在周围记录主张、人物、日期、决定、矛盾和后续更新。IIIF Presentation API把数字对象与呈现、导航分开。Robin 的档案也可采用同一原则：采访、文章和项目记录保持完整，问题式页面只是可逆的呈现层。

一张回答卡只需要五项：确切问题、当前答案、支持它的来源主张、最强矛盾或缺失证据、下一份可能改变答案的材料。这样既能分发，也能阻止系统靠流畅语气补齐空白。

压缩之后仍要保留出处

档案里常有多份材料重复同一说法；它们可能全部来自一个未经验证的源头。出处因此应是一张关系图，而不是“引用了几篇”。W3C PROV-O用实体、活动和代理描述来源与变化。轻量档案无需实现完整本体，但每项公开主张都应指向来源、责任人或机构、日期，以及从原始材料到当前答案的转换。

采访中的原话只证明某人在特定语境说过这句话。它不自动证明事件完全如此，也不代表其他参与者同意。一个合格答案可以写：“2019年采访把那次介绍称为关键；合约记录确认日期，另一方说法仍缺失。”每一层证据都保持自己的重量。

C2PA 规范用签名声明和编辑记录处理媒体出处。编辑档案可以采用简化版本：保留不可变来源哈希、提取记录、编辑答案、发布日期和每次重大更正。读者无需面对审计仪表盘，但必须能打开来源并理解答案为何成立。

矛盾也是界面

传统内容偏爱干净故事，真实档案却充满记忆变化、参与者分歧、计划失败和后来修正。隐藏这些张力，会让档案更平、更不可信。

每张回答卡都应有一个可见的“张力”字段：来源冲突、缺失分母、后来的逆转，或材料无法证明的部分。假设问题是：“第一次关键机会来自能力、关系还是时机？”一份采访强调准备，一份记录强调介绍，一项政策变化才真正打开窗口。好答案会展示三者如何相互作用，而不是挑一个漂亮原因。

这样的问题还能邀请精确贡献：“请提供带日期的材料，证明机会在那次介绍之前已经讨论。”参与由掌声变成证据。NIST AI Risk Management Framework强调语境、测量、责任与持续管理。放进档案，就是先说明答案用于什么，检查证据是否足够，明确谁验收，并保留更正路径。

分发应携带问题

Stack Overflow 案例的深层启示不只是“做插件”，而是让知识遇到一项正在发生的工作。每个 iamrobin.ai 衍生内容应携带一个问题、一个有来源的意外答案和一个尚未闭合的边缘。

LinkedIn 草稿可以问：“你的第一次关键机会来自能力、关系还是时机？”Canonical 页面负责展示证据与矛盾。社交平台只负责发现；档案拥有来源图、更正和验收记录。读者回复先成为线索，获得许可并验证后才成为证据。

已有的 Google 与 Marvell 行动文章提供了可复用的关系图语法：把问题放中央，来源置于四周；实线表示直接支持，虚线表示推断，断点表示缺失证据。视觉要帮助读者挑战答案，而不是装饰确定性。

测量回答产率，而不是档案规模

页数、转录小时和向量数量衡量库存，不衡量决策价值。更好的单位是“回答产率”：在有边界的工作量内，档案能否对真实问题给出可用且可归因的答案。

第一轮只需五项指标：合格回答率、来源打开率、有用追问率、更正延迟，以及每个合格答案需要的人工分钟数。注册、点赞和总流量可以辅助分发，却不能证明档案回答得好。所有指标都要保留分母；“有人打开来源”远弱于“40次合格访问中有9次打开来源”。

十二个问题的纸面测试

测试不需要私有采访、新权限、生产集成或外部发布。先冻结12篇已经公开的 iamrobin.ai 页面，覆盖AI基础设施、支付、代理自主、Physical AI和出版。写12个真实问题：6个直接检索，6个跨两篇以上材料综合。

在同一时间预算下比较三种模式：标题与关键词搜索、常规生成摘要、五字段回答卡。由不知道模式的封闭评估者评分：事实支持、范围正确、实用性、来源可达、矛盾处理和验收时间。主要指标是每个人工小时的合格答案数；同时记录来源打开率、每篇不受支持主张、更正一次来源后的修复时间，以及产生有用追问的问题比例。

实验当前为 NOT_RUN。结果、效应量、读者行为与经济价值均为 UNKNOWN。若回答卡胜出，就在公开材料上发布最小界面；若失败，保留来源图，放弃呈现层。两种结果都不会损坏原档案。

产品是一份持续维护的答案

档案无需变成什么都能谈的聊天机器人。它只需承诺：对选定问题，提供当前来源能够支持的最佳维护答案。

“维护”意味着问题有负责人、来源集、最后验证日期、可见张力与修订条件。新材料可以加强、削弱或退休答案。证据不足时，沉默仍是诚实结果。公开来源支持公开答案；私有采访继续保持私有，直到取得许可并完成编辑审查；读者回复先是线索；AI 负责加速检索与起草，发布者负责验收。

从12个问题开始。保留原始来源完整。把张力放在答案旁边。衡量每个人工小时的合格答案数。让读者补充证据，而不只留下反应。

当记忆既能回答问题，又能展示收据，它才真正成为产品。

Categories and keywords

Categories: Knowledge Systems; Distribution; Agentic AI; One Person Company.

Keywords: 可回答档案；来源出处；证据图；问题式检索；矛盾界面；回答产率；更正延迟；合格答案；iamrobin.ai；SunTV。

Hashtags: #KnowledgeSystems #AgenticAI #DigitalArchives #Provenance #OnePersonCompany #iamrobin