🎯 什麼情境該想到我
當你「剛跟 AI 聊出一份很有價值的比較或分析，而它馬上就會沉進聊天紀錄、再也找不到」的時候。
⚙️ 怎麼用（步驟 / 公式）
核心想法：知識庫不只靠「收錄來源」長大，你問出來的東西也是知識。你要求做的比較、一段分析、一個新發現的關聯，都跟收錄的來源一樣有價值。只留在聊天紀錄裡，就等於沒發生過。
- 提問時先查 wiki：讓 LLM 先讀索引、找相關頁、讀完，再附引用回答。答案建立在已編譯的知識上，不要回頭從原始檔重撈。
- 選合適的輸出形式：問題不同，答案形式就不同，例如 markdown 頁、比較表、Marp 投影片、matplotlib 圖表、Obsidian canvas。
- 判斷值不值得存：
- 存：跨多個來源的比較、你會再問第二次的問題、推出新結論的分析、發現兩個概念之間的關聯
- 不存：一次性事實查詢、只是換句話說的摘要
- 存成正式頁面：照規則檔的格式存，放進索引，並跟被引用的頁雙向連結。有新結論的話，回頭更新原本的概念頁。
- 記一筆日誌：例如
## [日期] query | 問題標題，之後才知道這頁是從哪次探索來的。
★ 效果：你的探索跟收錄的來源一樣會複利。下次問相關問題時，LLM 直接站在上一次的結論上往前走。
🧪 我實際套用的紀錄
- （尚無）
⚠️ 注意 / 什麼時候不適用
- AI 的答案可能錯：存回去之前要核對它引用的頁面。錯的結論進了 wiki 會被後續問答當成事實引用，錯誤一路擴散。
- 不要什麼都存：一次性問答全存，wiki 會充滿低價值的頁，淹沒真正的工具卡。
- 標清楚來源：存回的頁是「推論」不是「原文」，frontmatter 或開頭要寫明是由哪些頁綜合而來。
🔗 相關工具
- 工具-讓LLM維護的個人Wiki —— 整套模式，這張是其中的 Query 步驟
- 工具-知識庫定期健檢 —— 存回的頁也要被健檢，看有沒有跟新來源矛盾
- 工具-主題閱讀 —— 綜合多份來源形成觀點；存回的往往就是這種綜合結果