以前遇到問題，大多是先查 Google。現在很多時候，我會直接問 AI。

這個習慣改變之後，另一個問題也跟著出現：AI 對話越來越多，很多問題明明解過，隔幾天又遇到時，只記得「我好像有跟 AI 討論過」，但完全找不到當時是怎麼解的。

後來我慢慢養成一個習慣：重要的 session 結束前，不是直接關掉，而是請 AI 把這次對話整理成 Markdown 存下來。

我想提倡的不是「看到一個網址就丟給 AI 摘要」，那比較像資料整理。我覺得有跟 AI 一起討論、驗證、判斷過後留下來的內容，通常比較接近自己的知識材料或脈絡。

## AI 對話不是聊天紀錄，是還沒整理的知識

一段 AI session 裡面，通常不只有最後答案。

它可能包含一開始的錯誤假設、試過但不行的方法、查到的資料、某個設計決策背後的理由，還有最後沒有做完、但之後應該繼續追的問題。

這些內容跟單純摘要一篇文章不太一樣。摘要外部資料，很多時候只是把別人的內容換一種形式放進來；但跟 AI 討論過的 session，裡面會有你的問題、你的限制、你的取捨，以及你最後為什麼接受某個答案。

這些東西如果只留在聊天視窗裡，就很容易變成「我知道它存在，但我找不到」。尤其不同 AI 工具、不同帳號、不同裝置之間，對話紀錄通常不會自然串在一起。今天在 Gemini 問，明天在 Claude Code 做，後天又用另一個工具接著處理，脈絡很快就散掉。

所以我現在會把 AI 對話看成知識產生的現場。對話本身不是最後的知識庫，但它是知識被整理出來之前，最原始也最完整的材料。

## 搜尋也開始變成一段 AI 對話

這個感覺在 Google Search 的 [AI Mode](https://search.google/ways-to-search/ai-mode/) 裡會更明顯一點。Google 官方說 AI Mode 使用 Gemini 的模型能力，不只是列出搜尋結果，而是讓你用比較像聊天的方式繼續追問。

我自己的使用感覺是，它比較像「會跟你討論搜尋意圖的搜尋引擎」。有時候我不是很確定自己要找的工具叫什麼，只知道大概方向。傳統搜尋會逼我先想關鍵字；AI Mode 則比較像先問問題、幫我拆解需求，再把可能的方向串起來。

這種搜尋過程本身也很值得保存。因為最後找到的可能不只是一個連結，而是中間那段「我原本以為我要找 A，聊一聊才發現其實我需要 B」的推理過程。

如果這段搜尋討論有價值，我會在最後請它幫我整理成一份可回看的結論。通常我會直接用同一段 prompt，讓它依內容自己抓重點：

```md
請幫我把剛剛這段對話總結成 Markdown 格式，並放 code block 裡，方便我直接複製成 .md 檔案。

1. 這次完成了什麼
2. 執行步驟
3. 試錯過程
4. 最後解法
5. 未完成事項
```

這樣一來，搜尋不只是找到答案，也會留下找答案的路徑。

## Session 結束前，多做一個動作

我常用的做法很簡單。當一段對話真的解決了一個問題，或整理出一個之後會再用到的觀念，我會在 session 結束前直接套用同一段 prompt。

這不是為了把筆記寫得很正式，而是把剛剛已經討論出來的東西固定下來。

如果沒有這一步，session 關掉之後，那段脈絡就很容易只剩下一個模糊印象。下次再問 AI，常常會重新走一遍差不多的路。多做這個動作之後，至少會留下一份可以被人讀、也可以被 AI 再讀的材料。

## 為什麼我選 Markdown

我會請 AI 匯出 Markdown，原因不是 Markdown 有多神，而是它剛好很適合在 AI 工作流裡流動。

Markdown 是純文字，人打開就能看；格式又足夠清楚，標題、清單、程式碼區塊都能自然表達結構。更重要的是，AI 讀 Markdown 也很順。

它可以放在本機資料夾，也可以放 Notion、Dropbox、Google Drive、Obsidian，或任何自己習慣的地方。工具可以換，但只要內容是乾淨的 Markdown，它就不太會被某個平台綁死。

這也是我喜歡這個方法的地方。它不需要一開始就導入完整知識管理系統，只要先把有價值的 session 存成一份文件，就已經可以開始累積。

## 存下來之後，才有後續用途

一份 session summary 最直接的用途，是在新對話裡貼回去。

這件事看起來很土法煉鋼，但其實很有效。你可以在一個全新的 AI 對話裡貼上前一次的 summary，請它接著討論。對 AI 來說，這份文件就是重新接上脈絡的入口。

再往後一點，它可以變成很多東西的材料。

它可以整理成 blog，變成對外分享的文章。也可以丟進 NotebookLM 或其他文件型工具，讓 AI 針對一批筆記繼續整理。某些常常重複出現的工作流程，還可以從 summary 裡抽出來，變成 Skill 或 SOP。

如果那段 session 不只是討論觀念，而是真的完成了一個可重複的任務，我會用另一種方式處理：把它整理成[下次可以直接呼叫的 Skill / SOP](/posts/session-is-skill/)。

如果我有在用長期記憶工具，也不會把整篇 summary 都塞進去。我比較喜歡從 summary 裡抽幾句關鍵線索，讓未來搜尋時可以命中，再回頭找到完整文件。

也就是說，summary 本身保存完整脈絡；記憶片段只負責指路。

## Any AI · Anyone · Anytime

我在簡報裡把這件事寫成一句話：Any AI · Anyone · Anytime。

意思不是每個工具都一樣好，而是只要你把 session 轉成一份普通文件，它就不再被關在原本那個對話框裡。

任何 AI 都可以讀。任何需要接手的人也可以讀。筆記存到你喜歡的地方，隨時都可以回去看那份脈絡。

這跟工具自動記憶不太一樣。自動記憶比較像是讓 AI 在背後幫你想起一些線索；session summary 則是你主動把一次協作留下來。兩者可以搭在一起，但它們解決的是不同問題。

## 一次對話，變一份知識

這個習慣用久之後，我對 AI 對話的看法有一點改變。

以前一段 session 結束，就是結束了。現在我會多想一下：這次有沒有什麼值得留下來？如果有，它就不只是聊天紀錄，而是一份知識材料。

不是每段對話都需要保存。有些問題很臨時，解完就算了。但只要那次對話裡有試錯、有判斷、有之後可能會重用的脈絡，我就會把它留下來。

AI 用久之後，差別不只是誰比較會問問題，也包含誰能把每一次協作留下來。一次對話可以變成一份知識，一次任務可以變成一個流程。

真正有價值的知識，常常不是某個網址本身，也不是一份自動摘要，而是保存你跟 AI 討論後留下來的判斷、脈絡和結論。累積久了，那些本來會散在聊天視窗裡的東西，才會慢慢變成自己的知識庫。