個人知識庫最難的，不是建立而是維護

我想試試看，AI 能不能讓這一次真的維護下去。這篇文章寫在我真正動手之前，記錄的是現在的想法，不是已經做完的成果。

我試過不少筆記工具，也試過幾種知識管理的方法。要做出一個看起來像樣的雛形，其實不難，卡關的地方一直是維護。資料一多，就要花時間整理、補連結、更新舊筆記，通常撐不過三個月，我就沒力氣繼續維護下去，那套系統慢慢就荒廢了，變成一堆沒人再打開的檔案。

這一次不一樣，因為我先解決了資料源的問題。不是從網路上亂抓資料，是透過 NotebookLM 這類 RAG AI，把自己過去的經驗跟學習內容整理進去，資料是我自己讀過、教過、確認過的，可信。再加上 AI 現在能到桌機上直接協助整理，過去那個一直卡關的維護難題，終於有機會真的做出來，不再只是一個想了很久的願望。

不過 NotebookLM 本身還是有限制，它是一座孤島。

它能把一份資料整理得很清楚，但這份整理出來的東西，跟另一份整理出來的東西，彼此不會互相串接。今天問出來的洞察，跟上週問出來的洞察，各自躺在各自的對話裡，沒有牽上線。大腦不是這樣運作的，大腦裡的節點，要是彼此沒有連結，就會稀稀疏疏，不成一張網，想得到卻用不出來。

中介，我要接的那一層

LLM Wiki 這個概念裡提到，這套系統需要兩個角色，一個是來源，一個是知識庫，來源只負責提供素材，真正的知識累積發生在知識庫那一層。

對應到我自己的做法，來源就是 NotebookLM，我自己讀，自己整理出背景理解，從裡面提取真正重要的東西；知識庫則是用卡片盒筆記法寫成的筆記，透過 Obsidian黑鑽筆記把這些筆記彼此串接起來。

會選卡片盒筆記法，不是隨便挑的。常聽人說知識是被分類出來的，先決定好資料夾、決定好標籤，資料進來就對號入座。但世界變化很快，現在覺得對的分類，過一陣子可能就不對了，硬要維持一套固定分類，遲早會卡住，這也是我過去幾次筆記系統慢慢荒廢的原因之一，分類法跟不上想法的變化。

我更想改成另一種說法：知識是被組合起來的。把知識拆到最小的單位，一則只講一件事，之後要用的時候，依照當下的需求，重新組裝成不同的樣貌。這可能才是真正適合我的知識管理方式，不是先框好類別，是讓每個最小單位保持彈性，隨時能被重新拼起來。

分工是這樣的：我自己從 NotebookLM 讀完、提取出重點之後，交給 AI 寫成卡片盒筆記法的永久筆記，一則筆記只講一件事，獨立完整，不夾雜好幾個概念在同一則裡面。接著也是 AI 負責找出這些筆記之間該怎麼連，哪個概念跟哪個概念有關係，把連結建起來。

我自己再回頭審查兩件事：AI 寫的內容有沒有失真、有沒有把我提取的重點簡化過頭；還有選的連結點是不是我真正想要的那條線，會不會硬牽了一條其實不相關的關係。這跟我一直以來處理外部編輯建議的習慣一樣，先評估，再決定要不要採納，不是收到就照單全收。

也有一種常見的說法，把人的判斷跟機器的處理分成兩個大腦：

• 第一大腦是人腦，負責思考跟判斷；
• 第二大腦是外部系統，負責儲存、整理、執行。

放到我這套流程裡，提取重點跟審查對錯，是第一大腦在做的事；寫筆記、找連結這些花時間又瑣碎的活，交給第二大腦，也就是 AI。這個分工，跟我前面說的「先評估再決定要不要採納」是同一件事的兩種講法。

說清楚一件事，我不是打算照搬 Karpathy 原本那套完整架構去建。

他的設計裡還有規則檔、資料夾分層這些細節，是為了服務更大規模、更多人協作的場景。我借用的只是「來源負責提供素材、知識庫負責累積連結」這個分工邏輯，實際落到我自己身上，就是 NotebookLM 加卡片盒筆記法加 Obsidian黑鑽筆記這三個我原本就在用、或早就想用的工具，接起來而已，不是憑空搬一套陌生的系統進來。

前面提到，過去撐不過三個月的原因，是維護跟不上。

卡片盒筆記法本身要求大量手動寫筆記、補連結，光靠自己一頁一頁寫、一條一條連，這次也一樣會撐不住。差別是這一次讓 AI 分攤了這部分繁瑣的工作，我不用自己一個字一個字寫進去，只需要決定提取什麼、審查 AI 做的對不對。準確一點說，不是 AI 幫我建立知識庫，是 AI 幫我降低建立與維護知識庫的成本，這個成本降下來，這次才真的有機會走下去。

這一層中介真正在做的事，是把 NotebookLM 整理出來、原本一則一則孤立的資訊，重新織成一張有連結的網。目標不是把資料存起來就好，是要讓筆記彼此牽上線，越連越密，不再稀稀疏疏，之後不管是備課還是寫文章，隨便從網上的一個節點出發，都能順著連結找到相關的其他東西。

會想到用「中介」這兩個字，是因為我教記憶法的時候，常常講「中介元素」，用一個看似不相關的東西，把兩個原本兜不起來的概念接在一起，好讓大腦記得住，建立連結。我一開始以為自己是在借用規模的比喻，大資料庫接小知識庫，後來才想清楚，那個方向錯了。

真正對上的地方，是連結本身：記憶法的中介元素，是為了在大腦裡把兩個節點接起來；我現在要接的這層中介，做的也是同一件事，把原本孤立、沒有連結的資訊，重新織成一張有連結的網。這次意思跟功能終於對上了。

小，課程真正用得到的知識庫，長什麼樣子

卡片盒筆記法裡有兩種卡片，這也是我打算用來組織整個知識庫的方式：

• 專案卡片：對應具體的一堂課、一篇正在寫的文章、一個真實案例，範圍是有邊界的，做完就算告一段落。比如某一場企業內訓的課程設計，就是一張專案卡片，裡面連著這堂課用到的所有主題卡片。
  
  
• 主題卡片：對應一個概念、一個框架，會被不同的專案卡片引用、連結，同一個概念不會因為出現在不同課程裡就重複寫好幾份。像心智圖法這樣的概念，可能同時被好幾堂企業內訓課程提到，寫成一張主題卡片之後，各堂課的專案卡片都連過去，我要更新這個概念的講法，只需要改一個地方，不用每堂課各自改一次。

這套分法，我在整理課程用的 Google 簡報時其實已經在做了，只是還沒有真正串接起來，各自散落在不同檔案裡。寫部落格文章，也是這套系統的應用之一，寫一篇文章的過程，就是把相關的主題卡片跟專案卡片抽出來，重新組織成一篇完整的東西，比如這篇文章，本身就是把「LLM Wiki」「卡片盒筆記法」「中介元素」這幾個原本各自獨立的概念串起來寫成的。文章寫完之後，又會變成新的素材，回頭餵養這整個知識網絡，變成之後某張主題卡片可以連過去的節點。

開頭說了，這篇是動手之前寫的。我知道現在寫的這套分工，實際做起來一定會撞牆，我現在其實沒有把握。等我實戰過一輪，回頭看這篇文章，說不定有一半的判斷都是錯的。但我還是想先寫，因為寫的過程本身，就是逼自己把模糊的想法想清楚的方式。等我真的建起來，我會回來改這篇文章，把當初想錯的地方，誠實地留下修改痕跡，而不是假裝自己一開始就想對了。

第一步很小，先從一份 NotebookLM 整理出來的資料開始，試著讓 AI 寫成第一批卡片盒筆記。之後回頭檢查這個方法到底成不成立，我會看這幾個點：

1. 卡片寫得準不準：AI 寫出來的卡片盒筆記，有沒有失真，有沒有把重點簡化過頭。
   
   
2. 連結牽得對不對：AI 建的連結，是不是我真正想要的那條線，還是硬牽了一條其實不相關的關係。
   
   
3. 審查花不花得起時間：一則一則盯著看，這個審查的時間成本，我到底負擔得起還是負擔不起。
   
   
4. 撐不撐得過三個月：三個月後回來看，這套系統是還在被我用、被更新，還是又跟以前一樣慢慢荒廢掉。

這四點想清楚，就知道這次跟過去到底有沒有不一樣。

小樹108・No.017｜AI工作流

．．．關於分享者．．．

※連繫：FB 蔡興正
※電郵：jason@cpfs.com.tw
※證照：孫易新心智圖講師班﹙2014﹚ | GCDF全球職涯發展師 | Google全球教育家
※專長：心智圖法 | 數位工作 | 職涯紫微