▋卡片盒筆記法是什麼？拆解知識顆粒重塑創作流程
老實說，還沒接觸卡片盒筆記法之前，我以為筆記就是整理資訊而已。但當我真正去讀那本介紹卡片盒筆記的書後，我才發現這套方法的本質其實是：把資訊打散成極小的知識顆粒，就像把複雜的創作過程拆解成一片片樂高零件。
每張卡片都是一個獨立思考的單位。你可以任意組合、重構，慢慢拼出一篇文章，甚至一個新產品的構想。聽起來很簡單，對吧？但它真的顛覆了我過去對知識管理的想像。
我開始思考：如果這樣的知識顆粒不只是用在個人寫作，而是應用在企業日常中，那會怎樣？
公司裡每天都有大量的資訊產出──會議記錄、技術文件、簡報、Email、SOP、報表，甚至聊天紀錄。
如果能像卡片盒一樣，把這些內容打散成標準化的知識單位，再用 bottom-up 的方式重組，不就可以成為一個巨大的知識處理引擎？
尤其在 AI 快速進展的現在，這些碎片化資訊很可能變成自動化流程的原料，讓機器學習如何做出人類的決策，而我們人類只要專注在「尚未被解決的問題」上。
▋產品經理如何用卡片盒筆記法與 GPT 優化 PRD 工作流
一開始我試著用卡片盒的概念去回看產品經理的日常流程，發現其實整份 PRD 的誕生，本質上就是由一堆碎片組成的。從會議白板上的討論、KPI 指標的設定、利害關係人的訴求、產品定位的討論，一直到 go-to-market 策略，這些資訊原本分散在錄音檔、逐字稿、簡報或備忘錄中。過去我們是靠人的腦袋去「吸收、理解、整合」這些內容，現在我則開始思考：是否能把這些碎片變成卡片，由 AI 來做第一次的組合？
我試著設計了一個十步驟的範例流程，把產品經理的日常工作拆解成具體環節。從第一步會議錄影產出逐字稿開始，再一步步讓 GPT 根據不同的基底（PRD 模板、KPI 討論、角色需求等）提出適配內容。AI 可以協助歸納重點、提出草稿、甚至進行段落寫作，最終由產品經理審核與補強。這樣的設計，讓人不必再從零開始，而是進入一個「從素材挑選與修補」的角色。
1，會議過程錄影保存：使用 AI 工具（如 Zoom AI）錄下會議與白板討論過程，捕捉即時思路與討論脈絡
2，轉錄成逐字稿：將錄影內容轉成文字，產出完整逐字稿作為第一層資料原始素材。
3，輸入 GPT 建立會議記錄摘要：將逐字稿餵給 GPT，請它提煉重點、抓出重要決策、待辦事項或技術方向
4，套用公司 PRD 模板：將既有的 PRD 模板結構（含章節格式、常見內容）作為基底，交由 GPT 填入初步內容
5，連結例行會議中的 KPI 討論內容：引用過去部門會議中提到的 KPI，作為 PRD 中的成效指標或驗收標準基礎。
6，請 GPT 協助設計適合的 KPI 內容：根據產品特性與市場情境，請 GPT 補上可能的衡量方式與建議數值。
7，導入利害關係人的「人物誌」作為角色理解基礎：事前建立各角色關注點的檔案，讓 GPT 了解這些人在意的問題與期待。
8，請 GPT 協助撰寫利害關係人關注的議題與 go-to-market 提案：根據人物誌資料，生成針對不同角色的商業策略或產品優勢表述。
9，生成 PRD 大綱草案：請 GPT 整合上述素材，自動生成完整的大綱版本供產品經理審閱與修改。
10，展開段落撰寫與補充 user story、mockup 等細節：根據大綱請 GPT 撰寫每個章節，並進一步補上使用者情境、需求流程與 UI 草圖。
這不代表產品經理就被取代了，反而讓我們能更專注去挖掘使用者的痛點、構想突破點子。那些繁瑣但可預測的流程交給 AI，我們自己則成為創意與決策的放大器。
▋建立 AI 協作流程的關鍵：如何切分與分類知識碎片
當我把十個步驟試著跑過幾次後，發現這其實不是單一場景才適用的 hack，而是一種普遍可複製的思維框架。
關鍵不在於 GPT 多厲害，而在於我們是否能夠把流程切割得夠小、夠清楚。每個流程中，總會同時存在兩種資訊單元：一種是「有標準答案」的，像是報表格式、SOP 步驟、會議記錄；另一種則是「需判斷」的開放問題，例如該選哪個 go-to-market 策略、某 KPI 該如何設定。
只要能將這兩種分出來，前者就可以交給 AI 自動化處理，後者則保留給人類思考與補強。
這樣的流程設計，其實就是一種新的合作模式。我不再單純扮演執行者，而是像教練一樣設計出一套可預測、可迭代的思考流程，讓 AI 成為我的助手。
我會決定素材從哪裡來、怎麼分類、怎麼組裝，然後讓 GPT 負責做第一次整合。我也不再從零開始寫文件，而是先請 AI 給一版大綱與內容，再補上真正需要我判斷的橋段。
久而久之，我發現這種模式跟建立個人 Agent 沒什麼不同。Agent 並不是指一個全能的 AI，而是你針對某種任務設計出的資訊組裝邏輯，加上一套對錯的標準流程。
換句話說，從卡片盒筆記法開始，我逐步建立出一種「人腦設計 → AI 初步生成 → 人類審核補強」的工作節奏，也等於把個人知識管理升級成了知識工作流程設計。
▋AI + 知識管理的未來：打造可擴充的自動化工作代理人（Agent）
當我把這套方法初步應用在實際工作後，最大的感受是：這不只是一種個人效率提升技巧，更是一種可以規模化、跨角色的知識處理架構。
產品經理只是其中一個起點。實際上，每個部門、每個流程，甚至每一位員工的日常工作中，都蘊含著大量可拆解的標準作業與判斷流程。只要願意花時間觀察，幾乎每個工作環節都可以像卡片一樣被打散、分類，再重組成一條由 AI 協助完成的流程。
更重要的是，這不只是「讓 AI 幫你節省時間」，而是讓人類能把思考與創造力放在真正關鍵、真正需要人判斷的問題上。
當 AI 可以處理八成資訊比對與內容草擬工作，人就能專注在驗證假設、優化策略與創新設計。這也讓所謂的「Agent」不再只是科技業術語，而是我們每個人都能用自己習慣的邏輯，訓練出一套專屬的工作輔助機器。