Workshop
Knowledge Management in the Age of AI
看到一篇很不錯的 Threads 文，放到珍藏。然後就再也沒打開過。筆記軟體裡存了幾百則筆記，真的要用的時候，翻了十分鐘還是找不到。
你知道自己之前有存過相關的內容。但在哪？叫什麼名字？你不記得了。寫了一堆文章沒發，一年後才想起來有寫過。
你儲存一個東西只要兩秒，但看那個東西最快也要一分鐘。你的收藏越來越多，但真正看過的越來越少。
你跟 AI 說「幫我看看我之前存的素材」，它給你一堆不相關的東西——因為你的筆記根本沒有被設計成 AI 讀得懂的格式。
PARA、卡片盒、Notion、Obsidian⋯⋯每次都覺得「這次一定不一樣」，結果三個月後又回到同一個循環。
收藏從未停止，
行動從未開始。
遇到這個問題，大部分人會怎麼做？
Notion 不夠好？換 Obsidian。Obsidian 太複雜？試試 Heptabase。每次換一個新工具，花兩天設定，用了一個月又覺得哪裡不對。問題不在工具。
PARA、卡片盒、MOC⋯⋯每個都有道理，每個都學了一點。但回到日常，你還是不知道今天這個想法要放在哪裡、怎麼分類、之後怎麼找。方法學了，執行靠的還是自己。
週末花兩小時整理筆記。堅持了三週，第四週開始拖。第五週就放棄了。因為整理本身就是一件消耗精力的事。
這些都沒有錯。但它們解決的都是同一個問題的表面——怎麼讓「人」整理得更好。
真正的瓶頸就是「人」本身。
記筆記、分類、歸檔、索引——全部靠你。你的精力有限，存的速度永遠大於消化的速度。
你不可能學完所有儲存的東西。但 AI 可以。
這堂工作坊教你一件事：
你存的時候只做一件事——存。
分類、歸檔、找到、應用——全部交給 AI。
不過，AI 不是萬能的。你隨便把東西丟進去，它也會亂。它可能誤會你的意思、拿錯東西給你、每次都在一堆檔案裡翻找——不只花時間，更花錢。
好的系統像書櫃，壞的系統像倉庫。
所以你需要一套「AI 讀得懂」的架構。不是隨便建幾個資料夾就好——你要想清楚：資訊從哪裡進來、怎麼流動、最後到哪裡去。
這堂課會帶你從零建好這套架構。
立即報名What your daily workflow looks like
在 Threads 看到好內容，按收藏。三個月後收藏夾裡躺了三百則，你連第十則都沒回頭看過。
傳給 AI，它自動擷取內容、判斷類型、存到對應的知識庫。你不用開電腦，不用手動整理。中午滑手機看到的東西，下午就能被 AI 調用。
看到好內容 → 傳給 AI → 自動分析分類 → 存入知識庫通勤時想到一個觀點，用語音備忘錄講了五分鐘。到了電腦前，那段錄音就放在那了——因為整理太花時間。
語音丟給 AI。它幫你轉文字、加標點、重組段落、拆成獨立卡片、附加到對應的專案。你可能講了五個想法，有兩個被標記「可以用在下週的貼文」，一個被建議「加到銷售頁文案」。你做的事就是：講話。
語音 → 轉文字 → 重組加標點 → 拆卡片 → 附加到專案 → 排進發文序列看到 SEO 專家在社群發了一篇很實用的觀點。你按讚、你存了。然後呢？等到你真的需要寫 SEO 文章的時候，你根本不記得那篇在哪。
存到你的 SEO 知識庫。之後你要寫 SEO 文章，AI 自動調用那個資料夾的所有內容，幫你檢查你的文章哪些符合、哪些可以優化。搜一次，用很多次。
專家觀點 → 存到領域知識庫 → AI 自動調用 → 你寫東西時即時檢查和建議AI 幫你整理完筆記，分好類，結束。那些分好類的筆記，還是躺在那裡。你知道它在哪，但不知道它能幹嘛。
AI 整理完之後，還多做一步——它交叉比對你的專案、你的課程、你的發文計畫。然後告訴你：「你錄的這段語音提到『系統的價值在設計不在工具』，這段可以當知識管理課的行銷文案核心論點。」整理不是終點。知道拿來幹嘛，才是。
整理完畢 → 掃描所有專案 → 交叉比對 → 主動建議「這段可以用在這裡」你有十個散落各處的想法，每個都跟同一個主題有關。但它們在不同的筆記裡、不同的日期、不同的資料夾。要自己翻找、拼接、組合成一篇文章，光想就累。
跟 AI 說「幫我看看這個主題有什麼素材可以用」。它翻你的知識庫，把相關的卡片全部調出來，告訴你「這段可以當開場」「這段可以當佐證」。你花十分鐘把它們串起來，初稿就出來了。
指定主題 → AI 搜索相關卡片 → 建議結構 → 你串起來 → 初稿完成你不用自己翻找、不用自己分類、不用自己拼接。
你只負責存和最後確認。
中間所有的苦工，都是 AI 在跑。
Curriculum
不是什麼都存。你要搞清楚四種資訊類型：想看的、可以當參考的、可以從中學習的、可以提取架構的。哪些你自己看，哪些交給 AI 學——這堂課會幫你判斷清楚。
檔案怎麼建、資料夾怎麼命名、索引怎麼設計。讓 AI 讀起來又快又準，而且省 Token。這不是某個工具的教學——是一套不管換什麼工具都能用的架構思路。
手機、語音、網頁、電腦——不管從哪裡輸入，AI 自動分析、分類、存到對應的知識庫。你不用坐在電腦前才能整理。
語音轉文字 → AI 重組 → 拆卡片 → 附加到專案 → 排進發文序列。整個輸出流程跑一次之後，固化成 Skill，下次一鍵觸發。
做不好的人跟 AI 說「幫我整理筆記」，得到一個沒什麼用的結果。做得好的人把「整理筆記」拆成：加標點 → 歸主題 → 修錯字 → 判斷能不能獨立成文 → 分類到專案。每個環節有明確的輸入和輸出。這就是 Skill——不靠運氣，靠設計。
What you get
工作坊全程錄影回放 — 沒跟上的部分隨時重看
知識庫架構模板 — 資料夾結構、命名規則、索引格式，直接套用
AI 整理筆記 Skill 模組 — 語音整理、網頁擷取、筆記歸檔、想法分類，調校好的流程裝進去就能跑
資訊分類判斷標準 — 什麼讓 AI 整理、什麼自己看？全部寫清楚，你把規則交給 AI，它就能穩定執行
學員限定社群 — 交流架構設計、分享自己的 Skill，遇到問題直接丟進去
Instructor
我以前是 Notion 的重度使用者。重度到什麼程度？我設計的 Notion 模板賣了超過一百份。
那時候我的知識管理流程是：看到東西 → 存到 Notion → 分類 → 打標籤 → 建 Database View。整套系統很漂亮，用起來也順手。
但有一天我發現一件事：我花在「維護系統」上的時間，比花在「用系統產出」上的時間還多。
我在幫系統服務，不是系統在幫我服務。
後來 AI Agent 出來了。我開始把那些原本自己在做的事——分類、歸檔、建索引——一件一件交給 AI。
交出去之後我發現，過去我在 Notion 裡精心設計的那些 Database、那些 View、那些點點按按的流程——它們是為「人」設計的。但現在操作的不是人，是 AI。AI 不需要漂亮的介面，它需要的是讀得快、找得準、省 Token 的檔案結構。
所以我整套系統重新設計了一次。從 Notion 搬到 Obsidian + Claude Code。不是 Notion 不好，是使用者從人變成了 AI，設計的邏輯要跟著變。
現在我的知識庫裡有上百篇筆記、幾十個專案、每天持續進來的新想法。全部靠 AI 幫我整理、分類、調用。我自己做的事只有兩件：存，和最後確認。
FAQ
可以。工作坊從環境設定開始教起，一步步帶你做。你不需要任何技術背景或程式經驗。
可以。這堂課教的是架構思路，不是特定工具教學。雖然會用 Obsidian 示範，但核心原則——怎麼設計資料夾、怎麼讓 AI 讀得懂、怎麼建索引——不管你用什麼工具都適用。
知識管理課聚焦在「資訊怎麼進來、怎麼存、怎麼被 AI 用掉」。工作流工作坊聚焦在「怎麼拆解任何日常工作，讓 AI 接手執行」。一個是建知識庫，一個是建工作流。兩個可以搭配，也可以獨立上。
適合。只要你有「存了很多資料但用不到」的問題，這堂課都能幫你。不管你是做行銷、管專案、做研究、還是純粹想把自己的想法管好。
不是。Obsidian 只是示範工具。你學到的是「怎麼設計一個 AI 用起來順的知識庫」，這套思路換到任何工具上都能用。
可以。會有學員限定社群，有問題直接丟進去。
你的收藏夾裡，現在躺了多少東西？
那些你存過的文章、你記過的想法、你截過的圖、你錄過的語音——它們不是沒有價值。它們只是在等一套系統，讓它們真的被用起來。
當你將知識管理結合 AI，你擁有的將不只是第二大腦，更是一個懂你的數位分身。
它讀過你讀過的東西、記得你記過的想法、知道你正在做什麼專案。你不用翻找，不用回想，不用整理。你只要開口問，它就能從你累積的所有內容裡，給你最需要的那一段。
這堂工作坊，就是幫你建出這個數位分身的起點。