我是蔡興正，透過思考、實踐與職涯探索，記錄每一次學習與成長。相信所有的累積，都會化為養分，長成屬於自己的那棵樹。
我用 Evernote 將近十年。
它的收藏功能、圖片辨識、從單向連結到雙向連結，每一次版本更新我都滿心期待，覺得這次應該可以解決資料管理的問題了。
但筆記的數量越來越多，問題其實不是出在「管理」，而是出在「使用」。過去我以為是管理得不夠好，所以試過分類、標籤、資料夾、快速鍵、第三方外掛，每隔一段時間就重整一次，每次都覺得這次終於對了。但要找到我真正想要的資訊，依然很不順暢。
不是 Evernote 不好用。是我從來沒有解決一個根本的問題：素材進得來，但流不動。
正因為有了這十年的經驗，當我重新看待 AI 整理資料時，我變得更加謹慎與小心。
後來開始用 AI 工具時，我沒有盲目跟風。雖然 NotebookLM、Gemini、Antigravity 三個都學會了，但回去使用後我發現：要是沒有解決「流動」的問題，一樣會重蹈覆轍，甚至覺得更忙，而不是更好。因為每個工具各做各的，資料在這邊，整理在那邊，最後要查的時候又要重來一遍。
那個時候我才意識到，問題從來不在工具，而在「有沒有一條讓素材持續流動的路」。
大多數人的 AI 使用方式，都是一次性的
「素材無法流動」這個問題，不只是我遇到，而是大多數 AI 使用者的共同痛點。我們常常是這樣使用 AI 的：今天整理一本書。明天整理一份 PDF。後天整理一場會議記錄。
每次都重新開始，整理完就結束了。那些素材不是留在對話視窗裡，就是散落在不同的 AI 工具之間。當下看似有效率地完成了工作，但下次要用的時候，又找不到了，只好重新提供素材、重新說明背景，從頭再來一遍。
換句話說，你整理了很多，但什麼都沒留下來。知識沒有累積，AI 也沒有辦法變得更了解你。
資料庫可以是不同的形式。累積大量資訊，需要一個地方；累積個人經驗與工作脈絡，又是另一種作法。我自己用 Claude AI 的 Project 來累積經驗，用 NotebookLM 來管理大量的課程素材與文章。不同的需求，工具的選擇也不一樣。
這篇要談的，是累積大量資訊的那條路。
NotebookLM 最核心的事，不是它有多聰明
現在很多人整理資訊、消化報告，甚至準備簡報素材，都開始離不開 NotebookLM。它能做到的事情確實不少，也難怪用過的人幾乎都會繼續用。不過，大多數人用它的方式，跟用 ChatGPT 沒什麼兩樣：問它問題，期待它直接給出答案，或是直接完成報告。但它跟一般生成式 AI 有一個根本的差異：它不憑空回答，它只從你上傳的素材裡找答案。我在課程裡常說這句話：ChatGPT 不用給資料，就給答案。NotebookLM 則是，不給資料，不給答案。
這句話聽起來像限制，但其實是它最大的優勢。因為它給你的每一句話，都有所本，都可以追溯，不會憑空捏造。
但這也意味著，素材的品質決定了它能給你的一切。資訊界有句老話：Garbage in, garbage out。素材不夠好，輸出就不會好；素材沒有整理過，它找到的答案也會是零散的。工具再強，入口的品質決定了出口的價值。
所以真正的問題變成：怎麼讓素材好好地進來？這就要談到工具各自的角色了。
三個工具，三個不同的角色
我在設計這套流程的時候，是這樣定位這三個工具的：- NotebookLM 是你的超級知識庫。它能容納的資料量非常大，整本書、整份研究報告、幾十篇文章全部放進去，然後透過提問來萃取需要的內容。它的強項是檢索與比對，而不是生成。
- Gemini AI 是取材與轉換的工具。手機拍的照片、掃描的文件，它可以做 OCR 辨識，把圖片轉成結構化的文字。這一步解決的是「實體資料數位化」的問題。
- Claude Desktop 與 Google Antigravity IDE 是排版整理的工具。兩者都能讀取 SKILL.md，依照設定好的格式整理章節結構，再存回 Google 雲端硬碟。Claude Desktop 以主力排版為主，Google Antigravity IDE 則偏向輔助執行與自動分類，依自己的習慣選擇即可。
建立流程之後，發生了什麼事
我現在整理一本書的方式是這樣的。拿起手機拍幾頁，上傳到 Gemini AI 做 OCR，輸出 Markdown 格式的文字。接著交給 Claude Desktop 或 Google Antigravity IDE 整理章節結構，兩者都支援 SKILL.md，依自己的習慣選擇即可，整理完存回 Google 雲端硬碟。同步完成，NotebookLM 的知識庫裡就多了這批素材。
整個過程，大概十分鐘，順得像呼吸。中間經過哪些工具，已經不是我需要想的事。
這跟以前用 Evernote 最大的差別，不是「快了多少」。過去每一個步驟都是獨立的：轉檔是一次決定，命名是一次決定，放哪個分類又是一次決定。
每一個決定都在消耗注意力，卻沒有一條路把它們串起來。整理完了，也未必找得到。現在這些決定都已經寫進流程裡，我只需要啟動它，結果就會在知識庫裡。
讓素材流動的六個步驟
剛才說的是親身感受，這裡把步驟拆開來，讓您可以看清楚每個環節在做什麼。第一步，取材。
選取要整理的書籍或文件頁面，手機拍照或掃描器輸出。這一步的重點是確保圖片清晰，後續的辨識品質才會穩定。
第二步，文字轉換。
把圖片上傳到 Gemini AI，指定輸出 Markdown 格式，讓它把圖片轉成結構化的文字。實體的東西從這步開始變成可以被處理的數位格式。
第三步，排版整理。
以 Claude Desktop 為主力，搭配 Google Antigravity IDE，依照設定好的格式整理章節結構，然後存回雲端硬碟路徑。這一步是在「給素材一個標準的樣子」，讓它之後可以被穩定地調用。
第四步，雲端同步。
桌機版的 Google 雲端硬碟會自動同步，讓本機路徑與雲端保持一致，多個工具都可以直接讀取，不需要手動搬運。
第五步，清單管理。
在 Google 試算表建立媒材索引，追蹤哪些素材已經處理、哪些還在等待、哪些已經上傳。這裡我是用 AI 來寫 Google Script，讓試算表可以自動抓取、更新狀態，不需要每次手動填寫。這一步是讓整個流程可以持續運作、不失控的關鍵。
第六步，進入知識庫。
從雲端硬碟匯入整理好的檔案，建立 NotebookLM 主題知識庫，啟用 AI 問答與摘要功能。
做完這六步，素材才算真正「進來了」。這個時候的知識庫，才開始發揮它本來的能力。
以前用 Evernote 或 Google 搜尋，找的是「一模一樣的字」。你打「行銷策略」，它找有這三個字的筆記。找不到，就沒有。但你腦袋裡想的那個概念，不一定用同樣的詞說出來。
NotebookLM 不是找字，它是理解意思。
做完這六步，素材才算真正「進來了」。這個時候的知識庫，才開始發揮它本來的能力。
素材進來了，然後呢？
素材進來之後，NotebookLM 能做的事，跟以前用搜尋找資料有根本的不同。以前用 Evernote 或 Google 搜尋，找的是「一模一樣的字」。你打「行銷策略」，它找有這三個字的筆記。找不到，就沒有。但你腦袋裡想的那個概念，不一定用同樣的詞說出來。
NotebookLM 不是找字，它是理解意思。
你問「怎麼讓客戶更願意回購」，它能從你上傳的素材裡，找出和這個概念相關的內容，哪怕那份文件用的是完全不同的說法。這是因為它用的是向量技術，把每一段文字轉換成意義的座標，比對的是「概念的距離」，而不是「字面的相同」。
簡單說：以前搜尋是找一樣的字，現在是找一樣的意思。
它能容納的資料量也遠超過一般工具，目前一筆記事本，大約可以放進 2500 萬字左右的素材。這代表你可以把整個課程的所有資料、幾年累積的文章、幾十本書的重點，全部放進同一個知識庫，然後用一個問題，跨越所有素材找到答案。
對初學者來說，最直接的感受是：你問它問題，它給你答案，而且會告訴你答案來自哪一份文件的哪一段。不會憑空捏造，可以追溯。
對進階使用者來說，真正的價值在於：它能做跨文件的比對與推論。
簡單說：以前搜尋是找一樣的字，現在是找一樣的意思。
它能容納的資料量也遠超過一般工具，目前一筆記事本，大約可以放進 2500 萬字左右的素材。這代表你可以把整個課程的所有資料、幾年累積的文章、幾十本書的重點，全部放進同一個知識庫，然後用一個問題，跨越所有素材找到答案。
對初學者來說，最直接的感受是：你問它問題，它給你答案，而且會告訴你答案來自哪一份文件的哪一段。不會憑空捏造，可以追溯。
對進階使用者來說，真正的價值在於：它能做跨文件的比對與推論。
你可以問「這兩份報告的結論有什麼矛盾」、「哪些素材支持這個論點」、「幫我從這批資料裡找出還沒被討論到的觀點」。這種問法，傳統搜尋完全做不到。
這就是為什麼我越來越覺得，AI 不只是回答問題的工具，它更像是一條知識供應鏈。前端負責取得素材，中間負責整理格式，後端負責檢索與應用。真正決定效率的，不是任何一個工具有多強，而是整條供應鏈是否順暢。哪個環節卡住了，後面就全部卡住。
很多人學了好幾個 AI 工具，還是覺得沒有變輕鬆。因為他們在優化每個工具的使用方式，卻沒有想過工具之間的連接是否順暢。你現在的 AI 使用方式，是一次性的，還是可以累積的？如果每次都是重新開始，也許需要的不是更多工具，而是一條流。
這就是為什麼我越來越覺得，AI 不只是回答問題的工具，它更像是一條知識供應鏈。前端負責取得素材，中間負責整理格式，後端負責檢索與應用。真正決定效率的，不是任何一個工具有多強，而是整條供應鏈是否順暢。哪個環節卡住了，後面就全部卡住。
很多人學了好幾個 AI 工具，還是覺得沒有變輕鬆。因為他們在優化每個工具的使用方式，卻沒有想過工具之間的連接是否順暢。你現在的 AI 使用方式，是一次性的，還是可以累積的？如果每次都是重新開始，也許需要的不是更多工具，而是一條流。
你現在的 AI 使用方式，是一次性的，還是可以累積的？
如果每次都是重新開始，也許需要的不是更多工具，而是一條流。
你現在的 AI 使用方式，是一次性的，還是可以累積的？如果每次都是重新開始，也許需要的不是更多工具，而是一條流。
這套流程，我把它整理成一門課
很多人以為 AI 最重要的是提示詞。我反而認為，真正決定 AI 能不能持續幫助你的，是資料流。因此我將整套流程整理成一堂「AI 時代的自動化知識庫管理」實體課，六小時、七個單元，帶你在課堂上完成第一版專屬的自動化流程。
課程大綱如下：
- 現況思考與聚焦核心目標
- 提示詞資料庫整理與網站發佈
- 個人媒材清單建置
- Google Apps Script 自動化檔案處理
- AI 代理素材整理﹙SKILL.md﹚
- NotebookLM 知識應用
- 流程壓力測試﹙現場完成一版﹚
目前預計 2026 年 8 月 15 日開設公開班，也歡迎揪朋友一起來，人數夠的話可以安排好友班或揪團班。有興趣的話，歡迎留言或私訊我。
【課程資訊】
📌 日期：2026/08/15﹙六﹚
📌 時間：09:30~16:30
📌 地點：台北捷運附近小樹屋﹙成課通知確認地址﹚
．．．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
留言
張貼留言