Session is Knowledge：把 AI 對話保存成自己的知識庫

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。

這個感覺在 Google Search 的 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：

1
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。
2

3
1. 這次完成了什麼
4
2. 執行步驟
5
3. 試錯過程
6
4. 最後解法
7
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。

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。

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。

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。

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。

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。

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。