AI把食譜忘了，而你家那本油漬斑斑的筆記，早就解決了這件事

2026年9月15日，一篇談OpenWiki的長文在技術圈傳開。這個由LangChain在當年7月開源的工具，五天就衝上九千多顆星，到文章發表時已經累積超過一萬六千五百顆。它要解決的問題說來簡單：AI寫程式時，短期記憶夠用，長期記憶卻是空的。每次任務都是一次全新的開始，之前累積的理解全部浪費掉。

工程師們為此熱烈討論。而我讀著讀著，鼻子裡浮現的卻是另一種味道：家裡廚房抽屜深處，那本被油漬浸得半透明的筆記本。

每次都從零開始的廚房，你一定待過

你有沒有這種經驗？跟著影片做了一次紅燒肉，成功了，醬色亮得像鏡面，筷子一夾顫巍巍地晃。三個月後想再做一次，腦子裡卻一片空白。炒糖色是先放油還是先放糖？燜的時候到底要不要蓋鍋蓋？於是你又打開影片，又從頭看一遍，又站在爐子前面手忙腳亂。

那就是沒有長期記憶的廚房。

我外婆不是這樣的。她那本筆記本攤開來，字歪歪扭扭，頁角捲起，某一頁還留著某年某月滷汁噴上來的褐色印子。上頭寫的不是食譜，是判斷：「三層肉要買胖瘦相間五層的，市場東邊那攤比較好」「糖色到琥珀色就要下肉，再等就苦」「滷汁留起來，下次加水加醬油續」。每一句話背後，都是一次真實的失敗或成功。

這就是記憶被寫下來的樣子。而且它寫下來的目的，是給下一次的自己快速查閱，不是給陌生人欣賞的散文。

給機器看的文件，和給人看的食譜，從來是兩回事

OpenWiki最反直覺的地方在這裡：它掃描你的程式碼庫，用LLM生成一套Markdown的Wiki，但這套Wiki的讀者不是人，是AI Agent。

傳統的文件像食譜書。漂亮的照片，作者的小故事，某個夏天在託斯卡尼學來的典故。人讀起來津津有味，因為人會腦補、會跳讀、會從散亂的段落裡撈出重點。但Agent不行。它的上下文窗口有限，每一行無用的敘事鋪排，都在消耗寶貴的空間。所以OpenWiki輸出的是針對機器優化的結構化文件，讓Agent能快速定位到需要的段落，不用每次都把整本書從頭翻起。

這道理廚房裡早就有了。給自己看的筆記，從來不寫「豬肉富含蛋白質，自古以來是華人餐桌的要角」這種話。你只寫：肉、冰糖、醬油、米酒，比例三二二一，小火四十分鐘。乾、準、可直接執行。

而它最講究的一手，是所謂的Claims機制：每一條事實性陳述，都記錄它來自哪個檔案的哪一行，總結錯了可以直接回頭查證。這就像外婆筆記裡那句「糖色到琥珀色就下肉」旁邊，用鉛筆小小地補了一句「民國幾年哪一次燒苦了，切記」。每一個結論，都留著它的出處與教訓。

會自己更新的筆記，才是活的筆記

程式碼會變，所以OpenWiki提供了更新指令，代碼一改，Wiki跟著刷新，過時的結論被替換。它甚至支援多語言生成，文件可以換語言，但變數名稱、函式名稱照原樣保留。

廚房裡的筆記本也是活的。外婆那本後來傳到我媽手上，某幾頁被貼了便利貼：「現在的醬油比較鹹，減半」「電子鍋取代瓦斯，時間改二十分鐘」。做法在更新，但那鍋滷肉的名字、肉的挑法、糖色的判斷，原封不動地傳下來。就像代碼的識別字不動，文件的語言可以換。

我自己也開始這樣做了。上個月終於把那道失敗三次的椒麻雞寫進手機備忘錄：花椒要先乾焙到聞得到麻香再磨、雞胸肉煮好要泡冰水讓它緊實、蔥花最後撒。寫的當下沒什麼感覺，但上週朋友臨時來喫飯，我打開備忘錄，十五分鐘就進入了狀態。那種感覺不是省時間，是一種踏實：過去的功夫沒有白費，它被存下來了。

存下來的記憶，最後都會回到一張餐桌

技術圈討論OpenWiki，談的是Token效率、上下文窗口、Agent的工作流。但剝開那些名詞，它回答的其實是一個很家常的問題：經驗要怎麼留？

這讓我想起我們之前寫過的轉行學習的備菜哲學，按部就班、把功夫拆成步驟，廚房和職場用的是同一套道理。任何需要累積的手藝，都怕每次從零開始。老麵要留種，滷汁要留老湯，師傅帶徒弟要口訣。留得下來，味道才會往前走；留不下來，再好的成果也只是曇花一現的那一鍋。

所以與其說那篇技術長文在講一個工具走紅，不如說它提醒了我們一件更普遍的事：無論是AI還是人，真正的成長都發生在「這次不用重頭學」的那一刻。

今晚如果又有哪道菜做得特別順手，別只是喫完就算了。拿張紙，寫下三行：買了什麼、火候如何、下次改哪裡。不需要文筆，不需要給誰看。那是寫給未來那個站在爐前的自己的Wiki。

幾年後翻開，油漬斑斑，字跡歪斜，但每一行都是真的。那時你會明白，為什麼越來越多工程師要給AI裝上長期記憶，因為所有的好味道，都是記出來的。