親愛的朋友，你好：
歡迎閱讀第 135 期的《Vista 電子報》。這一期，我想跟你聊聊 AI 時代的知識管理術：當 AI 可以幫你讀、幫你找，甚至幫你寫，我們過去熟悉的那套筆記方法，哪些還成立？哪些該換掉了？
之所以會想寫這個主題，是因為前陣子我收到某位讀者的來信。他說自己訂閱了十幾份電子報，Notion 裡存了幾百篇文章，瀏覽器的書籤資料夾疊了一層又一層。但每次真正遇到問題，他還是直接打開 ChatGPT 從零問起。
他問我：「那我這些年存下來的東西，到底算什麼？」
嗯，我看完信之後想了很久。因為這不只是他的問題，也曾經是我的問題。
收藏的幻覺，被 AI 拆穿了
在 AI 普及之前，知識管理的主流思維是囤積：看到好文章先存起來，聽到好觀點先記下來，總覺得以後會用到。這套邏輯在資訊取得成本很高的年代是成立的，你多存一份資料，就多一分優勢。
但是，現在的情況改變了。任何一個主題，AI 都能在三十秒內給你一份有模有樣的整理。單純的資訊收藏，價值正在快速歸零。你辛苦搜集的那幾百篇文章，在 AI 的訓練資料裡大概都有，而且它讀得比你熟。
這聽起來很殘酷，但我認為這反而是好消息：因為它逼我們回頭思考，知識管理真正的價值到底在哪裡？
我的答案是：AI 給得出來的東西，不必刻意保存；反觀那些 AI 給不出來的東西，才值得管理。哪些東西是 AI 給不出來的？諸如：你的親身經驗、你踩過的雷、你在特定情境下做過的判斷、你和客戶往來的紀錄、你對自己領域的獨特觀點。這些東西，才是你知識庫裡真正的資產。
三個轉變：AI 時代的知識管理長什麼樣子
這一年來，我把自己的知識管理系統整個翻修了一遍。現在回頭看，箇中的核心轉變主要有三個。
第一個轉變：從儲存導向，改成調用導向。
以前整理筆記，想的是怎麼保存才整齊；現在整理筆記，想的是怎麼存才叫得出來。這兩者的差別很大。前者在意資料夾的分類漂不漂亮，後者在意的是：三個月後的我，或者我的 AI 助理，能不能在需要的時候快速找到這則筆記，並且看懂它。
具體的做法是，每則筆記寫完之前，我會問自己一個問題：未來的我會用什麼關鍵字找它？然後把那些字寫進標題或內文。這個小動作，比任何華麗的分類系統都有用。
第二個轉變：從分類，改成連結。
樹狀資料夾是給人看的，連結網絡才是給 AI 用的。一則筆記如果只是安靜地躺在某個資料夾深處，它跟其他知識沒有任何關係，AI 也很難理解它的脈絡。但如果它連向三五則相關筆記，AI 在讀它的時候，就能順藤摸瓜把整個脈絡拉出來。
我現在用 Anytype 和 Obsidian 管理個人知識庫，每則新筆記至少連向兩則舊筆記。這條紀律執行起來不難，效果卻很驚人：幾個月下來，筆記之間長出了我自己都沒預料到的連結，有幾篇文章的靈感，就是從這些意外的交會點來的。
第三個轉變：筆記從寫給自己看，變成寫給 AI 看。
在我看來，這是最關鍵的一個轉變。過去筆記寫得再潦草都沒關係，反正只有自己看。但當你開始讓 AI 讀你的知識庫，筆記的品質就直接決定了 AI 輸出的品質。
寫給 AI 看的筆記，有幾個具體的要求：日期寫絕對日期，不寫上週或前陣子；人名、專案名寫全稱，不用只有自己懂的縮寫；結論和依據分開寫，讓 AI 知道哪些是事實、哪些是你的判斷。原則其實很簡單：把每則筆記當成寫給一位新同事的交接文件。
一個真實的例子：寫書素材是怎麼長出來的
講一個我自己的例子，你會更有感覺。
今年上半年，我在準備新書的書稿。按照過去的經驗，寫一本書最痛苦的階段是搜集素材：翻舊文章、找當年的簡報、回想某次演講講過什麼案例，光是把材料湊齊就要耗掉幾個星期。
但這一次不一樣。因為過去一年多，我把演講逐字稿、學員問答、每日覆盤全部整理進了知識庫，而且每一則都照前面說的方式寫：絕對日期、完整人名、結論與依據分開。所以，當我要撰寫某一章的時候，我只需要請 AI 助理到知識庫裡把相關的素材撈出來，附上出處，再由我挑選、改寫、串成章節。
原本要花幾個星期的素材搜集，壓縮到了幾個小時。而且撈出來的素材裡，有不少是我自己都忘記講過的觀點。直到那一刻，我才真正體會到：知識庫不會直接替你工作，但它決定了 AI 能替你工作到什麼程度。
反過來說，如果我的筆記還是過去那種隨手亂記的狀態，AI 面對一堆語焉不詳的片段，能幫上的忙就非常有限。同樣的工具，用在不同品質的知識庫上，產出的落差可以大到像是兩個不同的產品。
我每天實際在做的四件事
講完觀念，來講一下操作的細節吧！以下是我目前每天實際執行的流程，未必是最完美的，但可以提供給大家參考。
第一，統一入口。所有靈感、摘錄或待讀連結，先進同一個收件匣，不做分類。分類是之後的事，捕捉的當下速度最重要。
第二，每日清空。收件匣裡的東西，當天或隔天處理：值得留的改寫成筆記並加上連結，不值得留的直接刪掉。刪掉的比留下的多，這很正常。
第三，讓 AI 參與整理。我會請 AI 幫我把演講逐字稿、會議紀錄拆解成一則一則的原子筆記，再由我審核修改。整理知識這件事，AI 做粗活、人做判斷，效率差了不只十倍。
第四，每日覆盤回寫。每天收工前，花十分鐘把當天的決策和心得寫回知識庫。這一步最容易被跳過，但它恰好是整個系統裡最值錢的部分：因為這些內容，正是前面說的、AI 給不出來的東西。
工具怎麼選？三個原則和三個迷思
寫到這裡，你可能會問：所以我該用什麼工具？
我的看法是，工具真的是次要的。舉凡 Obsidian、Notion、Heptabase、Logseq，甚至純文字檔加資料夾，都能跑得動上面說的流程。真正重要的是工具符不符合以下三個原則。
第一，資料要能自由匯出。道理很簡單，因為你的知識庫是要陪你十年、二十年的資產，任何把資料鎖在私有格式裡的工具，都要謹慎考慮。我偏好以純文字和 Markdown 為底的工具，理由很實際：AI 讀取這類格式最不費力，未來搬家也最容易。
第二，AI 要接得進來。不管是透過官方功能、外掛還是開放接口，你的 AI 助理必須有辦法直接讀寫這個知識庫。接不進來的工具，在 AI 時代等於是一座孤島。
第三，捕捉的動線要夠短。從想到一件事到記下來，中間的步驟愈少愈好。當步驟一多，人就會偷懶，系統就會慢慢荒廢。
至於迷思的部分，我也想提醒大家。以下這些，都是我自己繳過學費的。
一是完美分類的迷思。花大把時間設計精緻的資料夾階層和標籤系統，往往撐不過三個月。與其追求完美的分類，倒不如把力氣花在寫好每一則筆記、建好每一條連結上。
二是工具跳槽的迷思。每次看到新工具就搬家一次，資料愈搬愈碎，最後哪一邊都不完整。工具的邊際差異，遠小於持續使用同一套系統累積出來的複利。
三是全部都存的迷思。存下來的東西愈多，訊噪比愈低，AI 檢索的品質也跟著下降。捨得刪，是 AI 時代知識管理裡被低估的能力。
你的知識庫，就是你給 AI 的上下文
最後，我想留給你一個思考。
很多人問我，為什麼同樣用 AI，有些人的產出就是比較好？我觀察到的關鍵差異，往往不在提示語的技巧，而在你餵給 AI 的上下文。
你的知識庫整理得愈好，AI 對你的了解就愈深，它給你的答案就愈貼近你的情境。
換句話說，AI 時代的知識管理，管理的已經不只是知識本身，還有你和 AI 之間的協作介面。你今天寫下的每一則筆記，都是在訓練那個未來替你工作的 AI 助理。
從這個角度看，知識管理不但沒有被 AI 淘汰，反而變得前所未有地重要。
如果你想開始動手，我的建議是不必一次到位。先挑一個你最常被問到的主題，把過去散落各處的相關資料集中起來，照著我的方式改寫成十則筆記，再讓 AI 讀讀看，請它用這些筆記回答一個實際的問題。
你會很快感受到差別，而那個手感，會推著你把系統繼續建下去。
如果你已經開始動手整理自己的知識庫，或者正在這件事上卡關，歡迎直接回信告訴我你的做法和困難，我都會讀。也歡迎你把這封信轉寄給身邊正在被資訊淹沒的朋友，邀請他們訂閱《Vista 電子報》。
我們下期見！
Vista