只有一個原因，讓你從最強的 AI 那裡得到平庸的答案。
因為那個 AI 對你一無所知。
它不知道你的業務、你的客戶，也不知道你昨天做了什麼決定。所以它每次都從零開始猜測。而猜測，無論多麼高明，最終只能達到「平均分數」。
我透過使用 Claude Code 建立一個「自己的複製品」來解決這個問題。用技術術語來說，這是一個第二大脑。這是一個系統，你的記憶、判斷和寫作風格，以 AI 可以讀寫的格式儲存在磁碟上。
我已經運行這個系統幾個月了，並為 Fable 5 完全重建了它，也就是 2.0 版本。我將在這篇文章中寫下所有內容——我做了什麼、如何做的、程式碼以及資料夾結構。我已經將所有模板和腳本放在 GitHub 上，請隨意取用並為自己擴展。
→ github.com/chaenmasahiro0425/exbrain
第二大脑到底是什麼？── 只是一個建立在 Obsidian 之上的資料夾
它不是什麼了不起的裝置。它的真面目是 Mac 上的一堆 Markdown 檔案。你用 Obsidian（一個免費的 Markdown 應用程式）來檢視它，而 Claude Code 則直接讀寫這個資料夾。不需要任何外掛或連接器。人類用 Obsidian 閱讀，AI 則存取資料夾。兩者看著同一個「大腦」。
即使電腦關機也能運作（自動化的雲端任務）。你可以在 iPhone 上閱讀（透過 iCloud 同步）。而且無論你切換到哪個模型，這個大腦都會保留下來。這是最重要的一點。如果將這個機制濃縮成一張圖表，流程如下：儲存 → 編織 → 使用。
即使是同一個 Fable 5，一旦連接到這個大腦，它就會變成一台不同的機器。程式碼遵循你的架構，文字以你的語氣撰寫，提案則立足於你所掌握的事實之上。
運行數個月學到的一課
去年，我圍繞三個檔案建立了第一代系統：SOUL / MEMORY / DREAMS。這是一個自動累積日誌、X 剪輯和會議記錄的系統。運行幾個月後，我非常清楚地學到了一些東西。
原始的日誌如果放著不管，會自行累積。但「編譯過的知識」如果放著不管，就會腐壞。
每日筆記和剪輯透過自動化每天變得越來越龐大。然而，客戶頁面和索引在幾週內就過時了。
四月建立的客戶列表，對七月的新專案一無所知，就此凍結。一個只有在你記得餵養時才會成長的大腦，三週內就會死亡。
所以我將它劃分為「4 個層級」── 2.0 設計
在 2.0 中，我不再把所有東西都放在一個盒子裡。我將它劃分為四個具有不同特性的層級，並為每個層級固定一個「寫入者」。如果只有一個寫入者，結構上就不會發生同步衝突。身份（個性）只由人類寫入，摘要（總結）只由雲端寫入，知識庫（知識）由夜間編譯器寫入，原始資料（原始日誌）則由自動收集寫入。
為什麼要讓原始資料層級不可侵犯？因為如果同一個 AI 反覆讀取和改寫同一則筆記，細節會流失，錯誤會以複利方式增加。透過凍結原始日誌，上層的知識層級可以根據需要被重建任意多次。
這次更新參考了以下海外文章。
https://x.com/masahirochaen/status/2073548158270144705
2.0 的核心 ──「夜間編譯器」
這是重頭戲。我將把原始日誌轉化為知識的工作，交給一個每晚 23:30 運行的自動編譯器。每天晚上，這個東西會醒來，讀取當天的日誌和新的剪輯，並自動更新提及的客戶、人員和工具的頁面，並附上來源連結。如果它看到「與 CyberAgent 以 450 萬達成協議」，這個事實就會堆疊到對應的頁面上。
有三個機制防止它失控。① 不讓 LLM 碰觸 git。② 按層級限制它可以寫入的位置（不讓它碰觸原始資料或身份層級）。③ 如果原始資料層級發生變更，自動還原並停止提交。成本是關鍵。編譯是例行工作，所以用最便宜的模型運行。高級模型只需要在每週的整合檢查時出動。
讓大腦保持活力的「循環」
第二大脑靠的是排程，而不是記憶。每次會話開始時，一個引導程式會注入今天的上下文，早晚會產生每日筆記，每 4 小時收集一次 X 書籤，每晚編譯一次，週日則運行衰減檢測（lint）和每週摘要。高級模型每週只工作一次。其他所有事情都由廉價模型和 shell 腳本處理。把例行公事丟給頂級模型，就像把錢丟進水裡一樣。
你不必每天選擇「你看到的記憶」
「我需要自己選擇哪些文章是好的嗎？」── 不。這就是這個設計的答案。
如果在 X 上看到什麼吸引你的東西，只要書籤它就好。每 4 小時一次的剪輯功能會自動將它流入原始資料層級（現在已經累積了 1,467 個項目）。
即使只是把一個文章連結丟進 Slack 的私訊也沒問題。人類唯一要做的事就是「看」。選擇已經成為夜間編譯器的工作。我們將閱讀和記憶分開了。
然後 Fable 5 來了 ── 我丟掉了 80% 我培養出來的「指令」
我花了幾個月寫下的規則，不知不覺間變得非常龐大。切換到 Fable 5 時我做的第一件事，就是「刪除」其中的 80%。
舊的模型，除非你給它們逐步指令，否則它們會回到平均分數。所以我一直不停地添加「不要做這個，不要做那個」。Fable 5 不同。它透過努力（工時）來掌握智慧和速度，而期望的行為只需要「一句簡短的話」。當我不再列舉事項時，它反而變得更聰明。
對第二大脑來說，這是一股順風。為舊世代而膨脹的技能和提示詞，在 Fable 5 中反而會降低品質。
所以在 2.0 中，我縮短了編譯器的提示詞和 CLAUDE.md。你只需要在腦中儲存「事實」。行為會隨著模型變得更聰明而變得更簡潔。
總結 ── 建立「自己的複製品」的 7 個步驟
① 建立一個儲藏庫（Obsidian 資料夾）
② 劃分為 4 個層級（原始資料 / 知識庫 / 摘要 / 身份），每個層級固定一個寫入者
③ 把你所有的一切都丟進原始資料層級
④ 設定夜間編譯（每晚，使用廉價模型）
⑤ 用每週的 lint 檢測「衰減」（週日，不使用 LLM）
⑥ 透過驗證將研究轉化為資產
⑦ 以 INDEX 作為入口，禁止全面掃描
主導的模型未來還會改變。但儲藏庫會度過每一次轉換。而寫入的回饋，無論誰在駕駛，都會讓大腦每週變得更聰明。你可以在一個小時內做出最小的版本。一個資料夾，十個關於你業務的檔案，以及一個被告知「先讀那個」的 Agent。之後，輸出會告訴你剩下的部分。
我已經將所有內容開源。包括模板、腳本，以及英文和日文的 README。請隨意取用。→ github.com/chaenmasahiro0425/exbrain
