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:

  1. Ask the agent to review the LLM Wiki approach.
  2. Have it analyze the existing project documentation.
  3. Ask the agent to review the last 10 sessions and extract key findings, lessons learned, and unresolved issues.
  4. 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。