AI 工作流的下一步：從管程式碼，到管知識

今日最有感的事

Karpathy 說了一句話，讓我想了很久：

「我的 token 使用量，越來越多從『操控程式碼』轉移到『操控知識』。」

他把論文、文章、YouTube 逐字稿丟給 LLM，讓它自動整理成有內部連結的 wiki，以 Markdown + 圖片的形式儲存。知識的 index、backlink、概念文章，全部由 LLM 維護。

這聽起來很新，但我細想，我其實已經在做這件事了——只是工具不同。

Karpathy：Obsidian + Claude Code + GitHub
我：Roam Research + OpenClaw + Zotero + ECG 文獻

差別在於：Karpathy 的知識幾乎全由 AI 維護，而我是 Bear + AI 協作。我自己寫筆記、自己做 ECG 判讀、自己在 Roam 留下當下的思考，OpenClaw 負責整理、歸檔、連結。

這個 hybrid 模式，在醫學情境下反而比純 AI 代管更合適。因為臨床直覺、病人互動、邊際判斷——這些不能只靠語料，要有實際接觸病人的思考痕跡才算數。

另一個今天讓我大開眼界的是 Boris Cherny（Claude Code 負責人）的 15 個功能示範。他說他「大多數程式碼是說給 Claude 聽的，不是打字的」，然後讓幾十個 agent 在不同 git worktree 並行工作，自己在手機上用 /teleport 跨裝置監控進度。

這種工作方式，和我每天在急診做決策的模式很像——我不是要把所有事情都自己做，而是要在對的時間點做對的判斷，然後讓系統幫我執行細節。

AI 工具的本質，從來不是「幫你做你做不到的事」，而是「讓你專注在只有你能做的事上」。

今日收集的資源

• Karpathy：LLM Knowledge Bases（林穎俊 FB 解讀）

  • 原始連結：https://x.com/karpathy/status/2039805659525644595
  • 一句話：用 LLM 管知識比管程式碼更有長期價值

• Boris Cherny：15 個 Claude Code 功能（Inside 硬塞報導）

  • 原始 thread：https://x.com/bcherny/status/2038454336355999749
  • 重點功能：/loop 自動排程、/teleport 跨裝置、/voice 語音輸入、git worktrees 多 agent 並行、Hooks（PermissionRequest 傳到手機審批）

• Google Vids 大升級（OpenClaw 中文社群 FB）

  • 連結：https://www.facebook.com/share/p/1cDtwoUB5T/
  • Veo 3.1 文字→影片（8秒/720p）+ Lyria 3 自動配樂，免費帳號每月 10 支