用途：workshop 教材、學院進階課程、未來新 skill 開發 reference 對象：想讓 AI「記得你的偏好、規則、知識庫」、跨對話累積、不每次重新解釋的醫師 前置知識：理解 Skill / Workflow / Reference（讀過 5 Gates 附錄、Loop 附錄更好） 作者：楊為傑醫師（白袍旅人）× Claude 日期：2026-06-23 相關附錄：5 Gates 對抗式驗證 v1.2、Loop 進階概念 v1.0
直播 Part 3 講過「Memory = 病歷」這個類比、但沒講「病歷系統怎麼建」——這份附錄補完那一段。
跟其他兩份附錄的分工：
5 Gates 附錄：教你「驗證 LLM 出包」 ← 防錯
Loop 附錄 ：教你「決定要不要用 Loop」 ← 架構
本附錄 ：教你「讓 AI 記得你」 ← 持久三份合起來 = 「做出 Tier S Agent + 跨 session 連續工作」的完整教材。
Cowork 沒有單一「記憶系統」、是 3 層機制堆疊起來的。 「Cowork 自動幫你記」的部分很少、「你自己設計記」的部分才是主力。
┌──────────────────────────────────────────┐
│ 第 1 層 ・ 對話內記憶（context window） │
│ - 範圍：這一次對話、最多 200K tokens │
│ - 持久性：session 結束就消失 │
│ - 控制權：Cowork 管 │
├──────────────────────────────────────────┤
│ 第 2 層 ・ 環境持久記憶（架構提供） │
│ - 範圍：工作資料夾 / Skill / 排程 / Artifact│
│ - 持久性：永久（除非你刪） │
│ - 控制權：Cowork 提供基礎建設、你管內容 │
├──────────────────────────────────────────┤
│ 第 3 層 ・ 使用者設計的記憶系統（DIY） │
│ - 範圍：你自己用檔案組起來的 Chronicle │
│ - 持久性：永久 + 可版控（git） │
│ - 控制權：100% 你的 │
└──────────────────────────────────────────┘很多人把「AI 記不記得我」當成單一問題、然後失望——其實要從3 個不同層設計：
做法：工作資料夾根目錄放一個 CLAUDE.md、寫你的「長期不變的事」。
Cowork / Claude Code 慣例：啟動時自動讀這份檔案。
內容範本：
# CLAUDE.md ・ 楊為傑醫師的 AI 工作區
## 我是誰
- 兒科醫師、白袍旅人、平安聯合診所院長
- 5 專科：兒科、青少年、睡眠、氣喘、減重
- 醫字 039815、ORCID 0000-0002-9880-6955
## 寫作風格
- 第一人稱、門診情境
- 引用必標 PMID
- 避免「絕對」「保證」「100%」這類絕對詞
- 詳見 baipao-writer skill
## 規則
- 患者真實姓名 / 病歷號 / 身分證 → 絕對不能進對話
- 任何醫療建議 → 必須有 PubMed 引用
- 衛教文 → 強制跑 EBM 雙重審查（ebm-thinking-framework）
- 廣告法禁用詞 → 自動 grep_dangers 擋
## 主要工具
- twkid.com 部落格（WordPress）
- 平安聯合診所 LIFF 系統
- Threads @twkid_go
## 進行中專案
- 詳見 /進行中專案/ 資料夾優點：零工程、立刻生效、所有 AI 工具通用 限制：< 500 行最有效（太長 AI 會掃讀漏看）
做法：用結構化資料夾組起來、像你「我的知識庫」。
最小可行架構：
我的知識庫/
├── CLAUDE.md ← 入口指令
├── index.md ← 全域目錄
├── log.md ← 操作日誌
└── 各領域/ ← 結構化內容
├── 兒科醫學/
├── 診所經營/
└── ...詳細討論見 Part 3（我的知識庫拆解）。
做法：把長期不變的事實寫進 SKILL.md 的 references/、觸發 skill 時自動讀進來。
為什麼這是「半永久」： - 是文件、會被讀（不像對話、會消失） - 是 skill 一部分、跟著 skill 走（不像獨立檔、要手動 attach） - 觸發詞精準 = 不會被 AI「漏看」（不像知識庫資料夾、要主動 query）
真實案例：你的 weight-loss-report skill
weight-loss-report/
├── SKILL.md（含「強制讀取以下 5 份 reference」聲明）
└── references/
├── taiwan-obesity-strategy.md
├── pediatric-obesity-guideline.md
├── my-plate-guide.md
├── pediatric-bmi-table.md
└── medications.md→ 每次跑減重報告、5 份 reference 強制讀進來——這就是 skill 嵌入的長期記憶。
設計準則： - Reference 是「事實型記憶」（指引、藥物清單、白名單） - SKILL.md 是「SOP 型記憶」（怎麼做、什麼不能做） - 兩者分開、可獨立更新
做法：排程任務跑完寫 log、下次跑時讀上次 log。
範例：每週 Threads 趨勢分析
# 每週一 9:00 自動跑
def weekly_threads_analysis():
this_week = scrape_threads_data()
# 讀上週 log
last_week = read_log("/Users/.../threads_weekly_log.md", weeks_ago=1)
# 比對
diff = compare(this_week, last_week)
# 寫今週 log（append-only）
append_log("/Users/.../threads_weekly_log.md", {
"week": "2026-W26",
"metrics": this_week,
"trend": diff,
})
# 寄報告給 Albert
send_email(diff)→ 每週的紀錄都累積、形成「長期趨勢記憶」、不會每次都從頭看。
做法：用 MCP 把外部服務當「外接硬碟」。
| MCP 連接器 | 提供的記憶 |
|---|---|
| Notion MCP | 你寫的所有筆記、AI 隨時可讀 |
| Gmail MCP | 過去信件、可搜尋之前的決定 |
| Slack MCP | 團隊對話歷史、可查共識 |
| Google Drive MCP | 雲端文件 |
| Memory MCP（開源） | 專門的記憶 server、存 knowledge graph |
優點：跟你現有工作流整合、不用為了 AI 改習慣 限制：要看每個 MCP 的搜尋品質
做法：每次重要決定 append 一筆到一個 markdown 檔。
範本：
# 決策日誌 ・ 楊為傑醫師
## [2026-06-23] AI 記憶系統附錄寫完
- 跟 Loop / 5 Gates 並列
- 用 6 種機制框架
- 預計用在會員 workshop
## [2026-06-22] 完成 W4 直播綱要 v10
- 修正 Manus 收費（依官方 March 2026 Help Center）
- 改 Anthropic 資料保留段（依官方 March 2026 文件）
## [2026-06-21] twkid-publish-pipeline v4.0 部署
- 拆出 medical-citation skill
- 原因：SKILL.md 超過 25 KB3 個好處： 1. AI 看了就知道你的決策歷史、不會建議跟你之前決定衝突的方案 2. 你自己回顧：每月跑一次「上月做了什麼」、不靠記憶 3. 追責 + 學習：出包時能 trace 到當時為什麼這樣決定
→ 這是所有記憶機制裡 ROI 最高的、5 分鐘建好、用一輩子。
你已經把跨 session 記憶做到很高的程度——讓我拆給你看，讀者也能照做。
我的知識庫/
│
├── 【LLM 指令層】★ 啟動時自動讀
│ ├── CLAUDE.md ← Schema 定義
│ ├── AGENTS.md
│ └── Claude-Code-執行指令.md
│
├── 【索引層】★ Query 時先讀
│ ├── index.md ← 全域分類索引（36 KB）
│ ├── log.md ← Append-only 日誌（80 KB）
│ └── lint-report-2026-05-21.md
│
├── 【wiki/ ・ 結構化摘要層】（2.3 MB / 153 頁 / 10 領域）
│ ├── 兒科醫學/ 糖尿病照護/
│ ├── 功能醫學/ 投資理財/
│ ├── 教養與教育/ 個人品牌與商業/
│ ├── AI工具應用/ 人物傳記/
│ └── 睡眠醫學/ 診所經營/
│
└── 【ＲＡＷ/ ・ 原始素材層】（11 GB）
├── 2025 AAP NCE/ AI 相關課程/
├── 兒童成長有關/ 功能醫學知識/
└── 處理完畢 / 處理中 / 尚未處理/1. Ingest（寫入新記憶）
你說「ingest [檔名]」
→ AI 讀 ＲＡＷ 的檔
→ 摘要核心 → 寫成 / 更新 wiki/ 頁面
→ 更新 index.md
→ 在 log.md 追加紀錄
→ git commit
→ 對應「**寫入長期記憶**」
2. Query（讀取記憶）
你問問題
→ AI 先讀 index.md（地圖）
→ 找對應 wiki 頁面
→ 綜合回答 + 附路徑（可追溯）
→ 高價值新答案 → 存成新 wiki 頁
→ 對應「**讀取記憶 + 累積記憶**」
3. Lint（自我修復）
你說「lint」
→ 檢查交叉引用是否有效
→ 找孤兒頁（沒被 index 收錄）
→ 找矛盾資訊
→ 找可合併 / 拆分的頁
→ 輸出報告等你確認
→ 對應「**記憶系統的自我健康檢查**」
4. Update（更新）
新指引出來（如 2026 ACC/AHA 兒童血脂指引）
→ ingest 新檔
→ wiki 自動更新 updated 日期
→ 保留 sources 清單可追溯
→ 對應「**記憶更新而不取代**」| 特性 | 為什麼重要 |
|---|---|
| 人類可讀 + AI 可讀 | 你能打開任何頁面看內容、不是黑箱（向量資料庫不行） |
| frontmatter metadata | LLM 能依 category / tag / date 過濾 |
交叉引用 [[頁面名]] | 像 Obsidian 雙鏈結、LLM 主動發現相關主題 |
| append-only log | 可追溯每次變動的歷史 |
| git 版控 | 萬一改壞、可回滾 |
| 跨工具 | Claude / Cursor / Obsidian / 純文字編輯器都能用 |
| 不綁向量資料庫 | 不被任何框架綁架、未來換工具不用重建 |
✅ Albert 不是用什麼神奇 RAG 框架
✅ 用的是「結構化的純 markdown 檔案 + 4 個 pipeline」
✅ 153 頁 wiki、跨 10 個領域、AI 找得到每一頁
✅ 比一般「資料夾 RAG」高級、但比「向量資料庫 RAG」實用→ 核心訊息：你不需要懂 embedding / vector DB / LangChain、用結構化檔案 + 簡單 pipeline 就能做出一流的 AI 記憶系統。
不要一開始就做 Albert 那種完整版、會做不完。從最小可行版本起步。
你的桌面 / AI 工作區/
├── CLAUDE.md ← 我是誰、規則、偏好（200-500 字）
├── 決策日誌.md ← 重要決定 append-only
├── 進行中專案/ ← 各專案的 context
│ ├── 6月品牌月.md
│ └── pingan-kids.md
├── 衛教文庫/ ← 過去寫過的衛教文
│ ├── 感冒.md
│ ├── 過敏.md
│ └── ...
└── 文獻摘要/ ← 收集過的權威文獻
├── 兒童肥胖指引.md
└── ...第 1 週做的事： - 寫 CLAUDE.md（200 字、你是誰、做什麼、規則） - 開始 append 決策日誌（每天 1-2 筆） - 把過去 1 個月的衛教文丟「衛教文庫」資料夾
第 2 週做的事： - 跟 Cowork 說「分析我的寫作風格、列 5 個特徵」 - AI 拿到「衛教文庫」的範例、就能複製你的風格 - → 你開始有「寫作記憶」
第 4 週： - 看 CLAUDE.md、決策日誌、補上漏掉的規則 - 再丟更多衛教文進去 - → 開始感覺 AI「真的認識你」
升級到有 index 跟 領域分類：
我的知識庫/
├── CLAUDE.md ← 入口指令（加上「優先讀 index.md」）
├── index.md ← 一頁目錄、列所有主題 + 連結
├── log.md ← Append-only 操作紀錄
│
├── 衛教/ ← 領域 1
│ ├── README.md ← 此領域目錄
│ ├── 感冒.md
│ └── ...
│
├── 文獻/ ← 領域 2
│ ├── README.md
│ ├── 兒童肥胖指引.md
│ └── ...
│
└── 診所經營/ ← 領域 3
├── README.md
├── SOP/
└── 員工守則.md這階段的關鍵： - 每頁加 frontmatter（title / category / tags） - 跨頁用 [[link]] 連起來 - log.md 開始 append（每次大改、ingest 新檔都記）
升級到 Albert 「我的知識庫」 的程度：
我的知識庫/
├── 【LLM 指令層】CLAUDE.md / AGENTS.md
├── 【索引層】 index.md + log.md + lint-report
├── 【wiki/】 結構化摘要、10 個領域分類
└── 【ＲＡＷ/】 原始素材、處理中 / 已處理分流加上 4 個 pipeline：Ingest / Query / Lint / Update
→ 這時候你才會用得到： - 開始定期 lint（找矛盾、補孤兒頁） - 開始定期 update（新指引出來、ingest 新版） - 開始跨領域 query（功能醫學 × 兒科 × 投資）
→ 大部分醫師停在階段 1 或 2 就夠用。不要為了完美主義拖慢起步。
個人記憶（你 CLAUDE.md / 知識庫）
✓ 適合：個人寫作、個人決策、個人成長
✗ 不適合：診所團隊共識、患者衛教 SOP、員工守則
組織記憶（診所共享資料夾）
✓ 適合：診所 SOP、衛教模板、員工規範、患者 FAQ 模板
✗ 不適合：個人筆記、個人風格偏好→ 兩個要分開、別混在一起。
診所共享資料夾（Dropbox / Google Drive / NAS）
│
├── 全員可讀（醫師 + 護理 + 助理）
│ ├── 診所 SOP.md ← 標準作業
│ ├── 衛教模板/ ← 給家長的衛教
│ ├── FAQ 模板/ ← LINE 常見問答
│ ├── 員工 AI 使用守則.md ← 哪些可丟 AI、哪些不行
│ └── 緊急聯絡 SOP.md
│
├── 醫師專屬（限醫師讀寫）
│ ├── 個案決策日誌/ ← 重要 case 紀錄
│ ├── 處方參考/ ← 你的常用方
│ └── 學會立場彙整/
│
└── 私人區（每位醫師獨立）
└── 各自的個人知識庫Cowork → Add Folder → 共享資料夾路徑
→ 自己的個人知識庫
→ Cowork 啟動時、會掃描兩個位置
→ AI 同時讀「組織知識」+「個人知識」
→ 不會混淆、因為資料夾名稱不同如果你診所已用 Notion：
Notion MCP 接進 Cowork
↓
所有醫師 / 助理在 Cowork 內
↓
都能 query Notion 內的：
- 患者排程
- 員工排班
- 衛教模板庫
- 內部公告
- 教育訓練紀錄
→ Notion 變成「組織記憶」、Cowork 是「組織大腦的存取窗」✅ 可以放共享資料夾：
- SOP、衛教模板、藥物清單、流程
- 「結構」「規則」「knowledge」
❌ 絕對不能放：
- 患者姓名 / 病歷號 / 身分證
- 完整病歷資料
- 真實檢驗報告
→ 共享資料夾 = 「公開知識」
→ HIS 系統 = 「個資、絕對隔離」3 份附錄在實際 workflow 裡的關係：
┌──────────────────────────────────────────┐
│ │
│ AI 記憶系統（本附錄） │
│ ───────────────────────── │
│ 你是誰 / 你的規則 / 你的歷史 │
│ │ │
│ ▼ │
│ 每次新對話、Cowork 讀進 AI 的 context │
│ │ │
│ ▼ │
│ AI 跑你的 workflow（Loop 附錄） │
│ │ │
│ ▼ │
│ AI 產出內容 │
│ │ │
│ ▼ │
│ 5 Gates 對抗式驗證（5 Gates 附錄） │
│ │ │
│ ▼ │
│ 通過 → 上線 │
│ 失敗 → 寫進 log.md（變成新記憶） │
│ │
└──────────────────────────────────────────┘→ 形成「從錯誤中學習」的閉環。
1. 「資料 vs 程式」分離
- 資料：reference、wiki 頁、log
- 程式：skill、scripts、workflow
2. 「人類可讀」永遠優先
- 所有檔案都能用編輯器打開
- 不被任何框架黑箱化
3. 「文件即程式碼」
- markdown 是主要載體
- git 版控、可追溯
4. 「對抗式驗證」是底線
- 不讓 LLM 自己驗自己
- 不讓 LLM 自己決定何時停（Loop）
- 不讓 LLM 編造記憶打勾這 14 題、得分越高、你的記憶系統越完整：
[[link]] 連起來0-3 ：你才剛開始、先做 Part 4 階段 1
4-7 ：已有基礎、衝階段 2 結構化
8-11：成熟、考慮加 Pipeline
12-14：Albert 等級、可以開始教別人不用。接 Notion MCP 就好——Cowork 能直接查你 Notion。
但建議：至少多寫一份 CLAUDE.md 在 Cowork 工作資料夾、寫「我的 Notion 在哪裡、有什麼分類」、AI 才知道往哪邊找。
會。所以需要： - index.md 當地圖：AI 先看地圖、不亂翻 - frontmatter 當 metadata：可依 category 過濾 - 定期 lint：刪過時、合併重複、補連結
算、但不可靠。Cowork 可能保留 N 天歷史、但 AI 不會自動讀。 建議：重要決策寫進 log.md、不要靠對話歷史。
取決於你怎麼存： - 純本地檔案（你 Mac 上）→ 不會洩漏（除非你電腦被駭） - 同步到 iCloud / Dropbox → 取決於那邊的安全 - Notion / Google Drive → 取決於那邊的權限設定 - 絕對紅線：真實患者個資不能放任何地方（包括本地、除非加密）
共享資料夾用作業系統 / 雲端服務的權限：
- Dropbox 團隊 plan 可以設讀寫權限
- Google Drive 可以設不同人不同權限
- NAS 可以設 user / group
醫師 / 助理 / 護理 不同角色 → 不同資料夾權限
→ 不是 AI 在管權限、是檔案系統在管有用。新 feature 不會取代既有檔案、而是多一個額外管道。 建議：保持 CLAUDE.md 為「真實源頭」（source of truth）、新 feature 當輔助。
部分可以、要小心： - ✅ 可以：Ingest（你給檔、AI 摘要寫進 wiki） - ✅ 可以：Lint（AI 找矛盾、列出建議） - ⚠️ 小心：自動 update（AI 改舊 wiki 頁、必須你最終 review） - ❌ 絕對不可：自動刪除 wiki 頁
→ 大原則：AI 提建議、人類拍板。
技術上沒有、實務上有： - < 500 頁：純讀檔（Claude context 200K tokens 夠裝） - 500-2,000 頁：需要 index.md 強化、AI 只讀相關頁 - > 2,000 頁：開始考慮向量化（但 95% 醫師到不了這量）
「讓 AI 記得你」不是技術問題、是設計問題。
記住三件事：
1. Cowork 沒有「自動記住一切」的魔法
→ 你要自己設計「讓 AI 容易找到的記憶結構」
2. 用結構化檔案 > 用向量資料庫
→ 人類可讀、AI 可讀、出錯可改、git 可控
3. 從最小可行版本起步、不要追求完美
→ CLAUDE.md + 決策日誌 = 80% 收益
→ 完整 Wiki + Pipeline = 剩下 20%核心訊息：
「AI 沒記憶 = 每天都是新進的實習生、每次都要重新介紹你是誰、診所怎麼運作。
AI 有記憶 = 老護理師、知道你的習慣、SOP、患者結構、過去的決策。
兩種 AI 的差別、不在模型多強、在你有沒有把記憶系統蓋起來。
記憶不是 Cowork 內建的、是你『養』出來的。」
如果你想直接用、這些範本可以拿去：
最小版本（5 個檔）：
├── CLAUDE.md.template
├── 決策日誌.md.template
├── 進行中專案/README.md.template
├── 衛教文庫/README.md.template
└── 文獻摘要/README.md.template
結構化版本（多 3 個）：
├── index.md.template
├── log.md.template
└── 各領域 README.md.template
進階版本（多 3 個）：
├── lint-checklist.md.template
├── ingest-sop.md.template
└── frontmatter.yaml.template→ 未來如果要做 workshop、可以把這 11 個範本檔案打包成下載資源、會員實作時直接用。
設計新的記憶系統時、用這張表自查：
□ 1. 你有 CLAUDE.md / 入口檔嗎？
□ 2. 入口檔指引 AI「優先讀什麼」嗎？
□ 3. 有 append-only 的決策日誌嗎？
□ 4. 知識按領域分資料夾了嗎？
□ 5. 有 index.md 列所有主題嗎？
□ 6. 跨頁用 link 連起來了嗎？
□ 7. 頁面 frontmatter 標好 metadata 了嗎？
□ 8. 個資紅線清楚標記了嗎？
□ 9. 有定期 lint 機制嗎？
□ 10. 有版控（git）嗎？
🚨 紅旗檢查：
□ 真實患者個資有沒有不小心進到知識庫？
□ 知識庫頁面跟現實有沒有矛盾？
□ 是否有「過期 6 個月以上」沒 update 的關鍵指引？
□ 是否有「沒被 index 收錄」的孤兒頁？