LETTO
一個人的書架永遠有缺口——
所以我們煮一鍋石頭湯。
這裡消化了 Wiwi 讀過的參考書、講義與電子報。你可以像問人一樣打問題,它會綜合出答案、附上原文出處。
準備國考時我試過餵 AI、餵 NotebookLM。它們都聰明,但都是被動的——你不問,它就不答;你真正的盲點(那些你不知道自己不知道的),它一句都不會提醒你。
所以我讓 brain 反過來:不是等你問,是它來考你,盯著你把一本書真的讀進去。
把一本書切成幾件「該學會的事」——像把讀不完的書切成小蛋糕,一天啃幾口。
先撈幾張相關的卡給你看,知道這個重點大概長怎樣。
用你自己的話講給樂透聽,先別看答案。講不出來的地方,就是你真正的盲點。
它拿卡片當標準,揪出你「以為懂、其實沒講到」的,附上原文出處。
真的掌握了才放你去下一個;還虛,就再練一次。
看你答得如何抓遺忘的節奏:答得好就拉長,卡住就很快再遇到。
這不是我拍腦袋想的。照著《超速學習》和《超速進步》做:用考的取代重看、先自己試再看答案、會了才前進、隔一陣子再考一次。
話先說在前頭:工具能把最難的「開始」變簡單,但真的動腦、真的下場練,還是得你自己。沒有哪個 App 是裝了就會變強的。
不是把整本書塞給 AI,而是拆成可檢索的知識卡、只根據卡片回答。以下是幾個關鍵的技術與取捨——之後會慢慢補齊。
把一科國考變成腦中一張地圖之後,我更貪心了——想把整個書架都變成這樣。但一個人的書架永遠缺一角:我買了這本、你買了那本。
於是想起石頭湯和大學共筆:各拿出一點自己有的,湊成一整鍋。
brain 就是這鍋湯的規矩——每個人端出來的,都是自己合法買、真的讀過的。不是圖書館,不賣人,就是幾個愛讀書的朋友互相查。
Google Apps Script 當後端、Qdrant 存向量、Gemini 做嵌入與生成。輕、免維運、成本低。
不做整書切塊,用 LLM 把內容拆成一張張帶「核心論點 + 關鍵詞」的卡,檢索更準。
先向量撈回候選,再用 LLM 重排,解決「多概念查詢被單一向量主導」的問題。
RAG 紅線:答案只綜合撈到的卡、句尾標引用,卡裡沒有就說找不到,絕不腦補。
物理治療、商業…各存獨立向量庫,物理隔離、互不污染,朋友再按領域授權。
好友用自己的免費 Gemini key 查,不吃我的額度;白名單 + 分領域授權控管。
// 待補:每一塊背後的決策脈絡與踩過的坑