[AI 學習筆記] Day 04｜講師和創作者怎麼用 Claude Cowork 把部落格變成 AI 資料庫，讓 AI 幫你回答讀者的問題？

身為講師，我每次開課或開直播都會被學員問一堆問題。

後來我觀察到一件有趣的事：

這些問題，大約 80% 我過去都在部落格文章中寫過。

但「寫過」不代表「容易調用」。

過去遇到這種提問，我：

• 要嘛憑直覺直接回，要嘛用「關鍵字 + 朱騏」去 Google 搜尋自己的文章
• 再把段落擷取出來、組成回答、附上連結丟回去。

整個流程非常耗時間、也耗腦力。

最近有位讀者問我推薦書單，我決定動手實驗一個想法：把自己過去寫過的文章全部下載下來，丟進 Claude Cowork，讓它變成我個人的知識庫。

問題進來，AI 直接根據我的文章回答，還會附上原文連結。

做完之後，我有了 3 個比技術本身更重要的反思。

反思 1：部落格早就是我的外掛記憶體，AI 只是讓它變得更好用

AI 出現之前，我的部落格一直都是我的 “外掛記憶體”。

當我發表一篇文章到部落格時，這篇文章會被 Google 收錄索引。因此我直接把整個 Google 搜尋引擎當資料庫用，輸入「關鍵字 + 朱騏」，就能找到任何一篇我寫過的文章。

這比大部分筆記軟體都還方便。

每次我都有一種「原來我寫過這麼多相關文章」、「原來部落格是我的第二大腦」這種驚嘆！

有了 AI，現在透過 “外掛記憶體” 找到個人經驗更容易了。

反思 2：AI 真正省下來的，是「擷取、組裝、附連結」的勞力

既然部落格一直是我的外掛記憶體，AI 到底改變了什麼？

我在想的是：「擷取、組裝、附連結」這三個勞力動作。

過去我用 Google 找到相關文章後，還有三件事要做：

1. 打開文章找對應段落
2. 把段落擷取出來重新組裝成回答
3. 附上原文連結

這三件事沒什麼技術含量，但很花時間。

現在 Cowork 讀取資料夾後，這三件事它幫我做完。

我只要把學員的問題丟進去，加一句「請附上這個回答是來自於哪篇文章」，它就會給我一個完整的、有來源的答案。

「檢索 + 寫答案」 變成了「丟問題 + 確認答案」。

反思 3：把零碎筆記丟給 AI 整理成 PKM，是假議題

做完這件事後，我開始注意到一個網路上很流行的說法：

Andrej Karpathy 這類提倡者主張，把自己零碎的筆記丟給 AI 消化，讓 AI 幫你整理成個人知識管理系統。

我其實不認同這個作法，有 3 個理由：

1. 內容本質問題：丟進去的如果是自己都搞不清楚的零碎筆記，AI 整理出來的東西只是「看起來像可以讀」，並不代表它有真正的知識含量。
2. 脈絡損失問題：AI 整理的本質就是總結，總結一定會損失脈絡。你原本可能是為了解決某個具體問題才寫下那篇文章，這個「為什麼」在總結過程中會被移除掉。
3. 品質差異的問題。自己親手寫文章，會強迫自己把思考脈絡講清楚、把前因後果交代完整。這個過程本身就是在建構知識。把零碎筆記丟給 AI 再讀回來，品質其實蠻差的。

朋友啟樺有個說法很貼切：

用AI自動幫忙做成 Wiki的那個例子，他本質上就是另一種 Summary。 他觸及的焦盧，就是有很多人用AI產生很多內容存起來，結果自己也都看不懂。Obsidian 對他的意義是一種「AI化糞池」。 做成 Wiki那個工作流很像是一種污水處理系統，感覺可以把化糞池弄得乾淨一點。但離能每天喝還能產生能量，還差很遠。

因此我的做法跟「讓 LLM 自動化製作個人知識管理系統」不太一樣。

我丟給 AI 的是已經寫成公開文章的內容，每一篇都是我親手把脈絡、步驟、結論組織清楚的。

AI 讀到的是高品質原料 （如果 AI 亂搞，我也能知道它哪裡錯了）。

【Asset】個人文章庫 SOP

這份 SOP 給想把自己過去寫的內容變成 AI 可用資料庫的創作者參考。

適用對象

這個方法適合長期有在寫長文的人：部落客、電子報作者、講師、有在經營粉專寫長貼文的創作者。

你不一定要有自架的部落格，只要你過去累積了一定量的文字內容，都可以套用這個 SOP。

如果你一篇長文都沒寫過…

這個方法對你的幫助有限。AI 讀取的品質取決於你原始素材的品質。

步驟 1：把你的文章匯出成檔案

根據你發布內容的平台，選對應的做法：

• WordPress / 自架網站：如果你懂技術，可以請工程師幫你做一個匯出按鈕，把全站文章打包成 JSON 下載。沒有工程師資源的話，WordPress 本身就有「工具 → 匯出」功能，可以匯出成 XML 檔案。
• Medium：到「Settings → Account → Download your information」，Medium 會把所有文章打包成 HTML 寄給你。
• Facebook：到「設定 → 你的 Facebook 資訊 → 下載你的資訊」，可以選擇下載成 JSON 格式，把過去寫過的長貼文全部抓下來。

不管哪個平台，目標都一樣：把你寫過的內容從平台上脫離出來，變成本地端可讀的檔案。

步驟 2：讓 AI 幫你處理成乾淨的文章格式

下載下來的檔案通常會有一堆你不需要的 metadata（例如發布時間、留言、標籤、HTML tag）。

直接丟給 Claude Cowork，請它幫你把 JSON 或 XML 拆解成一篇一篇乾淨的 Markdown 或 txt 檔案。

這一步不用自己寫程式，AI 做就好。

步驟 3：把處理好的文章放進一個本機資料夾

在電腦裡建立一個資料夾，例如 my-blog-archive，把處理好的文章全部放進去。這個資料夾就是你的個人知識庫。

步驟 4：用 Claude Cowork 指定資料夾

打開 Claude Cowork(要用 Claude Code/Codex/Gemini CLI 都可以)，指定這個資料夾作為讀取來源。

以後有人來問你問題，你在 Cowork 裡面丟問題，它會自動到你的文章庫裡找答案。

步驟 5：套用這個 Prompt 範本

以下是一位讀者問我的問題：
「[在這裡貼上讀者的完整問題]」

請根據我資料夾裡的文章回答這個問題。
要求：
1. 只根據我寫過的文章內容回答，不要加入你自己的知識
2. 回答最後請附上這個答案來自哪幾篇文章的標題與連結
3. 如果我的文章中沒有相關內容，請直接告訴我「這題你還沒寫過」，不要硬湊答案