讓檔案回答問題

結論很直接：檔案只有能回答一個今天仍重要的問題，才開始成為產品。

保存解決「東西還在不在」，搜尋解決「能不能找到」。可回答檔案還要從可歸因來源組成一個有邊界的答案，把矛盾與缺口擺出來，並給讀者有用的下一步。Stack Overflow 案例稱，產品進入 ChatGPT 後，隔夜註冊量增至三倍，代理建立量最高增至十倍。案例沒有披露基數、留存或收入轉化，因此只支持較窄判斷：知識出現在用戶正在工作的地方，會提高參與可能性。

iamrobin.ai 與 SunTV 的機會不是再加一個搜尋框。讀者會問：一個人的第一次關鍵機會從哪裡來？基礎設施承諾何時真正交付？AI 系統何時才算自主？檔案應回答這些問題，同時保留證據邊界。

單位是問題，不是文件

多數檔案沿用生產結構：報紙按期、影片按集、網站按日期。它們適合保存，卻不一定符合讀者的好奇心。問題式檔案先定義決策對象。「什麼令項目成功？」仍太寬；「哪個早期約束改變結果，哪份同期證據支持判斷？」才可執行。

原文繼續作為權威對象，系統在周圍記錄主張、人物、日期、決定、矛盾及後續更新。IIIF Presentation API把數碼對象與呈現、導航分開。Robin 的檔案也可採用同一原則：訪談、文章與項目記錄保持完整，問題式頁面只是可逆呈現層。

回答卡只需五項：確切問題、當前答案、支持它的來源主張、最強矛盾或缺失證據、下一份可能改變答案的材料。這樣既可分發，也能阻止系統以流暢語氣補齊空白。

壓縮之後仍要保留出處

檔案裡常有多份材料重複同一說法；它們可能全部來自一個未經驗證的源頭。出處應是一張關係圖，而不是「引用了幾篇」。W3C PROV-O以實體、活動與代理描述來源與變化。輕量檔案毋須實作完整本體，但每項公開主張都應指向來源、責任人或機構、日期，以及由原始材料到當前答案的轉換。

訪談原話只證明某人在特定脈絡說過這句話，不自動證明事件完全如此。一個合格答案可以寫：「2019年訪談把那次介紹稱為關鍵；合約記錄確認日期，另一方說法仍缺失。」每層證據保持自己的重量。

C2PA 規範以簽名聲明和編輯記錄處理媒體出處。編輯檔案可採用簡化版本：保留不可變來源雜湊、提取記錄、編輯答案、發布日期與重大更正。讀者毋須看到審計儀表板，但必須能打開來源並理解答案為何成立。

矛盾也是介面

傳統內容偏愛乾淨故事，真實檔案卻充滿記憶變化、參與者分歧、計畫失敗和後來修正。隱藏張力，會令檔案更扁平、更不可信。

每張回答卡應有可見的「張力」欄位：來源衝突、缺失分母、後來逆轉，或材料無法證明的部分。若問題是「第一次關鍵機會來自能力、關係還是時機？」一份訪談強調準備，一份記錄強調介紹，一項政策變化才真正打開窗口。好答案會展示三者如何互動，而不是挑一個漂亮原因。

這類問題也能邀請精確貢獻：「請提供有日期的材料，證明機會在那次介紹之前已經討論。」參與由掌聲變成證據。NIST AI Risk Management Framework把脈絡、測量、責任與持續管理放在一起。放進檔案，就是先說明答案用途，檢查證據是否足夠，明確誰驗收，並保留更正路徑。

分發應攜帶問題

Stack Overflow 案例的深層啟示不只在「做插件」，而是讓知識遇上一項正在發生的工作。每個 iamrobin.ai 衍生內容應攜帶一個問題、一個有來源的意外答案，以及一個尚未閉合的邊緣。

LinkedIn 草稿可以問：「你的第一次關鍵機會來自能力、關係還是時機？」Canonical 頁面負責展示證據與矛盾。社交平台只負責發現；檔案擁有來源圖、更正與驗收記錄。讀者回覆先成為線索，取得許可並驗證後才成為證據。

既有的 Google 與 Marvell 行動文章提供可重用的關係圖語法：把問題放中央，來源置於四周；實線表示直接支持，虛線表示推斷，斷點表示缺失證據。視覺應幫助讀者挑戰答案，而非裝飾確定性。

測量回答產率，而不是檔案規模

頁數、轉錄時數和向量數量衡量庫存，不衡量決策價值。更好的單位是「回答產率」：在有邊界的工作量內，檔案能否對真實問題給出可用且可歸因的答案。

第一輪只需五項指標：合格回答率、來源打開率、有用追問率、更正延遲，以及每個合格答案所需人工分鐘。註冊、讚好與總流量可輔助分發，卻不能證明回答得好。所有指標都要保留分母。

十二個問題的紙面測試

測試不需要私有訪談、新權限、生產整合或外部發布。先凍結12篇已公開的 iamrobin.ai 頁面，涵蓋AI基礎設施、支付、代理自主、Physical AI及出版。寫12個真實問題：6個直接檢索，6個跨兩篇以上材料綜合。

在同一時間預算下比較三種模式：標題與關鍵字搜尋、常規生成摘要、五欄回答卡。由不知道模式的封閉評估者評分：事實支持、範圍正確、實用性、來源可達、矛盾處理與驗收時間。主要指標是每個人工小時的合格答案數；同時記錄來源打開率、每篇不受支持主張、更正一次來源後的修復時間，以及產生有用追問的比例。

實驗目前為 NOT_RUN。結果、效應量、讀者行為與經濟價值均為 UNKNOWN。若回答卡勝出，就在公開材料上發布最小介面；若失敗，保留來源圖，放棄呈現層。兩種結果都不損壞原檔案。

產品是一份持續維護的答案

檔案毋須變成無所不談的聊天機器人。它只需承諾：對選定問題，提供當前來源能支持的最佳維護答案。

「維護」意味問題有負責人、來源集、最後驗證日期、可見張力與修訂條件。新材料可加強、削弱或退休答案。證據不足時，沉默仍是誠實結果。公開來源支持公開答案；私有訪談維持私有，直至取得許可並完成編輯審查；讀者回覆先是線索；AI 加速檢索與起草，發布者負責驗收。

由12個問題開始。保留原始來源完整。把張力放在答案旁邊。衡量每個人工小時的合格答案數。讓讀者補充證據，而不只留下反應。

當記憶既能回答問題，又能展示收據，它才真正成為產品。

Categories and keywords

Categories: Knowledge Systems; Distribution; Agentic AI; One Person Company.

Keywords: 可回答檔案；來源出處；證據圖；問題式檢索；矛盾介面；回答產率；更正延遲；合格答案；iamrobin.ai；SunTV。

Hashtags: #KnowledgeSystems #AgenticAI #DigitalArchives #Provenance #OnePersonCompany #iamrobin