上週政府某局處承辦來電：「AJ，我們三年前有一份會議紀錄，現在要找其中一段關於某政策草案的討論，整個檔案夾翻爛了，找不到。」我跟他說：「你不是找不到，是當年沒把它放對地方。」
知識庫的問題從來不是搜尋，是建構——而 LLM 剛好是建構成本的剋星。這就是我拍這支影片的原因。
Karpathy 那則推文打到我
影片裡我用的核心思路，來自 Andrej Karpathy 2026 年 4 月的一則推文。他講了一句很直接的話：
「別讓人整理，讓 LLM 整理。」—— Andrej Karpathy, X, 2026.04
過去我們建知識庫的瓶頸是「人不願意花時間把資訊整理進去」。但今天，整理這件事 LLM 比人做得好——你只需要把原始材料丟給它，它幫你整理成結構化的 Markdown 知識庫。
為什麼是 Codex，不是 ChatGPT
一般人用 ChatGPT 也能整理，但有個限制——它一次只能處理你貼進去的內容，無法主動去翻你的整個資料夾。
Codex 不一樣。它跑在你的本機（或雲端 sandbox），可以自己讀資料夾、自己建立檔案、自己跑命令。我在影片裡示範的整個流程：
- 把 120 份 PDF 丟到一個資料夾
- 寫一份
Agent.md告訴 Codex 要怎麼整理 - 讓它跑——它會自己一份一份讀、抽重點、建索引、做 wikilink
- 結束後你有一份結構化的 Markdown 知識庫，可以丟 Obsidian、丟 Notion、做網站
整支影片沒有打開 PowerPoint、沒有寫 Python、沒有用 LangChain。只有一個資料夾、一份 Agent.md、一個 ChatGPT 帳號。
三個 take-away（沒空看影片的話）
- Codex 不需要 API key，只要你的 ChatGPT 帳號——Plus、Pro 都能用。對非工程師最大的門檻就是這個。
- Agent.md 是這套流程的靈魂。寫得好，Codex 跑得乖；寫得爛，跑出來的知識庫一樣亂。
- 這套方法不只能整理知識庫——把它套到「整理客戶資料」「整理會議紀錄」「整理研究素材」都成立。本質是「把整理這件事外包給 LLM」。
給不同角色的話
給承辦人員：如果你手上有一堆三年五年累積的會議紀錄、政策草案、長官指示，這套方法可以救你的命。前提是這些檔案在你本機或某個 Codex 能讀的地方。
給知識工作者：你看的書、你寫的筆記、你發過的信，這些其實已經是一座知識庫——只是沒整理。試試看一個週末用 Codex 把過去半年的筆記建成一份結構化目錄。你會嚇到。
給我自己：我用同一套流程做了那個數位整個官網的內容索引、課程素材庫、客戶提案資料庫。省下來的不是時間，是「找東西」這件事的心智負擔。
結語
我們以為知識庫的瓶頸是搜尋，原來是建構——而 Codex 把建構的成本壓到一個週末。
沒有 Python、沒有向量資料庫、沒有 LangChain。只有一個資料夾、一份 Agent.md、一個 ChatGPT 帳號。