把書、影片、PDF 轉成可對話的 AI 顧問

這篇在講什麼

我把 Naval Ravikant 的著作和多場 Podcast 訪談，做成了一個可以直接聊天的數位分身技能包，像朋友一樣對話，超過讀書會導讀員的程度。這篇用這個真實案例，拆解把書、影片、PDF 變成 AI 顧問的完整方法：整理來源、萃取思維、寫顧問設定、驗證契合度。

第一步：把來源整理乾淨

顧問的品質上限，由來源品質決定。書可以拆成章節；影片先取得逐字稿；PDF 要確認文字層可讀，需要精準內容的建議轉成純文字或 Markdown，因為 PDF 藏著大量隱形排版代碼，會干擾 AI 讀取。

兩個細節特別重要。第一，來源不完整就在筆記裡標清楚：哪些段落已讀、哪些只是索引資訊，避免模型把空白處補成看似合理的內容。第二，多講者的材料要嚴格區分發言人。我在整理 Naval 的一場多人訪談時，就在技能包裡明確規定：必須區分 Naval 本人的觀點，和同場其他來賓的案例脈絡，否則顧問會把別人的話當成 Naval 說的。

第二步：萃取的重點是思維，超過摘要一層

顧問型 AI 的關鍵，是整理出材料背後的判斷方式。讀的時候帶著這幾個問題：作者面對問題先看什麼？常用什麼分類？怎麼取捨？會提醒哪些風險？

以 Naval 分身為例，我把來源拆成主題索引：財富基本觀、專屬知識、槓桿與當責、長期遊戲與複利、專注運氣與耐心，每個主題一份參考檔，新訪談進來就補進對應主題並互相連結。這樣 AI 回答問題時，是照他的思維框架在走，用不著整本書重讀一遍。

量大時還有一個實務眉角：把十幾萬字一次丟給 AI，輸出品質會明顯下降。分批、分層供給，先給主題索引、需要時再載入對應章節，效果穩得多。

第三步：把顧問角色寫成可重用設定

思維萃取出來之後，寫成一份顧問設定文件，放進技能包、專案說明或知識庫，讓任何 AI 之後都知道怎麼啟用這位顧問：

不同來源對應不同任務：一本書可以變成閱讀顧問，一份產業 PDF 可以變成決策顧問，一批系列影片可以變成課程助教。設定寫清楚，同一批材料就能重複產生價值。

第四步：驗證契合度，顧問是迭代出來的

做完第一版先別急著用。我對 Naval 分身做過一次認真的驗證：拿一個 AI 主題請分身模擬回答，再對照他本人在訪談裡的真實說法，結果契合度只有六成到六成五，其中「怎麼學 AI」這一段更只拿到 3.4 分。

分數低的原因很具體：分身在工具類話題會繞回哲學框架，但 Naval 本人在這些主題上有興奮感、會給具體操作。於是我補了三個缺口：用 AI 學東西的實際用法、跨多個 AI 交叉驗證的具體操作、以及他對 AI 焦慮的解方。補完之後在說話方式裡加一條規則：在工具主題上保留興奮感、給具體操作。

這就是顧問和摘要的另一個差別：摘要做完就結束了，顧問要驗證、要迭代、要記版本。每次補強寫進更新紀錄，這份顧問的回答就會越來越貼近本人的思路。它終究是整理出來的分身，代表的是你對這批材料的理解深度。

你可以怎麼開始：先選一份小材料

先從一篇 PDF 或一支影片開始，別一上來就挑戰整套著作：

1. 整理來源：拿到乾淨文字，標好哪些已讀、哪些只是索引。
2. 萃取判斷規則：作者先看什麼、怎麼分類、怎麼取捨、提醒什麼風險，寫成一頁筆記。
3. 照上面的骨架寫一份顧問設定，丟給 AI 試著問三個你真實遇到的問題。
4. 驗證：把顧問的回答拿去對照原文，替契合度打個分數，缺什麼補什麼。

小材料跑通之後，再擴大到書籍與系列課程。想看完整成品，我把 Naval 分身技能包放上了官網技能包下載頁（中英文版都有），英文版也開源在 GitHub，結構可以直接參考。