用 AI 打造個人知識庫：把看過的資料變成隨時能查的第二大腦

你只要照著這篇的六個步驟做一次，就能把散落在筆記、收藏連結、對話截圖裡的資訊，變成一個開啟就能查、AI 幫你整理好標籤與摘要的「第二大腦」——不用學複雜的筆記法，也不用裝一堆外掛。

為什麼「看過的資料」大多變成了垃圾場

大部分人整理資訊的方式，是把網頁存進瀏覽器書籤、把文章丟進 Notion、把重點截圖存進手機相簿。問題不在「有沒有存」,而在「存了之後找不到」。書籤資料夾深到第五層還是一片荒蕪，Notion 裡的頁面標題全是「未命名」,截圖存了三百張但沒有一張搜尋得到內容。

這個問題的本質，是人工分類的成本太高。每一則資訊進來的當下，你需要立刻決定它屬於哪個分類、要下什麼標籤、值不值得留——這件事一旦累積到幾百則，大腦就會放棄，乾脆全部丟進「其他」或「稍後閱讀」,然後再也不會回頭看。

AI 能接手的，正是這個「分類與摘要」的苦力活。它不會取代你判斷資訊重不重要，但它能在幾秒鐘內做完你原本要花五分鐘猶豫的事:讀完一篇文章、抓出重點、下適合的標籤、寫一句你未來搜尋時會打的關鍵字描述。這篇文章要教的，就是怎麼把這套流程做成一個可以每天重複用的個人知識庫系統，而不是又一次三分鐘熱度的「整理大作戰」。

第二大腦的三個核心動作:收集、消化、檢索

在動手之前，先搞清楚一個個人知識庫實際上只做三件事，順序不能顛倒。

第一是收集——把資訊原封不動地存下來，不用當下整理，重點是「別漏接」。可以是一個 Notion 資料庫、一個 Google Sheet、甚至一個純文字檔案，只要有「貼上原文」與「來源連結」兩個欄位就夠了。

第二是消化——這是 AI 真正發揮作用的地方。針對每一則收集到的資料，用固定的 Prompt 請 AI 產出摘要、標籤、分類與可搜尋關鍵字，寫回同一筆紀錄裡。

第三是檢索——當你未來需要用到這則資訊時，能用一句話或幾個關鍵字找到它，而不是憑印象在幾百則資料裡人工翻找。

很多人失敗在把這三步混成一步做，收集的當下就想要完美分類，結果收集的動作本身變得又慢又累，兩三天就放棄了。正確的做法是把收集做到極致地快(複製貼上就好),把消化的工作外包給 AI,批次處理。

步驟一:建立一張「萬用收件匣」資料表

不管你用 Notion、Google Sheet、Airtable 或本地的 Obsidian,先建立一張最簡單的表，只需要這幾個欄位。

這張表的關鍵設計是「原文」與「AI 產出」分開兩欄，你永遠可以回頭核對 AI 有沒有理解錯，也方便你之後重新下 Prompt 重整理。收集階段只填前三欄跟備註，不要在收集當下逼自己想標籤——那正是導致你放棄整理的原因。

步驟二:用一支可複製的 Prompt,把消化工作外包給 AI

這是整套流程的引擎。把下面這段 Prompt 存起來(存在手機備忘錄、Notion 範本、或你常用的 AI 助理的「已儲存提示詞」功能都可以),之後每次要消化一批新收集的資料，直接貼上內容，換掉大括號裡的變數就能用。

你是我的個人知識庫整理助理。以下是我收集到的一則資料，請幫我整理成可以直接填入資料庫的格式。

原始資料來源:{來源名稱，例如：某新聞網站/某本書第X章/與客戶的對話紀錄}
原始內容:
{貼上完整原文，不用先整理}

請依照以下格式輸出，務必簡潔，不要加入原文沒有的資訊：

【AI摘要】用3到5句話整理這則資料的核心重點，假設我半年後才會回來看，要能一眼看懂在講什麼。

【標籤】給出3到6個標籤，格式為#標籤，標籤要具體(例如#餐飲成本控制而不是#商業),避免使用過於籠統的詞。

【可能用途】列出2到3個我未來可能會用到這則資訊的具體情境或問題，例如「當我要規劃{某類活動}時可以參考」。

【一句話搜尋詞】給我一句我半年後想找到這則資料時，最可能會在搜尋框打的關鍵字組合。

如果原文內容不足以判斷某個欄位，請直接寫「資訊不足，需要我補充」,不要自己編造。

這支 Prompt 有三個設計重點值得留意。第一，它要求 AI 假設「半年後才會回來看」,這會逼出更完整、不依賴上下文記憶的摘要，而不是那種你隔天就看不懂的三個字重點。第二，它明確禁止 AI 在資訊不足時自己編造答案，這對知識庫的可信度非常重要——一個會亂掰標籤的助理，長期下來比沒有助理更糟。第三，「一句話搜尋詞」這欄看似多餘，但實際上是解決「檢索」問題的關鍵，下一節會說明原因。

步驟三:分類標籤要「由下而上長出來」,不要事先設計

很多人整理知識庫的第一步是先畫一張分類架構圖——工作/生活/學習/財務，底下再分子分類。這個做法在資料量少的時候看起來很整齊，但撐不過三個月，因為現實世界的資訊永遠不會乖乖對齊你事先想好的框架。

比較耐用的做法，是讓標籤「由下而上長出來」:每次消化新資料時就讓 AI 自由下標籤，不預設清單。等累積到五十則、一百則之後，你再回頭看整批標籤，這時候可以請 AI 幫你做一次「標籤整併」。

以下是我知識庫裡目前用過的所有標籤清單(用逗號分隔)：
{貼上目前所有標籤，例如：#餐飲成本控制，#食材採購，#人力排班，#客訴處理，#外送平台抽成...}

請幫我分析這份標籤清單，找出：
1. 意思重複但寫法不同的標籤(例如#人力排班和#排班管理),請列出建議合併成哪一個
2. 出現次數應該很少、可能是誤用或過於細瑣的標籤
3. 目前標籤群裡缺少但看起來應該要有的大分類方向(只做建議，不要幫我硬分)

請用表格呈現，欄位是：原標籤 / 建議處理方式 / 原因

這個「先長標籤，再定期整併」的節奏，比一開始就設計完美分類系統實際得多。你不需要預測未來會收集什麼型別的資訊，系統會隨著你真實的使用習慣自然演化。

步驟四:讓「檢索」真正可用——搜尋詞比分類更重要

知識庫最終的價值，是你能不能在三十秒內找到你要的東西。分類資料夾的問題在於，你要找資料的當下，往往不記得當初把它歸在哪一類——你只記得「大概是關於某個主題」的模糊印象。

這也是為什麼步驟二的 Prompt 特別要求 AI 產出「一句話搜尋詞」。這欄位的寫法，刻意模擬你未來搜尋時真實會打的用語，而不是正式的分類名稱。例如一篇談「Google 演演算法更新」的文章，正式標籤可能是 #SEO演演算法，但你半年後真正會打的搜尋詞，可能是「網站排名突然掉怎麼辦」。把這種口語化的搜尋詞也存進資料庫，搜尋命中率會明顯提高。

如果你用的工具支援全文搜尋(Notion、Obsidian 都支援),直接搜「AI摘要」跟「一句話搜尋詞」這兩欄就能涵蓋九成的查詢需求。如果你想要更進一步，可以固定每月做一次「知識庫健檢」,把整批 AI摘要 匯出，請 AI 幫你找出主題之間的關聯:

以下是我這個月新增到知識庫的資料摘要清單：
{貼上這個月所有的AI摘要，每則用---分隔}

請幫我：
1. 找出這些資料裡重複出現三次以上的主題或觀點
2. 指出有沒有互相矛盾的資訊(例如兩則資料對同一件事給出不同建議)
3. 用一段話，幫我總結這個月我在關注的方向，像是在幫我寫「這個月我學到了什麼」的心得

這一步會讓知識庫從「查詢工具」升級成「思考輔助」——你不只是存資料，而是開始看得見自己關注焦點的變化。

台灣案例:一位小型烘焙工作室主理人的實作情境

台北一位經營十坪烘焙工作室的主理人小陳，原本的習慣是把看到的食譜靈感、供應商報價單截圖、客訴處理心得，全部丟進手機相簿跟 LINE「傳送給自己」,累積了兩年多，想找某個特定食材的替代方案時，只能一張一張滑截圖找，常常花上二十分鐘還找不到。

她用上述方法建立了一個 Google Sheet 版本的知識庫，固定在每天打烊後花十分鐘，把當天遇到的三、四則資訊(可能是一篇看到的食材漲價新聞、一段跟員工討論排班的對話重點、一個新嘗試的配方筆記)貼進表格，用前面那支 Prompt 一次消化完。

三個月後她整理出大約一百四十則紀錄，標籤自然長出了幾個大群:食材成本、客訴應對、排班調整、行銷靈感。她表示比較明顯的改變是，遇到反覆發生的問題(例如某位常客又抱怨等待時間太長)時，搜尋一下就能翻出過去處理類似狀況的紀錄，不用每次都重新想一遍解法。她也提到，這套流程本身不會幫她「想出」新點子，真正省下的時間主要是「找舊資料」跟「回想自己當初為什麼存這個」的過程，估計每週省下的時間大概在一到兩小時之間，但這個數字沒有做過嚴謹計時，只是她主觀感受的粗略估計。

AI 的能力邊界與常見錯誤，誠實地說清楚

在你開始動手之前，有幾件事必須先講清楚，避免用了一陣子後對 AI 產生錯誤期待。

第一，AI 的摘要只能忠於你貼給它的原文，無法補充它沒看過的背景知識。如果你貼的原文字身資訊不完整(例如只截了半段對話),AI 的摘要也會跟著不完整，它不會神奇地幫你補上遺漏的脈絡。步驟二 Prompt 裡特別要求「資訊不足時寫『需要補充』」,就是為了避免 AI 自己腦補、產生看起來合理但其實是編造的摘要。

第二，標籤與分類是 AI 依據當下這一則資料判斷的，不會記得你過去所有資料的分類邏輯,除非你把過去的標籤清單一起貼給它參考(如同步驟三的整併 Prompt)。如果你分批用不同的對話視窗處理資料，同一類資訊很容易被下成不同的標籤寫法，這是需要定期整併的根本原因，不是系統設計失敗。

第三，AI 不會主動幫你判斷「這則資訊值不值得存」。這件事目前仍然需要人做判斷，AI 能做的是把你已經決定要存的東西整理好，而不是幫你篩選資訊的重要性。如果你把所有東西不分青紅皂白都丟進去，知識庫最終還是會變成雜訊比訊號多的垃圾場，只是垃圾場多了摘要跟標籤而已。

第四，如果你使用的是需要上傳圖片或截圖給 AI 辨識文字的流程，辨識準確度會受圖片清晰度、字型、版面影響，重要數字(例如報價金額、日期)建議整理完之後人工核對一次，不要完全依賴 AI 辨識結果就直接拿去做決策。

開始動手前的最後提醒

這套方法最容易失敗的地方，不是工具選錯，而是「收集」跟「消化」這兩個動作沒有分開。很多人一開始興致勃勃，想要一次做到完美分類，結果收集一則資料要花五分鐘想標籤，兩天後就放棄了。記住這個順序:收集永遠追求快、消化批次外包給 AI、檢索靠搜尋詞不靠資料夾。只要固定一個你會持續做下去的頻率——不管是每天十分鐘還是每週一次批次處理——這個系統就會隨著時間累積出真正的價值，而不是又一個三分鐘熱度的整理工具。

常見問題 FAQ

延伸閱讀

• AI Skills 教學總覽
• 任務食譜庫
• 實用 Prompt 範例
• 自動化工作流程