KNOWLEDGE RESEARCH 個人研究工作流

讓每次提問
留下能再用的研究。

一個問題值得花時間研究,也值得留下結果。我把查重、資料查證、文章編輯和聽讀稿交付串成固定流程,成果寫回 GitHub 並更新索引。研究完成後,可選擇用 KRRV 重新核對關鍵主張、來源與反證;舊文則由每日選讀追蹤時效。需要離線聆聽時,再將語音專用稿交給本機 F5-TTS 製成 MP3。

Luke Hou · 2026.10 · ChatGPT × Agent Skill × GitHub

一個問題的去向流程示意
提出題目怎麼知道一份 Skill
真的有幫上忙?
研究與編輯01

先找到依據
再把問題說清楚

來源查重自然敘事
完整文章Podcast 聽讀稿本機 MP3圖卡提示詞
GitHub 知識庫分類 · 索引 · 版本紀錄

音檔與聲線保留在本機,未隨網頁公開。

從資訊收藏繼續往下做

我希望下次還找得到
這次查過的資料

先前的個人資訊收藏庫,記錄了我怎麼把既有 ChatGPT 額度用在資訊蒐集。新聞、職缺和生活情報有了固定去處,也留下可回查的來源。

現在遇到需要深入研究的題目,我還希望有完整文章可讀、有來源能回查。隔一段時間回頭看,也要知道舊結論是否需要更新。

於是我把查重、來源判斷、文章編輯和歸檔要求寫成 Skill,也就是 AI 執行任務時可載入的工作規範。研究題目交給 Agent 後,它會依規範決定該更新舊文或開新篇;讀完的文章則交給另一項定期排程複查。知識庫維持私人,公開分享的內容另外挑選。

先看最後留下什麼

同一份研究可以讀
也可以接著聽

以我已公開的「Skill 評估」文章為例,
把同一個主題展開成不同用途的交付。

本次示範題目

Agent Skill 要怎麼驗證?

閱讀公開文章

以下依公開文章重編為短篇展示;索引為結構示意。這個頁面不會啟動研究,也不會讀取私人知識庫。

文章節錄重編

一次成功還看不出 Skill 的效益

Agent 順利完成一次任務,仍有幾個問題要確認:它真的讀過 Skill 嗎?換成沒有 Skill 的模型,成果會差多少?

評估可以從同一批代表性任務開始,分別比較使用 Skill、未使用 Skill 或舊版 Skill 的結果。除了檔案與回答,也檢查重要的工具操作、耗時和重試情況。

之後模型、工具或 Skill 改版,就用原有案例重新測試。這些紀錄能幫助判斷改版是否保留了原本的能力。

查看公開文章的參考資料 ↗

Podcast/瀏覽器聽讀版

把同一個問題說給你聽

一份 Skill 寫好了,看到 AI 順利完成一次任務,還無法知道它究竟幫了多少忙。我們先確認 AI 真的讀過這份規範,再拿同一批任務,和沒有使用 Skill、或使用舊版 Skill 的結果比較。

比較時,要看最後交出的內容,也要查看重要的工具操作、花費的時間,以及重試情況。等到模型、工具或 Skill 更新,再用原本的案例重跑,才能知道原有的能力有沒有保留下來。

啟用 JavaScript 且瀏覽器支援語音時,可以播放這段節錄;也可直接使用裝置的朗讀功能。

索引結構示意

文章和聽讀版都有入口

此處名稱經過簡化,沒有公開私人目錄或原始檔案。

由文章重點衍生

需要分享時已有圖卡提示詞

製作一張 16:9 繁體中文資訊圖卡。
主題:Agent Skill 要怎麼驗證?
以四個區塊呈現:確認實際載入、比較同一批任務、檢查成果與重要操作、改版後重跑原有案例。
以清楚的閱讀順序連接四個區塊,使用台灣慣用語句。
標註「方法整理,非實測成效」。不要加入成功率、節省比例、未查證的數字或文章沒有的結論。

把容易漏掉的工作寫進規範

從題目一路做到
可以回頭查的交付

固定的是品質要求。
每個題目的來源、深度與文章結構,
仍要依問題調整。

單題研究先查舊文、核對來源、編輯主文與聽讀稿,再寫入 GitHub 索引並回讀驗證。圖卡提示詞另行交付,產圖需再次同意。
單題 Knowledge Research 的步驟示意。完成後回讀文章、聽讀稿與分類索引,確認實際歸檔;圖卡要另外同意才生成。
  1. 01

    先查舊資料

    讀取相關索引與文章,決定更新、擴寫或另開新篇。

  2. 02

    找來源與反證

    核對資料時效,區分來源事實、觀點和推論。

  3. 03

    編輯成可讀文章

    先安排讀者理解順序,再用 Human Writing 修整文字。

  4. 04

    衍生聽讀版本

    沿用主文的觀念順序,整理成能自然朗讀的文字。

  5. 05

    歸檔並回讀

    文章、聽讀版與分類索引一併保存,再確認實際內容。

  6. 06

    交回摘要與入口

    提供可開啟的連結與圖卡提示詞;產圖另外取得同意。

Agent 需要實際載入 Skill,並取得網頁研究與 GitHub 權限才能完成這段流程。研究題目本身會啟動單題 KR;完成後可選擇啟動 KRRV 二次審核;定期選讀則由另一套唯讀排程負責。三者各有不同的交付與權限邊界。

2026.11 新增 · RESEARCH QUALITY

研究完成後
再檢查重要結論

第一次研究負責建立答案;
KRRV 重新追查證據與反例,
讓值得修正的地方更容易被發現。

Knowledge Research 新增了來源獨立性、研究覆蓋與重大主張查核。文章和聽讀稿完成歸檔後,還能選擇啟動 KRRV(Knowledge Research Review,研究品質二次審核),從另一條查證路徑回頭檢視原本的結論。審核者會提出有依據的改善候選;要先處理哪一項,由使用者決定。

  1. 01 · KR

    先完成研究

    根據題目決定深度,核對來源與關鍵主張,交付文章、聽讀版及 GitHub 版本紀錄。

  2. 02 · KRRV(可選)

    再追查證據

    檢查研究遺漏、來源是否同源、論證與反證。發現問題時先提出候選,不直接改寫。

  3. 03 · 每日選讀

    持續確認時效

    定期從既有文章挑選五篇唯讀查核,標註新鮮度與更新建議,保留人工決策。

互動示例 · 合成情境

審核者提出問題
作者選擇處理順序

假設一篇研究引用了兩則新聞報導,KRRV 發現它們可能來自同一份原始資料;另有一個專業名詞對一般讀者不夠清楚。這些是用來說明選擇流程的假設候選,並非實際文章的審核結果。

同一對話輸入KRRV

跨對話可使用 KRRV: <ghd 文章 URL> 指定研究。審核時會核對主文、聽讀版、來源日期和版本;沒有需要修正的缺陷,也可以直接結束並保留原文。

本輪改善候選選一項查看後續處置
請選擇一項候選,查看正式流程會如何處理。

審核會看六個面向:研究廣度、深度、來源權威與適配、事實引用、獨立反證,以及閱讀與知識治理。若確認需要修改,原文與受影響的 Podcast 聽讀版必須保持一致;對沒有實質問題的文章,可以零修改結案。

KRRV 的正式 Skill 與回歸規範維護在私人 GitHub Docs 知識庫;真實文章的端對端審核及量化品質效益仍待驗證。公開示例只說明操作與人工決策方式。

文字之外,補上離線聆聽

研究寫成文章後
還能在本機製成語音

讀文章時可以回查來源;
通勤或做其他事時,也能用耳朵接著學。

文章裡看得懂的數字、英文縮寫和多音字,交給語音模型時仍需要決定念法。現在製作音檔前,AI 會先讀完整篇聽讀內容,依上下文逐處確認讀音,另外產生 F5-TTS 專用稿。核對差異後,再由 Windows 本機的 Pinokio F5-TTS 合成離線 MP3;GitHub 上的文章與 Podcast 聽讀稿保持原樣。

知識庫文章與 Podcast 聽讀稿文字、來源、版本由 GitHub 保存
讀音準備AI 審稿與語音專用稿全文判讀、逐處記錄念法、核對差異
本機製作F5-TTS 合成 MP3參考聲線與完整音檔保留在電腦
  1. 01 · 全文語意審稿

    讀完整篇再決定念法

    AI 依上下文檢查數字、英文字母與縮寫、符號、多音字及破音字,逐處留下念法與理由。掃描清單只提示風險;無法確定的讀法保留待確認,暫停合成。

  2. 02 · 語音專用稿

    另外產生給 F5-TTS 的稿件

    依審稿決定產生獨立文字稿,對照原文核對差異,確認數值、專名與句意不變。研究文章、聽讀稿和參考聲線逐字稿都不改寫。

  3. 03 · 逐段朗讀安排

    依內容安排停頓與語速

    AI 另外規劃敘述、提問與重點段落,以切段、句尾標點、輕微語速變化及適量停頓調整節奏。F5-TTS 依安排分段合成,失敗時可接續已完成的片段。

  4. 04 · 核對與試聽

    實際聽過再判斷聲音品質

    核對原稿、專用稿、朗讀安排與成品的版本及檔案指紋,再抽聽讀音、漏字、停頓與段落接點。技術檢查通過的音檔仍保留待試聽狀態,發現問題再局部重製。

數字、英文與多音字怎麼處理?

以下是念法判斷的例子。AI 先看整句與全文用途,再記錄每一處的決定;同一個詞在不同位置可以採用不同讀法。

數字與單位
先分辨年份、數量、金額、比例或版本。例如 2025 若是年份,可寫成「二零二五」;25% 確認是百分比後,可寫成「百分之二十五」。
英文字母與縮寫
依術語與語境決定保留英文、逐字母念,或展開全名。例如 API 可指定為 A P I,並記錄預期念法與理由。
符號與標點
分辨符號代表運算、單位、範圍還是停頓,保留負號與百分比的意義,避免清理文字時一併刪掉。
多音字與破音字
回到完整詞組與句子判斷讀音,另查人物、地名及專業詞。必要的發音替字只放在語音專用稿,原文保留正確寫法。

專用稿會保留實際送入模型的文字及修改差異。原稿有變動、仍有未決讀法,或專用稿與審稿紀錄不符時,流程會在合成前停止。停頓與語速另存於朗讀安排,避免把操作指令念進音檔。

幾個會影響日後使用的決定

文章寫完以前
還有這些事要判斷

知識查重

同一個問題先更新原文

找到新證據時,先看它是否能補進原有文章。新的讀者問題需要獨立說明,才另外建立文件,避免累積多份說法相近的答案。

研究與編輯分工

查到的資料需要重新編排

整理過的證據會先安排成文章敘事,讓讀者理解問題與重要依據。Human Writing 再修整台灣繁中語感、標題與節奏,檢查過度工整的句型,同時保留研究中的條件與不確定性。

交付驗證

確認檔案確實能被找到

文章與聽讀稿存入 GitHub 後,還要確認分類索引、兩份檔案及交付連結真的可讀。若工具失敗,就留下未完成狀態,避免下次拿到只有文字、卻找不到檔案的結果。

我保留選題、閱讀與採用判斷。流程可以要求查證,AI 的內容仍需要檢視;高風險問題也需要相應的專業判斷。

知識庫也需要定期盤點

每日重讀五篇文章
找出值得更新的地方

研究寫完後,隔一段時間
可能又有新資料。定期選讀讓
這些變化有機會被發現。

我另外安排了唯讀排程,從 GitHub 知識庫選出舊文章,重新檢查來源、日期和重要結論。每次報告會標出哪些文章目前仍可用、哪些值得補資料,以及哪些可能需要重新研究。更新建議先交給我決定,不會直接修改原文。

每日十九點從知識庫選讀五篇舊文章,檢查時效並標記狀態,整理更新建議;排程只讀並交付報告,經本人核准才另行更新文章。
定期重讀與單題研究分開執行。圖中是閱讀與提出建議的流程,不代表系統自動改寫舊文。
先挑選值得回看的文章

從既有研究找出待查問題

依既有索引與研究內容選讀,對照來源、研究時點及尚待確認的主張,讓每次重讀都有具體目標。

每日 19:00 / 五篇重讀

舊文章也會被重新檢查

每日選讀五篇長期知識文章,核對近期資料與既有論點。交付一份可離線閱讀的 HTML 與 Chat 摘要。

需要本人決定 / 更新候選

排程只提建議,更新另外執行

建議會附上來源與修改方向。確認有必要後,再針對原題目啟動研究、更新主文及對應聽讀稿;排程沒有直接寫入權限。

選讀報告會標示文章的新鮮度

目前仍可用
CURRENT
有少量過時資料
MINOR_STALE
建議更新文章
UPDATE_RECOMMENDED
值得重新研究
RESEARCH_REFRESH

這些標籤協助安排更新順序,原文有沒有修改仍以 GitHub 版本紀錄為準。

留給下一次使用

後來的問題有地方
可以接著往下查

分類 README 同時列出文章與聽讀版。我可以沿著索引找到舊文,有權限的 AI 也能從相關資料接著查。定期重讀的更新候選則提醒我哪些內容值得先重新確認。

真的要更新時,原文和聽讀版會一起校正。來源、研究時點與 Git 版本留得下來,過一陣子仍能回查當時的判斷依據。

當下

回答眼前的問題

從摘要選擇要不要深入,再回到完整文章查細節。

下次

更新已有的理解

先讀舊文,再找新增的證據與需要修正的地方。

公開分享

挑選值得整理的素材

經過去識別化與另外的公開審查,才進入文章或作品分享。

這套安排的起點

把既有訂閱用在
需要深入理解的問題

這條研究流程使用 ChatGPT 官方介面與已授權的 GitHub 整合,讓既有方案承接研究與編輯工作,減少另外為這類任務串接模型 API 的需求。

分開安排工作與費用

ChatGPT 方案在官方介面進行研究與編輯
依方案與模式的用量規則使用
API 平台程式需要直接呼叫模型時使用
依 API 帳戶另外計費
本機 F5-TTS由 Windows 電腦執行語音合成,使用本機算力與儲存空間
這條製作流程不另外呼叫雲端 TTS API

ChatGPT 訂閱與 API 分開計費;實際可用功能與用量依方案、產品模式及所連接工具的規則而定。

OpenAI 官方計費說明 ↗

這個作品持續整理的事情

讓研究有一份
可以繼續使用的版本

一個題目能留下有來源的文章、方便朗讀的文字稿與圖卡提示詞,完成後可用 KRRV 再查重要結論,需要時再經讀音審稿製成離線 MP3。
下次回來,還能找到資料與原本的判斷依據,並決定哪些舊內容值得更新。