我的 Zettelkasten 實踐：一年後的回顧
一年前，我決定認真建立一套 Zettelkasten 系統。
我讀了 Niklas Luhmann 的故事，看了 Obsidian 社群的炫圖，相信自己也能建立一個會自己長出洞見的知識網絡。
一年後，我的 Vault 有 123 則永久筆記、30 個主題地圖、數百個原子化概念。
這篇是我誠實的回顧：什麼有效、什麼沒有、以及 AI 如何從根本上改變了這套系統的運作方式。
什麼是 Zettelkasten（給不熟悉的人）
快速說明，如果你已經知道就跳過。
Zettelkasten 是德文「卡片盒」的意思，是德國社會學家 Niklas Luhmann 用來管理知識的系統。核心概念是：
- 原子化：每則筆記只有一個想法
- 連結：筆記之間用雙向連結串起關係
- 演化：系統會隨時間長出你意想不到的洞見
Luhmann 用這個系統在 40 年間寫了 70 本書、400 篇學術文章。
聽起來很吸引人，對吧？
第一年：真實發生的事
前三個月：建立習慣的痛苦
最難的不是理解概念，而是改掉「剪貼收藏」的習慣。
以前我的習慣是看到有趣的內容就截圖，或複製貼上到一個叫「有趣的事」的資料夾，然後再也不看。
Zettelkasten 要求你在記錄的當下就消化——用自己的話說出這個想法，找出它和你已知的什麼有關聯，並且想清楚這對你意味著什麼。
這很慢。比截圖慢十倍。
但慢是有意義的。那個停下來消化的過程，才是真正的學習發生的時刻。
三到六個月：系統開始有重量
當永久筆記超過 50 則，有趣的事情開始發生。
我在寫一則關於「AI Agent 的安全邊界」的新筆記時，系統提示我有三則舊筆記和這個主題相關：一則是關於「分層授權設計」、一則是關於「人類監督節點」、一則是關於「Claude Code 的 permission mode」。
這三則筆記分別在不同時間記下，但它們拼成了一個完整的論述。
那個時刻，我理解了 Luhmann 說的「第二個大腦」是什麼意思。
六到十二個月：速度瓶頸
這是我沒有預期到的問題。
當我開始用 AI 工具（Claude Code、n8n 自動化）加速知識擷取，問題出現了：
自動擷取的速度，遠超過人工消化的速度。
我的 00_Inbox 資料夾開始堆積。每週有 40-60 篇來自 Threads、Slack、文章的素材等待提煉，但我能認真消化的只有 10-15 則。
Inbox 成了另一個「有趣的事」資料夾，只是格式更整齊。
這讓我意識到：系統設計的瓶頸不在擷取端，在提煉端。
什麼有效
梳理一年的歷程，我把發現整理成兩類：有效的和沒效的。先說有效的。
1. 原子化筆記真的讓思考更清晰
最有價值的副作用：寫 Zettelkasten 的過程，強迫你把一個模糊的感覺轉化成一個可以說清楚的論點。
「AI 很重要」不是一則筆記。
「Context Engineering 是個人 AI 工作者在七層架構中最能差異化的層級，因為底層硬體和基礎模型不是個人能影響的，但 Context 的設計完全取決於工作者的領域知識」才是。
這個練習，本身就是一種思考訓練。
2. 跨領域連結是意外的驚喜
我不可能在寫筆記的當下就知道哪兩個想法未來會有關聯。但當系統幫我把「LCC 忠誠度計畫的高沉睡率」和「知識管理 Inbox 堆積問題」放在一起，我看到了一個共同的結構：
當進料速度超過消化速度，任何系統都會累積「名義上擁有但實際上沒有用」的資產。
這個洞見幫我重新設計了我的知識管理流程，也讓我在給客戶做 Loyalty 建議時有了新的角度。
3. MOC 是讓系統「可用」的關鍵
永久筆記本身不夠，你需要一個導覽層。
我的 20_MOC/ 目錄有 30 個主題地圖，每個 MOC 是某個領域的概念索引。當我要寫一篇關於 AI 開發的文章，我不需要搜尋所有筆記，只需要打開 AI工具與自動化_MOC.md，就能看到這個主題下所有相關筆記的結構。
沒有 MOC，系統的知識是散的。有了 MOC，知識才是「可取用的」。
什麼沒有效
1. 連結過度工程化
早期我很努力地為每則筆記建立雙向連結。後來我發現：不是每個連結都有意義。
「因為和其他筆記有關就加連結」和「因為這個連結揭示了一個真實的思想關係才加」，是完全不同的事。
前者讓你覺得系統很豐富，但搜尋時的雜訊也多了。後者的連結，每一個都值得點進去看。
2. 系統維護的心理負擔
Zettelkasten 需要定期的「整理」：把 Inbox 的素材提煉成永久筆記、更新 MOC、定期回顧已有的筆記。
這些工作沒有截止日，很容易被推遲。推遲一週，下週的負擔就翻倍。
解決方案是把它當成固定儀式，而不是「有空再做」的事。
3. 過度追求「完美格式」
我花了太多時間在格式：用什麼標籤、怎麼命名、要不要加 metadata。
最後的結論是：格式服務思考，不是目的本身。 一則內容豐富但格式凌亂的筆記，遠比一則格式完美但空洞的筆記有價值。
AI 如何改變了這套系統
這是一年後最大的改變。
Claude Code 成為系統的一部分
我現在在 Obsidian 的專案根目錄有一個 _llm_index.md，是專門為 AI 設計的 Vault 導覽文件。它告訴 Claude：Vault 的結構、MOC 的主題分類、Zettelkasten 的時間分布。（關於如何讓 Claude Code 讀懂你的專案，CLAUDE.md 是另一個同樣重要的設計——原理是一樣的：給 AI 一份「說明書」。）
當我要寫文章或做研究，Claude 可以直接參照這份索引快速找到相關筆記，而不需要我一一指定。
這讓 AI 從「工具」變成了「有記憶的協作夥伴」。
自動提煉流程（還在實驗中）
我正在用 n8n 自動化部分提煉流程：把 Threads、Slack digest 自動結構化，初步分類成可以快速審核的草稿。
但這帶來了前面說的「速度瓶頸」問題——AI 可以自動生成草稿，但你還是需要花時間審核和決定「這個值不值得進永久筆記」。
AI 加速了前段，但沒有消除人類判斷的必要性。事實上，在 AI 大量產出的時代，判斷力比以前更稀缺、更有價值。
給想開始的人
如果你正在考慮建立 Zettelkasten，幾個誠實的建議：
從小開始。不需要建立完整的系統才開始記第一則筆記。先從「把一個你今天學到的東西用自己的話寫一遍」開始。
Inbox 要每週清。如果你讓 Inbox 堆積超過兩週，你就失去了大部分情境，提煉的品質會大幅下降。
MOC 越早建越好。當你有 10 則筆記的時候建 MOC，比有 100 則再建容易太多。
工具選 Obsidian。不是說其他工具不好，而是 Obsidian 的本地儲存、Markdown 格式、和未來 AI 整合的相容性，目前是最好的選擇。
連結要有意義。每次建連結前問自己：這個連結揭示了什麼真實的思想關係？
一年後的結論
Zettelkasten 沒有讓我變成 Luhmann，但它改變了我思考和記錄的方式。
最大的收穫不是那 123 則筆記，而是「用可連結的方式思考」這個習慣。
當你習慣了問「這個想法和我已知的什麼有關？」，你開始看到世界的不同之處。
那是 AI 目前還沒有辦法替代你做的事。
系列相關：如果你想看 Zettelkasten 在 AI 協作場景的具體應用，可以看[用 AI Agent 團隊經營品牌 Blog：notes47y 的 Paperclip 實驗]。