思源笔记是一款优秀的本地优先知识管理工具，支持块级编辑、双向链接、属性视图等高级功能。随着使用时间增长，笔记数量不断增加，整理维护成为一项耗时的工作。

传统方式下，整理笔记需要手动逐一打开文档、阅读内容、添加标签或调整分类。对于拥有数百篇笔记的用户，这个过程可能需要数小时甚至数天。

这里正好利用最近很火的 AI (Claude Code) 通过 MCP 协议直接操作思源笔记，实现智能化的批量整理。

1. 什么是 MCP

MCP (Model Context Protocol) 是 Anthropic 推出的开放协议，让 AI 模型能够安全地与外部工具和数据源交互。它定义了一套标准化的接口，使得：

• AI 可以读取文件、查询数据库、调用 API
• 工具开发者可以编写一次，被多种 AI 客户端使用
• 用户可以精确控制 AI 的访问权限和操作范围

对于思源笔记，社区已经开发了完善的 MCP Server，提供了笔记本、文档、块、搜索等全方位的操作能力。

2. 思源笔记 MCP 工具介绍

思源 MCP Server 提供了以下核心工具：

2.1 notebook - 笔记本操作

2.2 document - 文档操作

2.3 block - 块操作

2.4 search - 搜索操作

支持全文搜索、SQL 查询、标签搜索、反向链接查询等多种检索方式。

3. 实战案例：批量标签整理

3.1 需求描述

我的归档笔记本下有约 155 篇文档，涵盖证件、工资单、考勤记录、医疗档案等多个类别。每篇文档标题明确（如「2025年体检报告」「数禾202403工资单」），但缺少标签，检索效率低下。

希望为所有文档添加合理的标签，便于后续筛选和查询。

3.2 实现过程

第一步：获取文档结构

通过 MCP 工具递归遍历笔记本，获取所有叶文档的 ID 和标题：

1
2

notebook(action="get_child_docs") → 获取笔记本下文档
document(action="get_child_docs") → 递归获取子文档

第二步：智能标签建议

将文档列表整理成表格，AI 根据标题语义自动建议标签：

第三步：用户确认

将完整的标签建议表展示给用户，用户确认后开始批量处理。这一步很重要，避免 AI 误判导致标签混乱。

第四步：批量执行

使用 block(action="prepend") 在每篇文档开头插入标签：

1
2
3
4
5
6

block(
  action="prepend",
  data="#归档# #个人档案# #财务# #工资单# #数禾# #2024#",
  dataType="markdown",
  parentID="[文档ID]"
)

处理 155 篇文档，分批执行（每批 10 篇），全程耗时约 3 分钟。

3.3 效果展示

整理完成后，在思源笔记中搜索标签即可快速筛选：

• 搜索 #工资单# → 定位所有工资相关文档
• 搜索 #数禾# #2024# → 精确查找某年某公司的记录
• 搜索 #体检# → 快速访问历年体检报告

标签还支持在文档树中显示，形成可视化的分类索引。

4. 技术要点总结

4.1 1. 人机协作，先确认后执行

AI 擅长批量处理，但判断可能出错。关键操作前让用户确认，既发挥 AI 效率优势，又保证结果质量。

4.2 2. 递归遍历处理嵌套结构

思源笔记支持多层文档嵌套，需要递归遍历才能覆盖所有叶文档：

1

笔记本 → 年份文件夹 → 月度文件夹 → 具体文档

4.3 3. 批量操作的分批策略

大量操作时分批执行（如每批 10 条），避免单次请求过大，也便于观察进度和及时发现问题。

4.4 4. 标签语义的统一规范

建立标签命名规范，如：

• 层级标签：#归档# #个人档案# #证件#
• 时间标签：#2024# #03月#
• 实体标签：#数禾# #户口本#

统一规范让后续检索更加高效。

5. 更多应用场景

除了标签整理，MCP 还能实现：

• 批量创建文档：根据模板批量生成日记、会议记录
• 内容迁移：从其他笔记工具导入，自动转换格式
• 定期维护：自动检查无效链接、清理未使用附件
• 智能检索：用自然语言查询笔记内容，AI 理解意图后转化为精确搜索

6. 写在最后

MCP 打开了 AI 与本地知识库交互的大门。思源笔记作为本地优先的工具，通过 MCP 让 AI 成为真正的「知识助手」，而非仅仅停留在云端问答。

这种模式的优势：

• 隐私安全：数据始终在本地，AI 只在授权时访问
• 效率倍增：几小时的整理工作缩短到几分钟
• 持续进化：随着 MCP 生态成熟，更多能力将被解锁

如果你也在使用思源笔记，不妨尝试一下 MCP，让 AI 成为你的笔记管家。