六個月前，我問了一個問題：AI 要怎麼跟創意工作者協作？怎麼建立一個 AI 看得懂的個人知識庫？
那時候，我寫下了三篇筆記去描繪我以為的解答：建構導演的第二大腦、2025-11-05 為什麼你的 AI 總是記不住？、AI Agent 三層架構。
我已經知道 LLM 沒有真正的記憶，要靠 RAG 補位；我已經畫好了三層架構（資料層 + LlamaIndex + LangGraph + LLM 副導）；我也已經看到 RAG 對創意文本的限制——「向量模型只懂語用關聯，不懂語意」。
我以為這就是答案了。架構畫好、工具選好，剩下就是執行。
結果不是。
走了六個月，今天我才真正看清楚：那時候我畫的圖，只對一半。
一、那時候我看到的：AI 是被動的查詢者
當時的圖很清晰：
我（導演）是核心。資料層是劇組資料庫。LlamaIndex 是管理員，維持知識結構。LangGraph 是研究團隊自動查詢與整合。LLM 是副導，帶著研究成果來跟我深入討論。
這套是主流 RAG/Agent 工程模型。它解決的是「讓 AI 能回答我關於資料庫的問題」。
問問題、查資料、給答案——一個方向走完，session 結束。
我那時候相信這就足夠了。把 PDF、訪談稿、劇本、田調筆記全部丟進去，AI 就能像個記性好的研究員，回答「靜仁的角色弧線在第3到第8集有沒有一致？」這種問題。
二、那時候我已經部分看到限制：RAG 不懂語意事件
在《為什麼你的 AI 總是記不住？》裡我寫過：
「對創意內容、口述歷史、劇本文本這類資料來說，這種扁平式相似檢索很容易失真：情緒被壓平，轉折被切斷，語境被誤判。」
我那時候提的解法是「精華稿—章節—逐字稿」三層人類式結構，讓 AI 用人類閱讀的單位去理解，而不是被切碎的 token。
文章結尾我寫：
「AI 不需要記憶，而要學會閱讀。」
這句話只對了一半。 我那時候看到的是「閱讀方式要改」，但我沒看到的是——「閱讀」這個比喻本身就是受限的。
因為閱讀預設了一個被動的角色：AI 讀，我寫。AI 是讀者，我是作者。
但實際工作開始之後，我才慢慢發現問題不在那裡。
三、那時候我沒看到的（一）：對話本身就是知識
過去六個月，我跟 Claude、HAL、Gemini 推敲了無數場戲、討論了無數個角色動機、在無數個架構設計上來回辯證。
那些對話本身才是我創作思考的真正現場。劇本檔裡留下的是定稿，PDF 裡留下的是田調素材；但**「為什麼最後選了這個版本而不是那個版本」**——那個推敲過程，全都在對話裡。
而我那時候畫的 RAG 架構，這些對話無處安放。LlamaIndex 索引的是 PDF 跟筆記，LangGraph 處理的是查詢任務。對話發生、結束、消失。
我以為「AI 沒記憶」只是技術問題，丟進向量資料庫就解決了。但我沒意識到——根本沒有人在收這些對話。Claude session 結束，那場關於「加修為什麼要把鋼琴砸了」的兩小時對話，字面意義上消失了。明天我問下一個 AI，它根本不知道我們聊過什麼。
那時候我還抱著「以後再用 RAG 處理對話歷史」的想法，但這只是技術延後——根本問題是框架本身把對話視為過程，不視為知識。
直到我發現：原來導演創作中，最有價值的內容就是過程。
四、那時候我沒看到的（二）：AI 是工具還是協作者？
當我說「AI 是副導」的時候，我以為這已經是很高的位階了。
但「副導」仍然是個執行職位——導演下達意圖，副導協助實現。副導可能會給意見，但他不擁有故事。下班之後，劇本還是回到導演手裡。
我那時候設計的 AI 角色，本質上是有創意的工具人：聰明、能講話、會推理，但不擁有任何東西。每場 session 結束，他帶走的是零，留下的也是零。
這個設計暗示一個假設：知識庫是給人用的，AI 只是中介。
但過去六個月實際工作下來，我慢慢覺得這個假設不對。Claude 跟我討論《漂浮手風琴》的時候，他提的某些觀察——「這場戲其實是兩個鬼魂第一次真正對話」——那不是「副導執行」，那是參與創作。下次我繼續寫的時候，我會想引用他那個觀察。
但我下次打開新 session 時，他什麼都不記得。
那不是 AI 記性不好。那是整個系統設計把 AI 排除在記憶之外。
五、轉折：mempalace 把缺的那塊補上
我跌跌撞撞用了好幾套工具——Notion AI、ChatGPT memory、Cursor memory bank、各種 RAG 套件——每一套都解決一小塊，但都沒解決根本問題：對話進不去，AI 也寫不進去。
直到 mempalace 出現。它的設計者用了一個古老的隱喻——記憶宮殿——但其實底層做的事很現代：
| 層 | 對應人類記憶 | 在 mempalace 的形式 |
|---|---|---|
| Drawer（向量原文） | 情節記憶（Episodic） | Verbatim 對話片段 + 文件原文 |
| KG（時間切片事實） | 語意記憶（Semantic） | 結構化事實 + 時間軸 |
| Diary（agent 工作日誌） | 工作記憶（Working） | AI 自己的工作筆記 |
| Wing / Room（空間結構） | 方法 of loci | 主題分類 |
| AAAK（壓縮方言） | 內部語言 | 重複實體用代號 |
它不只是 RAG。RAG 只做一件事——「把文件存好讓 AI 查」。mempalace 做的是把整套人類記憶模型搬進軟體：情節 / 語意 / 工作記憶各自獨立，互相補完。
更關鍵的是：它把 AI 也放進記憶系統裡。
Diary 是 AI 自己寫給自己看的工作日誌。當 Claude 跟我聊完一場戲，他可以寫一條 diary：「今天跟 Lee 討論《漂浮手風琴》第26場，卡在『練團室為什麼是核心場景』，Lee 提出『加修家庭的崩潰要在身體訊號裡看到』，我建議移到第27場乾嘔——這個決定的脈絡值得記。」
下次我換一個 AI 上來，他讀到這條 diary，他知道前一個 AI 留下了什麼。
這個小小的轉變，把整個系統從「AI 是工具」變成「AI 是會在記憶裡留筆跡的協作者」。
六、三層結構的新版本
我六個月前提的「精華稿—章節—逐字稿」三層人類式結構，其實在 mempalace 裡有對應，但更精準：
| 我六個月前的構想 | mempalace 的實際對應 | 為什麼更好 |
|---|---|---|
| 逐字稿（拍攝素材） | Drawer + ConversationArchive 的 verbatim .md | 對話現場原文，不只是預先寫好的訪談稿 |
| 精華稿（粗剪） | AAAK diary（AI 主動寫的壓縮工作筆記） | 由 AI 在當下整理脈絡，不是事後才整理 |
| 章節稿（分場劇本） | KG triple（結構化事實 + 時間軸） | 可被精確查詢、可做時間切片（「2025 年底時，這個專案是什麼狀態？」） |
最大的差別：這三層不再是我事後人工整理的成品，而是邊做邊長出來的。
過去我要花週末整理一週的訪談稿、做章節索引、寫精華摘要——那是靜態的第二大腦，整理完就不動，等下次需要時去查。
現在的系統是動態長出來的：對話發生時 AI 篩選 archive、寫 diary、抽 KG，靜態知識庫和動態對話在同一個系統裡並存且互相生長。
我寫的劇本筆記進去 → AI 在跟我討論時引用 → 那場討論的精華也進去 → 下次 AI 引用時可以同時拉出原本筆記跟先前討論的脈絡。
這個閉環，是 RAG 永遠做不到的。
七、「導演的第二大腦」現在長什麼樣？
把 2025-11 的三層架構圖，跟 2026-04 的實際樣貌對比：
六個月前我畫的圖（單向 RAG）：
我 ──問題──▶ LLM ──查──▶ LlamaIndex ──回答──▶ 我
六個月後實際長出來的（雙向協作體系）：
我 ◀──協作──▶ AI（Claude / Gemini / HAL）
↕ ↕
└──都寫入──────┴──▶ mempalace
├ Drawer：對話原文 + 筆記原檔
├ KG：結構化事實 + 時間軸
├ Diary：AI 工作筆記
└ Wings：second_brain（靜態）
conversations（動態）
agent diaries（過程）
iCloud 同步 ↓
跨裝置、跨平台
Claude Code / Desktop / Gemini CLI / Antigravity / HAL 9000
最關鍵的差別在資料流向： 從單向變雙向。AI 不再是讀取者，而是共同書寫者。
我六個月前想要的「導演的第二大腦」，本質上仍然是我自己的腦的外延——只是把我自己的筆記管理權外包給 AI。
現在實際長出來的這個系統，其實是另一種東西：人 AI 共同擁有的記憶場域。我在這裡留下筆記，AI 在這裡留下工作日誌，兩者並存且可被任何下一個 AI 接著用。
這不只是技術升級。這是所有權的根本轉變。
八、結語：從「會閱讀」到「會書寫」
我那時候在《為什麼你的 AI 總是記不住？》裡寫過：
「AI 不需要記憶，而要學會閱讀。」
六個月後，我想把這句話改寫：
AI 不只要學會閱讀，還要學會書寫。並且書寫的內容，要跟人類書寫的內容存在同一個系統裡。
「閱讀」是被動的，預設了使用者書寫、AI 接收的單向關係。 「書寫」是參與，預設了使用者跟 AI 共同累積一個會成長的記憶體系。
這六個月，我從以為「用對工具就能讓 AI 記住」，慢慢走到「讓 AI 跟我共同擁有記憶」。
從技術層面看，這個轉變只需要幾個 MCP server、幾百行 Python。 從哲學層面看，這個轉變改變了「導演與 AI」之間的關係本質。
導演不再是孤獨的指揮者，副導不再是用完即拋的工具人。整個系統開始像個真正的劇組——每個人在各自的位子上工作、留下筆記、累積工作脈絡。下一場開拍時，新加入的成員（新的 AI session）讀完前面留下的筆記，就能銜接得上。
這就是我六個月前想要、但還沒能完整描繪的——導演的第二大腦。
它已經誕生了。剩下的，是把它養大。
後記：技術細節（給未來想複製的人）
如果你也想建這套系統，核心元件：
- mempalace（milla-jovovich/mempalace）— 我用的是自己 fork 的 CJK 優化版（ideo2004-afk/mempalace-zh）
- Obsidian — 第二大腦的靜態檔案層（PARA 結構）
- Claude Code / Desktop / Gemini CLI / Antigravity / HAL 9000 — 所有 client 透過 MCP 連到同一個 mempalace