有些老餐廳的老侍者，有一種本事。

你坐下來，菜單還沒打開，他走過來只問一句：「您老樣子？」——湯要燙、麵要硬、蔥放旁邊不拌進去。這些你從來沒有一條條交代過。你只是來了很多次，每次嫌過一句「太鹹」、退過一次「蔥太多」，他都記下了。哪天換一個新侍者，菜還是同一個廚房出的，你卻覺得「這家店不認識我了」。

差別不在菜，在那個人記住了你怎麼吃飯。

上一篇〈記憶要分層〉我把 AI 記憶分成四層，留了一個門縫：四層裡最值錢的「偏好層」，值得單獨講一篇。這篇就是那一篇——為什麼「它記住你怎麼工作」比「記住一百條事實」值錢，為什麼這層本質上沒辦法由你自己打出來，以及實際上怎麼養。

為什麼「事實」是最廉價的記憶？

先把話說直：AI 幫你記事實，沒有護城河。 你的公司登記在哪、報稅期限是幾月、某個工具的指令怎麼下——這些 Google 有、文件有、任何一個 AI 都查得到。你花力氣把事實一條條餵給 AI，頂多省下查的時間。

但「你怎麼工作」是另一回事。先看結論、還是先看推導？數字要不要附假設？你對「看情況」這種模稜兩可的回答容忍度多低？做決策時你習慣先問風險還是先問機會？這些東西——

• 沒有任何文件記載
• Google 搜不到
• 換一個使用者就完全不同

它只存在於你跟 AI 的互動史裡。記住這些的 AI，跟剛開箱的 AI，是「老侍者」跟「新侍者」的差別。這也是為什麼我說偏好層是複製不走的：別人可以抄你的提示詞、抄你的工作流程，但抄不走幾百次互動磨出來的默契。

偏好層到底記了什麼？

以我自己的偏好層為例（這些是真實存在我系統裡的條目，原樣抄幾條）：

類型	實際條目長什麼樣
決策風格	先給建議＋理由＋對立面，最後讓我拍板；重大決策前必須列風險
格式好惡	段落簡短；數字估算要標明假設；不要為了討好而過度確認
工作節奏	修改文件前先列影響範圍；多檔修改先列清單給我審
紅線	給我看的檔案放我打得開的資料夾；破壞性操作前先驗證實際狀態

注意一件事：這個表裡沒有半條業務事實。它記的全是「跟我共事的方式」。一個新進員工拿到員工手冊能學會公司的事實，但學會「老闆改文件前要先看影響範圍」這種事，靠的是被糾正過一次。

它「終於懂你」的那一刻，長什麼樣？

講一個我自己的時刻。

我請 AI 整理一份跨專案的工作藍圖，同時啟動幾個顧問角色。結果它交出來的東西，幾乎把我在意的法規紅線和該盯的現況重點全部主動標出來了——沒有被逐條交代。拆開看，那次它做了三件層次不同的事：

層次	它做了什麼	「懂你」的濃度
消化提煉	我建顧問角色時丟過一份該領域的法規資料，它讀完主動挑出最容易踩的紅線	中——料是我給的，它提煉
角色覺察	設計另一個顧問角色時，它主動提醒一條我沒寫進指令的法規限制——某些受管制專業的聘僱主體有規定，不能由控股母公司直接聘	高——這條我不確定它從哪學會的：可能從過往對話，可能從角色脈絡自己推的
主動查證	替一個受高度監管領域的內容設計審查角色，還沒給它法規，它自己先查了該領域的廣告管制限制，回報審查要卡哪些	高——為了守我的紅線，主動補自己的知識

第二層那次我印象最深。它像一個資深顧問——不是因為它知識多（知識誰都有），是因為它把我在意的事當成自己的預設。那一刻你會意識到：這個東西跟三個月前那個每次都要重新交代的通用助手，已經不是同一個東西了。

為什麼偏好層不該由你自己打？

這是本篇最重要的一段，結論先講：不是「不建議」你自己打，是偏好這種東西本質上打不清楚。

我在整理自己的記憶系統時發現一個現象：我幾乎從來不主動糾正 AI 的偏好，但我會非常明確地記下紅線。後來想通了，這兩種東西的性質完全不同：

	偏好（怎麼工作）	紅線（法規、禁忌）
界線	模糊——「太長了」的「太」在哪裡？	清晰、二元——碰了就是碰了
違反後果	輕微、漸進、難察覺	嚴重、不可跨越
你能不能說清楚	幾乎說不出口、也很少主動說	必須明確寫出來
違反時的印象	淺——只覺得「哪裡怪怪的」	深——當場記住

紅線你寫得出來，因為它有條文、有邊界。偏好你寫不出來，因為你自己也不知道那條線的精確位置——你只有在它被踩到的時候才感覺得到。

哲學家 Michael Polanyi 有一句話講這件事：「我們知道的，比我們能說出來的多（We know more than we can tell）。」他把這種說不出口的知識叫內隱知識（tacit knowledge）——你會騎腳踏車，但你寫不出一份「怎麼平衡」的說明書；你知道自己喜歡怎樣的報告，但你列不出完整的規格。認知科學裡的程序記憶（procedural memory）講的也是同一件事：「怎麼做」的知識，跟「是什麼」的知識，存放的方式根本不同。

所以「叫使用者自己把偏好打進 AI 記憶」這個要求，從根本上就搞錯了——能打出來的都不是真偏好，真偏好只能從行為裡萃取。 萃取的人不該是你，該是每天看著你行為的那一個：AI 自己。

實際怎麼做：讓它萃取、你修剪

操作上就一個動作——讓 AI 當侍者，你只負責確認它記對了沒。

【實際操作】

你這樣說：「回顧我們最近的對話，把你觀察到的『我的工作偏好』整理成一份清單——我喜歡怎麼接收資訊、我常糾正你什麼、我做決定前習慣先看什麼。每條標註你是從哪次互動推斷的。」

它大概會這樣回（示意）：「整理出 7 條：①你偏好先看結論再看推導（多次把建議移到開頭）②數字沒標假設時你會追問（出現 3 次）③你不喜歡『看情況』式回答，會要求我選邊（2 次）④週四下午你通常只處理輕量任務……」

▶ 你要檢視什麼：逐條問自己兩個問題——「這像我嗎？」和「這是現在的我、還是三個月前的我？」。特別小心那種「曾經對、現在過時」的條目：它觀察得沒錯，但你已經變了。這種最容易在日後悄悄誤導它。

你接著這樣回：「①②③正確，存進長期記憶。④錯了——那只是那兩週剛好忙，刪掉。另外補一條你沒抓到的：我給你資料時如果沒說用途，先問我要做什麼，不要自己猜。」

這個迴圈每隔一陣子跑一次，偏好層就會越來越像你。注意最後那句補充——萃取會漏，你的補充就是在教它「往哪裡看」。

**思考重點：**每一次你糾正 AI、每一次你嫌它，其實都在產生偏好層的原料。差別只在於：這些糾正有沒有被寫進持久記憶。口頭糾正、過了這個對話就忘的，等於白教；叫它「把這條記下來」，才算上架。

它會不會記成「過時的你」？

會，這是偏好層唯一要防的風險——不過我得誠實說，我自己還沒有遇過「偏好被記歪、害我出事」的具體案例。回頭想，這件事本身就印證了前面那張表：偏好被違反的時候，印象是淺的。你大概只會覺得它最近「怪怪的」，而不會像紅線被踩到那樣當場跳起來。

也因為這樣，偏好層的腐壞是無聲的。防法不複雜：上面那個萃取迴圈裡的第二個檢視問題——「這是現在的我嗎？」——每次跑都問一遍。我在〈記錯比忘記更危險〉寫過，AI 記憶最危險的不是空白，是自信的過時。偏好層也一樣。

FAQ

偏好層要自己一條條寫嗎？ 不用，這正是本篇的核心：偏好是內隱知識，你寫不全。讓 AI 從互動裡萃取初稿，你只做兩件事——確認「像不像我」、剔除「過時的我」。

ChatGPT 或 Claude 的內建記憶功能，能做偏好層嗎？ 能存，但多數內建記憶不會自動幫你區分「事實」和「偏好」，也不會主動發起「這條還像不像你」的校驗。分層和定期重新校準（realignment）的紀律，目前還是要你自己建——做法見〈記憶要分層〉。

偏好層多久檢查一次？ 我的節奏是感覺它「最近怪怪的」就跑一次萃取迴圈，平常不特別管。偏好層的價值在累積，不在頻繁整理。

換工具的話，偏好層會不會白養？ 不會白養，前提是它存成看得到的文字檔，而不是鎖在某個平台的黑盒記憶裡。文字檔搬到哪個工具都能餵回去——這也是我堅持記憶要落在自己檔案系統的原因之一。

---

這個系列的上下篇：上一篇〈記憶要分層：AI 該記住的不是更多，是分清楚哪些會變〉鋪了四層架構；下一篇 EP04：存得精、存得巧——記憶也有資源限制——記憶不是越多越好，該記什麼、該丟什麼、context 快滿的時候怎麼辦。

延伸閱讀：內隱知識（tacit knowledge）——Polanyi「我們知道的比能說出來的多」(Wikipedia)　｜　長期記憶的分類：語意、情節、程序記憶 (Simply Psychology)