Skip to content

維護：筆記怎麼不在三個月後荒廢，以及哪些事交給 LLM

2026年10月22日1 分鐘
首頁›learning
TL;DR排一個 30 分鐘的每週回顧：清收件匣、處理結束的專案、從一張 MOC 挑一個問題往下想。摘要不必排時間，碰到才加一層。LLM 可以幫你找重複、建議可能相關的筆記、把你先寫好的重點擴寫成句子；那一句自己的話、判斷什麼重要、刪不刪，留給自己。一項 30 人的研究比較三種 AI 協助，AI 直接給完整筆記的那組學得最少，也最少修改。
#knowledge-base#knowledge-management#note-taking#weekly-review#progressive-summarization#llm
系列: 知識庫怎麼建 (5 / 20)
選筆記工具：Obsidian、Notion，與換工具時資料帶不帶得走團隊知識庫為什麼會爛掉，以及要寫哪幾種文件

查詞與收藏

正在載入查詞工具…

🌏 English version

剛開始整理筆記的第一個月，通常很順：收件匣每週清、資料夾照新規則放、連結也寫了理由。三個月後，收件匣又堆了兩百則，你已經想不起上次打開 MOC 是什麼時候。筆記系統最常見的結局不是壞掉，是被忘記。

這篇是「知識庫怎麼建」個人段的最後一篇。前面四篇談收什麼、放哪裡、怎麼連、用什麼工具，這篇談怎麼讓它三個月後還活著，以及現在大家最常問的：這些整理工作，哪些可以交給 LLM？讀完你能排出一份 30 分鐘的每週回顧，並決定哪一步交給 LLM、哪一步留給自己。

先看一個研究。MIT 的 Van Kleek 等人 2009 年追蹤 42 個人用一個側邊欄筆記工具 10 天：筆記記下之後，75% 再也沒有被編輯過，有改的多數在當天就改了（Van Kleek et al. 2009）。不刻意回頭，筆記大多就停在記下的那一刻。

每週回顧：把 GTD 改成筆記版

GTD 的每週回顧清單分成三段：Get Clear（清空）、Get Current（跟上進度）、Get Creative（想新東西）。它原本是給待辦事項用的，但三段剛好對應前面幾篇講的事：

段落GTD 原本筆記版對應
Get Clear收件匣清到零用三步判準清空收件匣order 1
Get Current檢查專案清單結束的專案挑出可重用的，其餘封存；清理待讀清單order 2
Get Creative檢視「將來／也許」清單翻一張 MOC 的「還沒想清楚的」，挑一個問題往下想order 3

order 1 建議每週排 20 分鐘清收件匣，這裡是把它擴成 30 分鐘，多出來的時間用來處理專案和想新東西。每週回顧是方法作者的建議；我搜尋過檢驗它效果的實證研究，沒有找到。

漸進摘要：碰到才加一層

Tiago Forte 的漸進摘要（Progressive Summarization）常被誤解成一種要定期做的整理工作。它的做法是一層一層壓縮：第 0 層是原文，第 1 層是你收進筆記軟體的段落，第 2 層把最好的部分加粗，第 3 層在加粗裡挑最好的加螢光，第 4 層只給少數筆記，在開頭用自己的話寫一段摘要，第 5 層是極少數改造成你自己的作品。

重點在什麼時候加。Forte 說他不照任何時間表、不照任何順序摘要筆記，只在本來就為了別的事要看這則筆記時，順手加一層（Forte, Part II）。很多筆記永遠不會被摘要，他認為這樣注意力才會留給真正有價值的筆記。他也提醒，重點劃得越多，越難一眼看到重點（Forte, Part III）。

所以漸進摘要不該排進每週回顧。還有一點要分清：第 1 到 3 層的加粗、螢光，是為了之後好找；order 1 說的那一句自己的話，比較接近第 4 層。只劃線不算寫了那一句。

刪除、封存與降級

刪東西很難。Forte 的建議是讓用不到的東西自己沉下去，而不是逐一判斷要不要刪（Forte, Part II）。研究指向類似的方向：Bergman 等人 2009 年做了一個實驗，給受試者一個「降級」選項，讓不重要的檔案移到資料夾底部的灰色區域，而不是只能刪除或保留。受試者降級的檔案比刪掉的多一倍多，資料夾也清得比較乾淨（Bergman et al. 2009）。

我會這樣分：

  • 刪除：重複的、已經有新版取代的、說不出用途的。
  • 封存：結束的專案、不再負責的領域，照 order 2 整個資料夾移進封存。
  • 降級：還不確定的，移到一個「冷凍區」資料夾，或加一個 #冷凍 標籤，不刪，但不再出現在眼前。

LLM 能接手什麼

先講結論：讓 LLM 做那些你看過結果、自己決定收不收的工作；寫那一句自己的話、判斷什麼重要，留給自己。下面幾項研究量的都是「學到多少」或「有沒有檢查」，沒有直接測過筆記整理，所以下面的分工是我根據它們整理出的建議。

研究做了什麼結果
Chen et al. 202530 位學生看講座影片，比較三種 AI 協助：逐字稿、每 15 秒一段短摘要、每一兩分鐘一份完整筆記短摘要組的閉卷成績最高，完整筆記組最低；短摘要被受試者自己改過的有 40%，完整筆記只有 8%。沒有完全不用 AI 的對照組
Melumad & Yun 2025七個實驗、超過一萬人，學一個主題後寫建議給朋友用 ChatGPT 學的人寫得比自己搜尋的人短，也彼此相似
Etkin et al. 2025195 位大學年齡的受試者讀 ACT 閱讀文章，比較四種 AI 工具用獨立的入學考試成績分組時，閱讀較好的人讀 AI 摘要取代原文會變差；蘇格拉底式的對話機器人則幫到閱讀較弱的人
Lee et al. 2025319 位在工作上用生成式 AI 的人，填答 936 個實際例子對 AI 完成某件事越有信心，越少自報做了批判思考；全是自評
Huq et al. 202512 人用 NoTeeline：自己打幾個字的重點，AI 擴寫成完整筆記打字少了約一半，全部都想繼續用；沒有量學習效果

這張表有兩點要補充。第一，Etkin 那篇論文的主要結論是「AI 幫助弱者、傷害強者」，但它是用同一篇不用 AI 的文章成績來分組、又拿那篇成績當比較基準；偶然考低的人下一篇自然容易回升，這種分法本身就會做出「幫弱傷強」的樣子。這是我讀原文時的判斷，作者沒有討論。所以我只引改用獨立考試成績分組後還成立的兩項。第二，「越喜歡」只有 Chen 那篇有資料：受試者對完整筆記的評價，比只有逐字稿的高。

我會這樣分：

交給 LLM留給自己
列出每則收件匣項目可能的用途或可能重複的舊筆記，讓你決定去留每則筆記那一句自己的話（order 1）
找出重複或內容很像的筆記判斷什麼重要、什麼可以刪
建議可能相關的筆記連結的理由（order 3）
把你先寫好的重點擴寫成完整句子讀原文，而不是只讀摘要
把會議錄音轉成逐字稿檢查 AI 給的摘要和連結對不對

左邊的共同點是你還要看過、決定要不要收下；右邊那幾步，正是 Chen 和 Etkin 的研究裡學習發生的地方。左邊幾項，目前沒有研究測過效果，是我的建議。

隱私要先想清楚。 把整個筆記庫交給雲端的 LLM 找重複、建議連結，等於把筆記內容送到別人的伺服器上，這和 order 4 談的「資料在自己手上」是兩件事。有私人日記、工作機密的人，可以只把特定資料夾交給 LLM，或改用在自己電腦上跑的模型。

想看把整理工作更大量交給 LLM 的做法，例如讓模型把一整批資料編譯成 wiki，可以讀〈LLM 知識庫的三種模式〉和〈LLM 知識管理全景〉。

例子：一次 30 分鐘的每週回顧

0–15 分鐘：清空收件匣（Get Clear）。 照 order 1 的三步判準，每則決定進知識庫、只留連結、進待讀，或刪掉。可以先請 LLM 列出每則可能的用途和可能重複的舊筆記，你逐則看完再決定；那一句自己的話，不讓它寫。

15–25 分鐘：處理專案和待讀（Get Current）。 打開「專案」資料夾。這週結束的專案，挑出以後會用到的東西移到 Resources 或 Areas，其餘整個移進封存。待讀清單裡超過兩週沒讀的，刪掉或降級。

25–30 分鐘：想一件新的事（Get Creative）。 打開一張 MOC，看「還沒想清楚的」那一節，挑一個問題，寫下你現在的想法，一兩句就好；下週再接著寫。

時間是我的建議，依筆記量調整。重點是三段都要有：清空、跟上、想新的。

個人段總整理

做什麼什麼時候哪一篇
收：三步判準決定收不收存的當下，或每週清收件匣時order 1
放：資料夾要淺、別太滿每週處理專案時order 2
連：連結寫理由，筆記多了建 MOC每次寫永久筆記時order 3
裝：匯出一次、檢查專屬語法每季order 4
養：每週回顧；摘要碰到才加每週，以及每次打開筆記時order 5

換成同事讀，會發生什麼事

order 0 的例子是一則個人筆記：「年假：問 HR，表單在 Slack 置頂」。對你自己，這一句就夠，因為你記得是哪個 HR、哪個頻道。把它搬到團隊 wiki，新同事讀到時，「我知道這是什麼意思」就不成立了：他不知道要找誰、哪個頻道，也不知道這是不是去年的規定。

讀者從自己換成同事，前面五篇的四個問題都要重新回答一次：收什麼、怎麼組織、怎麼讓別人找到、誰來維護。這是團隊段要談的事，從 order 6〈團隊知識庫為什麼會爛掉，以及要寫哪幾種文件〉（撰寫中）開始。

研究的限制

每週回顧和漸進摘要都是方法作者的建議，我沒有找到檢驗它們效果的實證研究。AI 筆記的研究多半是單次、短時間的實驗：Chen 那篇是十分鐘左右的講座，Etkin 那篇是單篇閱讀測驗，都是立即測驗，沒有追蹤幾週後還記得多少，也不是長期經營一個知識庫的情境。Lee 那篇全是自評。

今晚可以做的事

  1. 在行事曆排一個每週 30 分鐘。 標題寫「筆記回顧」，照上面三段走。
  2. 建一個冷凍區。 一個資料夾或一個標籤，給還不確定要不要刪的東西。
  3. 檢查你的 AI 工具。 如果它會自動產生摘要或筆記，下一次用的時候，至少改寫其中一段成你自己的話。
  4. 決定哪些筆記不給雲端 LLM 讀。 把它們放在一個獨立的資料夾。

自我檢查

問： 讓 LLM 自動替每則筆記加標籤，有什麼風險？

判準： 有兩個。第一，標籤失去了「我的分類」的意義：order 2 說過，人找自己的東西靠的是記得放在哪；AI 加的標籤不是你決定的，你不會記得它，找的時候也就不會用它。第二，錯了不容易發現：Lee 等人的研究顯示，人對 AI 越有信心越少自己檢查，而標籤這種看似瑣碎的東西最容易被跳過。比較好的做法是讓 LLM 提出建議，你逐則看過再收下；或者照 order 2，標籤只用來標「待讀」「進行中」這類狀態，分類交給資料夾和連結。

參考資料

相關文章

收什麼：收集不等於知識庫1 min怎麼連：Zettelkasten、Evergreen notes 與 MOC1 min知識庫怎麼建：個人筆記、團隊 wiki、AI 知識庫的四個共同問題1 min