Task Template 提煉

把已結案專案筆記丟給 LLM,讓它從多個案例中歸納出可重用的 Task Template / SOP。是 Bookkeeping by LLM 哲學在個人 PKM 端的具體實作——LLM 看得見人類「太理所當然沒寫進筆記」的隱性步驟。

一句話精髓

把已結案專案筆記留在「已結案」資料夾 = 只發揮 30% 價值;剩下 70% 該被提煉成 SOP 變成下次的 Template

5 個關鍵反思

反思 1:AI 補充空白、人校正方向

LLM 讀過專案筆記後,會用外部視角問「這之間是不是還缺一步?」——通常會補上人類自己做過但沒寫的步驟(如「課後 AAR」「正式上場前練習一次」)。

但 LLM 也會腦補不該抽象化的東西(譬如把「政大窗口名」直接抽掉,或把「具體金額」當通用步驟)——所以人類介入校正方向是必須的。

反思 2:AI 看得見「隱性步驟」(Tacit Knowledge)

人類沒寫進筆記的步驟通常不是因為「忘了」,是因為「對自己太自然 / 太理所當然」。但「對現在的自己自然」≠「對半年後的自己有用」。

哲學上這是 Vannevar Bush 之後 Polanyi 提的 tacit knowledge vs explicit knowledge 區分。Template 提煉的本質是強制 tacit-to-explicit conversion

⚠️ framing 警告:別說「AI 沒盲點」(會誤導你信任過頭)。正確說法是「AI 跟你站在不同觀察位置」——你是執行者、AI 是讀者。對執行者太自動化的步驟,對讀者反而是顯眼的缺口。

“AI 沒有『這太理所當然』的盲點” 是直覺說法;

繁中精確版:「AI 跟你站在不同的觀察位置——你是執行者,AI 是讀者。」

反思 3:Show Before Write(不要讓 AI 直接動手)

第一輪互動踩過坑:Claude 提煉完直接建新檔,結果 Template 資料夾已有同主題舊檔 → 多了一份重複要花時間刪掉。

學到的規則:

“AI 動筆前先讓我看。”

對高度依賴 AI 處理檔案系統的工作流特別重要——AI 一旦寫錯,刪檔、重整、改連結都是隱性成本

→ 這條規則已升級為 vault CLAUDE.md 規則 E(v1.3.6)。

反思 4:避免過度設計

聊到「Template 第二、三版怎麼保存」時,第一直覺是拆檔放 Archive、用內部連結串。Claude 提醒:為一年用不到一次的低頻需求付高額固定成本 = 過度設計

簡單解:

  • 新版內容置頂
  • 舊版直接推到下方「上一版本(保留備查)」
  • 真的長到不好用,再討論搬遷策略

「先把未來都想清楚再開始」是常見陷阱。Template 結構可以隨時重構,不像 DB schema 改起來會死人。

反思 5:把對話過程封裝成 Skill

走完 4 個反思 + 打磨好一份 Template 後,最後一步把整個流程封裝成 Claude Code Skilltask-template-distill)。

“和 AI 來回討論的過程,都值得封裝成 Skill。”

繁中:跟 AI 一起摸索出來的 SOP,每個都該變成 Skill 重複使用。

呼應 Boris Cherny 第 5 條心法:「一天做超過一次的事就 Skill 化」

通用提煉判斷邏輯

從具體專案筆記 → 通用 Task Template,要做四件事:

動作描述範例
保留此類專案都會走過的流程「邀約 → 大綱 → 簡報 → 上場 → 收尾」
抽掉專案特有細節(用 {佔位符} 取代)政大 → {學校名};金額 → {金額}
補上沒寫進筆記但實際做過的隱性步驟課後 AAR、練習一次完整流程、補經歷到個人網站
分階段平面 task list 重構成 3–6 個階段初次接洽 / 等待審核 / 內容製作 / 演講前 / 演講當天 / 收尾

對有「線上 / 實體」分支的,用 ### 5-A 線上 / ### 5-B 實體 切分。

wiki-ingest 的同構性

⭐ Vincent vault 的觀察:task-template-distillwiki-ingest 是同一個 skill 模式的兩個 instance

階段task-template-distillwiki-ingest
1 讀來源已結案專案筆記raw/X.md
2 reuse-firstGlob Task - *.md找既有 entity 同 basename
3 萃取 atomic通用步驟 + 抽具體細節atomic 概念 + 跨檔 backlink
4 show before write對話中提案 → 等同意Pass A/B/C audit report
5 寫入 + 版控同檔疊加 + 版本紀錄 H1wiki/log.md table 一行

「LLM-as-pattern-extractor」是個通用 skill template。如果你之後做寫作模版、會議模版、卡片模版,骨架都一樣,只是「萃取什麼」不同。

可以再上抽一層:建一個 meta-skill distill-from-instance(來源資料夾, 模版資料夾)

標準 SOP(給 Claude Code skill 用)

朱騏的完整 task-template-distill skill 描述見原文。核心原則濃縮如下:

# Skill: task-template-distill
trigger: "幫我把這則專案提煉成 Task Template"
steps:
  1. Glob 既有 Template 資料夾找最相關
  2. 找到 → 提案優化;找不到 → 提案新建
  3. 在對話中 show 內容(含「補了什麼是筆記沒有的」分析表)
  4. 等使用者明確同意才動手
  5. 寫檔:新版置頂、舊版推到下方「上一版本」、版本紀錄加一行
  6. 回報完成 wikilink
guarantees:
  - 不主動建重複檔
  - 任何寫入前必先 show
  - 版本疊加不拆檔
  - 不加 emoji(保持文字簡潔)

對 Vincent vault 的應用點子

vault 已有的 Templates 資料夾如果要套用此模式:

Templates/
├── Task - {既有} .md
└── (未來)
   └── Task - 講座邀約.md      ← 政大線上演講後 distill 出
   └── Task - 系統部署.md      ← PAM 上版後 distill 出
   └── Task - 會議記錄.md      ← 多次會議後 distill 出

每結案 1 個專案 → distill 1 次 → Template 累進更精準。

未來增強:Template Lint

task-template-distill skill 可加 lint-style 動作:

  • 每月掃所有 Task 模版
  • 找出 > 6 個月沒更新的
  • 提醒:「你最近用過 X 模版嗎?要不要根據新累積的專案再 distill 一次?」

呼應反思 2 的「半年後再開新專案」場景——避免 Template 隨時間 stale。

反模式

  • AI 第一輪 draft 就接受 → 漏掉 framing 校正、抽象化錯誤、AI 腦補
  • AI 直接寫檔不 show → 重複 / 覆蓋 / 路徑錯
  • 拆檔保存歷史版本 → 過度設計(除非真的長到不好用)
  • 只 distill 一次 → Template 不會自動跟進新累積的經驗,要定期重 distill
  • 不封裝成 Skill → 每次手動跑一遍流程 = 浪費對話 context

相關概念

強連結(原文明確提及 + 同源思想)

  • Bookkeeping by LLM — 哲學底層(LLM 補空白 / 人校正)
  • Plan 模式 — show-before-write 對應 Boris 的「Plan→Auto-accept」三階段
  • 委派而非配對 — Claude 給平庸方案時 push back(朱騏「校正方向」 = Boris「Scrap this, do it elegantly」)
  • Compounding Engineering — Template 累進更新 = 飛輪效應的個人版
  • Slash Commands — 「一天做超過一次就 Skill 化」
  • Boris Cherny — 平行倡議者(Boris 對工程、朱騏對 PKM)
  • wiki-ingest — 結構同構(vault 端的 distill)

推斷連結(LLM 認為相關,待確認)

  • 卡片大法 ?? — Template 提煉本質是把 Literature Note → Permanent Note 的 Zettelkasten 動作
  • 累進式摘要 ?? — BASB 端的對應:原 highlight → 改寫 → 提煉
  • 進度筆記 ?? — Tiago Forte 的 IP(Intermediate Packet)跟 Template 的精神一致

深入閱讀

← 回到 wiki