Turning AI conversations into engineering knowledge that lasts.
前言 / Introduction
用 AI Agent 時,大家應該都有同時開一堆 session 的經驗。偏偏有時手滑,或是 VM 不小心關機,重要的 session 就這樣沒了。接著又得花一堆時間,從頭和 Agent 培養感情,重講那些只有你們知道的小秘密。
為什麼 Agent 就不能好好收藏這些回憶呢?
今天想快速分享,我怎麼用 Wiki 收藏這些回憶,延續我與 Agent 之間的感情。
核心觀點 / Key Idea
我參考的是 Karpathy 大神的 LLM Wiki:一套讓 Agent 把零散資料整理成 Wiki,並持續讀取、更新的做法。
往往複雜的事情都只需要簡單的心法,就能夠達到宗師的境界。
如果你使用的是 Codex / Claude Code 等 Agent,那這套系統就非常適合你使用,因為他們都能夠讀取這套規則並依照它整理,甚至你也可以透過自動排程的方式,讓他們幫你撰寫相關的文件。
往往重要的經驗,都是藏在平日裡那些閒話家常的對話中,那為什麼不把這些經驗都萃取出來呢?
整理 Wiki 的過程,也讓我重新檢查:哪些問題真的解決了,哪些只是暫時繞過,哪些我其實還沒搞懂。
實際做法 / Practice
My approach is simple:
- Ask the agent to review the LLM Wiki approach.
- Have it analyze the existing project documentation.
- Ask the agent to review the last 10 sessions and extract key findings, lessons learned, and unresolved issues.
- Turn those findings into a wiki, with links to the original evidence.
整理完後,我會核對關鍵結論,避免把 Agent 的推測也存成知識。也可以請另一個 Agent 交叉檢查,但最後仍要回到原始證據確認。
有了雛形後,就可以透過 skill、hook,甚至是自動排程等方式,逐步累積你的經驗值。
總結 / Conclusion
Agent 會越來越聰明,但我們一起踩過的坑,不會自動變成下一次能用的知識。
不留下來,下次開新 session,又得重新培養一次感情。
留下這些紀錄,不只是讓 Agent 記得,也是讓我知道,自己到底學會了什麼。