知識存下來之後,仍然需要照顧

我並不認為第二大腦是把資料整理、保存一次就能完成的東西。產品與功能會改變,說明也會出現不足與錯誤。要維持組織的記憶,就需要持續修正的觀點。

這篇想介紹的是代理在其中的角色。以下是公開範圍內的概念整理,不是內部流程的說明,也不是成效測量報告。

分清楚「學習」的意思

回答變好,與模型本身接受訓練,是不同的主張。在這個系列裡,我先把反覆修正理解為重新檢視參照的知識與說明,以及釐清職責和判斷前提。

「記憶」是留下日後可以參照的資訊;「職責」是釐清哪些工作可以交付、哪些地方需要確認;「推論」是針對問題組織說明與判斷;「關聯」則是重新檢視分散資訊之間的連結。我把這四者視為需要持續維護的對象,而不是已經完成的萬能功能。

生成的說明也不應直接被當成正確知識累積。我重視的是能與原始資料對照,並找出需要修正的地方。

不把雲端與本地都塞進同一種角色

雲端代理與本地運行的LLM如何分工,也是這個思考的一部分。與其把所有工作交給單一環境,我更希望分開考慮資訊在哪裡處理,以及由誰負責什麼工作。

可以討論的角色包括資訊分類、用語或不必要內容的整理、摘要,以及相關資訊的參照。實際分配取決於資料與工作的條件;本文不涉及具體的分派規則或內部處理路徑。

在資訊來源的接點上使用代理

知識的參照來源除了文件,也包括原始碼儲存庫。透過線上代理協助開發、能因應參照內容變化的內容爬蟲,也是這個主題的一部分。

公開文章想說明的是:協助蒐集的機制,可以成為持續更新知識的接點。但取得內容,不代表內容就自動成為可信的知識。核對來源、整理必要說明的工作仍然存在。

目標是能夠說明的記憶

這個系列的起點,是SaaS業務長期累積的產品與功能難以交接。第二大腦與代理,都是我用來思考如何面對這個問題的手段。

我希望達成的,不只是產生答案,而是讓下一位接手者能理解留下的記憶:知道依據在哪裡,也能在發現錯誤時重新檢視。

橫幅是以知識圖譜為素材、透過AI加工的概念視覺。

系列:組織的第二大腦

  1. 守住產品核心
  2. 留下決策經緯
  3. 持續更新知識
  4. 以DocQuater付諸實作