PARA 真的是 AI 時代的資訊管理關鍵嗎？
今天，提亞戈．佛特（Tiago Forte）在社群媒體 X 上發表了一篇引人注目的長文：〈Why PARA is the key to the AI era〉。身為「第二大腦」方法論的創始人，他的每一次發言都牽動著全球生產力愛好者的神經。
但這次，他的焦慮感比以往更明顯。
生產力教父的焦慮宣言
他提到，最近做了一件反常識的事：他刻意讓自己的電腦桌面和下載資料夾，整整一個月完全不整理，檔案就這樣堆著、散著、亂著。等到一個月後，他統計出一個非常醒目的數字：桌面與下載資料夾總共累積了 222 個檔案。
更重要的是，這 222 個檔案不是同質性的垃圾，而是跨越工作與人生的真實內容：財務文件（稅務、退休帳戶、保險表單）、工作素材（即將開課的宣傳圖、訪談錄影）、個人照片，以及各種他想讀、想研究的內容（例如一份談資訊過載的 PDF）。也就是說——這是一個人的生活正在運作時，自然會產生的資料碎片。
接著他做了第二步：把這 222 個檔案，全部用 PARA 的架構手動歸檔到他原本的檔案系統裡。結果讓他很得意，因為只花了 36 分鐘，換算下來平均每個檔案約 9.7 秒。
這個實驗的用意，不只是告訴你整理很快，而是為了鋪陳他後面的論點：即使 AI 可以幫你整理，整理依然值得你親手做，而且價值不在省時。
他要反駁的 AI 迷思：整理不是效率問題
提亞戈．佛特在這篇文章中，明確點出他看到的一種流行說法：很多人宣稱像 Claude Code 這類 AI 工具可以幫你把檔案整理好，所以檔案整理將會被 AI 取代——這好像是一個很直覺、很誘人的想像：人類終於不用再管那些瑣碎的歸檔。
但他認為，這個說法只抓到表面。他的核心反駁是：
整理真正的價值，從來不是效率或省時間；整理的價值在於整理這個動作本身，會觸發你的人類意識。
所以，他把整理重新定位成一種心理與認知層面的操作，而不是資料層面的搬運。
整理的三個非效率價值：提醒、清爽、保存
接著，提亞戈．佛特提出三個整理帶來的效果。而這三個效果，他強調都不是 AI 代勞就能同樣獲得的。
第一，整理會提醒你下一步要做什麼。 當他把一份 PDF 放進某個資料夾時，他會想起「這份我要寄給某個同事」；當他把某份文件歸位時，他會想起「我還要讀完並給回饋」；當他存下一張圖片時，他會想起「這是我想留著當設計靈感」。也就是說，整理不是把檔案搬走，而是讓你回到當初保存它的意圖。這個意圖往往只存在於你的腦內情境，而不是檔案內容本身。
第二，整理讓工作空間變得清爽，讓你更能專注。 他認為桌面或收件匣的混亂，會造成一種背景噪音——即使你沒有一直盯著它，你仍會感受到一種隱性的干擾。整理帶來的不是視覺整齊，而是心理的安靜；而心理安靜與創造力、專注感密切相關。
▲ 混亂的數位環境會持續消耗你的認知資源，整理帶來的不只是視覺整齊，更是心理上的安靜
第三，整理是為了未來的可回收價值。 很多檔案不是當下要用，而是未來某一天會再用到，例如研究資料、可重複利用的素材或必須保存的合規文件。長期下來，這些累積成你的個人資料資產。
他最想強調的第四個價值：AI 時代讓整理更重要
上述三點其實就已經足夠成立，但提亞戈．佛特接著拋出他真正的主張：AI 時代出現了第四個理由，而且可能是最重要的理由。
整理，是為了讓你的資料能被更強大的 AI 使用。
他提醒讀者：AI 的出現，讓任何現成資料庫（包括我們電腦裡那些雜亂的文件）價值瞬間上升。因為 AI 可以用這些資料做很多事：寫作、分析、回顧、擴寫、總結、產生策略與產出文件。換句話說，你過去的那些資料，變成了可被再次利用的上下文礦藏。
但是，這裡有一個看似矛盾的地方：他也承認，你不需要先把資料整理得非常完美、非常一致，才能給 AI 使用；你可以把雜亂資料一股腦丟給模型，它也能處理。
嗯，那為什麼整理反而重要？
因為提亞戈．佛特認為 AI 工具有兩個現實限制，使得你必須能挑選出最該給它的那些內容：
- AI 的有效情境窗口有限，你不可能把整個人生資料一次餵進去。
- 搜尋只能找到相近檔案，但無法自動組成符合你工作方式的情境包。
所以，他主張：你需要事先被打包好的上下文，而 PARA 的四大類別恰好就是最自然的情境打包方式。
PARA 在 AI 協作裡扮演的角色：把散亂世界變成可指向的情境
提亞戈．佛特描述了一個很具體的挫折案例：他曾請 Claude 幫他寫一份給潛在客戶的提案，但 AI 需要找背景資料時就陷入困境——因為資料散落在 Google Drive、Notion 或部落格網頁等不同地方，連接器可能沒接上、權限可能卡住、甚至讀個網頁都會失敗。當你的上下文散落在十幾個平臺，每個平臺都像一座孤島，AI 做起事來就像到處撞牆。
而 PARA 的解法是：你不要讓 AI 去打獵，你要直接把獵物打包成一個可用的資料夾交給它。
- 你要 AI 幫你做某個專案 → 指向 Project 資料夾
- 你要 AI 幫你處理長期責任 → 指向 Area
- 你要 AI 幫你探索興趣 → 指向 Resource
- 你要 AI 幫你回顧過去 → 指向 Archive
這四種資料夾，等於是四種你的人生運作模式。換句話說，AI 要介入你的工作與生活，最需要的是你如何運作的框架，而不是檔案散落的碎片。
AI 仍然取代不了的部分，是重要性與聯想
最後，提亞戈．佛特回到他最想守住的一條底線：AI 目前還無法可靠做到的，是幫你判斷什麼重要、你接下來該做什麼，以及那些只有你才懂的聯想。
一個螢幕錄影檔，為什麼會讓你想起要寄給剪輯師？一堆照片，為什麼會讓你想到孩子下週要拍畢業照？一個舊的資料夾，為什麼會讓你突然想起我該把某些建議提供給朋友？
這些不是檔案本身能推論的，而是人類生活經驗和情境關聯的產物。AI 可以幫你做很多事，但它無法替你活過你的生活。
因此，他把這些想法收束成一句很簡單的結論：即使每個檔案平均要花十秒歸位，仍然值得，因為你整理的不是檔案，而是你的承諾、行動和生活結構。
他的核心主張，可以歸納為三層：第一，檔案組織的價值遠超過效率，它能提醒你該採取的行動、保持工作空間清爽、為未來保存參考資料。第二，AI 工具需要結構化的本地檔案作為上下文（context），而 PARA 的四個類別（Projects、Areas、Resources、Archives）恰好提供了最小可行上下文的預組裝包。第三，有些認知功能——例如從整理檔案的過程中觸發遠距聯想——是 AI 目前做不到的。
提亞戈．佛特的論述有其洞見，但感覺也有一些地方有待商榷。作為一位長期研究 AI 應用的講師與顧問，接下來我想從資訊科學、認知心理學和 AI 技術等三個維度，提供一份更完整的評估。
提亞戈．佛特說對了什麼？
公平地說，他的這篇文章的確觸及了幾個真實且重要的議題。
▲ 夏農的資訊理論告訴我們，結構化資料能減少熵（entropy），降低未來檢索的認知成本
首先，「組織不僅僅是效率」這個觀點，與資訊科學的基本原則高度一致。夏農（Claude Shannon）的資訊理論告訴我們，結構化資料能減少熵（entropy），讓系統更容易被導航和利用。當你把一份 PDF 歸檔到正確的專案資料夾時，你不只是在收納，而是在降低未來檢索的認知成本。
其次，他描述的「心理噪音」減少效應有堅實的科學基礎。注意力研究者羅伊．鮑邁斯特（Roy Baumeister）的自我控制理論（ego depletion theory）指出，意志力是有限的資源，而混亂的環境會持續消耗認知資源。美國普林斯頓大學的神經科學實驗也證實，視覺環境中的雜亂物品會競爭注意力資源，降低工作記憶的效能。保持數位桌面的整潔，確實能降低皮質醇水平、促進心流狀態（flow state）的進入。
第三，他強調組織過程能「提醒行動」，這精準呼應了心理學中的蔡加尼克效應（Zeigarnik Effect）：未完成的任務會在記憶中持續活躍。
當你在桌面看到一段螢幕錄影，想起要寄給剪輯師——這種聯想確實是當前 AI 難以自主完成的。
第四，PARA 的「Archives」類別作為一種遺忘而不刪除的機制，類似人類長期記憶的運作方式。艾賓浩斯（Ebbinghaus）的遺忘曲線研究顯示，資訊會隨時間衰退，但適當的結構化儲存能在需要時重新喚醒它。這個設計確實優雅。
資訊科學的缺口：PARA 不是唯一解
然而，從資訊科學的角度來看，提亞戈．佛特的論述存在一個根本性的框架偏誤：他預設了階層式分類（hierarchical classification）是組織資訊的最佳方式，而忽略了現代資訊架構的多元方法論。
PARA 本質上是一個四層的階層結構，但現代資訊檢索系統早已超越這種典範。標籤系統（tagging）允許同一份文件屬於多個類別，解決了階層結構中「這份文件該歸到 Projects 還是 Resources？」的經典困境。圖形資料庫（graph databases）能捕捉檔案之間的語義關係，而不僅是歸屬關係。全文搜尋引擎（如 Elasticsearch）能在非結構化資料中進行語義搜尋，根本不需要預先分類。
更關鍵的是，他在文章中聲稱「搜尋只能找到個別檔案的精確匹配」，如今這個說法可能已經過時。向量搜尋（vector search）和語義嵌入（semantic embeddings）技術——透過 FAISS、Pinecone、Chroma 等向量資料庫——能夠理解查詢的語義意圖，找到概念相關但文字不同的文件。當你搜尋「客戶提案策略」時，系統能找到標題為「Q3 Business Development Plan」的文件，即使兩者沒有任何共同關鍵字。
這意味著，AI 時代真正需要的可能不是更精細的資料夾結構，而是更豐富的後設資料（metadata）和語義索引。
PARA 提供的是一種人類可讀的組織框架，但對 AI 而言，一個被良好標記和嵌入的平面檔案系統（flat file system），可能比四層資料夾更高效。
▲ PARA 是有效的過渡方案，但從 AI 技術發展來看，它可能不是終極解答
心理學的補充：被忽略的個體差異
提亞戈．佛特的心理學論述雖然方向正確，但有可能犯了一個常見的錯誤，也就是將自己的認知風格推廣為普世法則。
▲ 五大人格特質模型提醒我們，組織行為的效益因人而異——有些人反而在「受控的混亂」中更有創意
人格心理學中的五大人格特質模型（Big Five）提醒我們，組織行為的效益因人而異。高神經質（neuroticism）且高嚴謹性（conscientiousness）的人，確實能從結構化系統中獲得安全感和效能感。但高開放性（openness）的人可能發現，過度組織反而限制了創意的自由聯想。某些創意工作者刻意維持受控的混亂（controlled chaos），因為隨機的並置能激發意想不到的連結。
此外，他在文章中提到的每項工作耗時約 9.7 秒的計算，有可能忽略了機會成本和決策疲勞（decision fatigue）。心理學家凱斯琳．沃斯（Kathleen Vohs）的研究顯示，每一次分類決策都會消耗有限的認知資源。222 個檔案的存在，意味著 222 次「這該放哪裡？」的微決策。對某些人來說，這 36 分鐘的認知負荷可能抵銷了整理帶來的心理清爽感。
更值得關注的是數位失憶（digital amnesia）的風險。貝斯提．史巴洛（Betsy Sparrow）等人在 2011 年發表於《Science》的研究發現，當人們知道資訊被外部系統儲存時，會降低對該資訊的記憶編碼努力。過度依賴任何組織系統——無論是 PARA 還是 AI——都可能弱化我們的元認知（metacognition）能力，也就是知道自己知道什麼的能力。
PARA 很實用，但未必是終極解答
這是我認為提亞戈．佛特的論述最需要被挑戰的地方。他將 PARA 定位為 AI 時代的關鍵，但從 AI 技術發展的軌跡來看，PARA 的確很實用，但更像是一個過渡方案。
首先，他可能低估了 AI 處理混亂資料的能力。他在文章中承認你可以把資料以其混亂的榮耀提供給大型語言模型，但隨即論證還是需要預先組織。然而，現代 AI 工具鏈已經具備自動化組織的能力。LangChain 和 Semantic Kernel 等框架可以掃描整個目錄、提取語義和自動分群。多模態模型能同時分析圖像、PDF 和文字的語義關聯。RAG（Retrieval-Augmented Generation）架構讓 AI 能從大量非結構化資料中精準提取相關上下文，而不需要人類預先將檔案放入正確的資料夾。
提亞戈．佛特在文章中所描述的「Claude 試圖幫我寫提案但找不到相關資料」的經驗，反映的不是 PARA 的必要性，而是當前 AI 工具在跨平臺整合上的暫時局限。這個問題正在被快速解決——Apple Intelligence 的裝置端語義搜尋、Windows Copilot+ 的 Recall 功能、以及各種 MCP（Model Context Protocol）連接器，都在朝向讓 AI 無縫存取你所有資料的方向推進。
再看他說「AI 無法做到遠距聯想」這一點。這在技術層面是部分正確的——當前的大型語言模型確實缺乏持續的情境意識（persistent situational awareness）。但這個限制正在被記憶系統（memory systems）、個人知識圖譜（personal knowledge graphs）和代理架構（agent architectures）逐步突破。未來的 AI 助理很可能在你整理度假照片時，主動提醒你「你的朋友 David 正在規劃類似的旅行，要不要把推薦清單寄給他？」
這不是科幻想像，而是目前已經在開發中的功能方向。
透視動機：為什麼提亞戈．佛特這樣說
如果想要真正理解提亞戈．佛特的這篇文章，不能忽略他的身份背景。
他的整個事業版圖——書籍、線上課程、認證教練培訓、Forte Labs 的付費內容——都建立在 PARA 和「第二大腦」方法論之上。當 AI 工具被市場宣傳為能自動組織你的檔案時，有可能會影響他的核心價值主張。
所以，這篇文章本質上是一次精巧的品牌重新定位：不是否認 AI 的能力，而是將 PARA 從組織方法升級為 AI 時代的基礎設施。他的論證策略是先承認 AI 能做很多事，然後論證 PARA 讓 AI 做得更好，最後補上但有些事 AI 做不到作為安全網。
當然，這不是說他的觀點沒有價值。因為，他確實指出了一些真實的問題。但讀者應該掌握清楚的脈絡，並做出適合自己的抉擇。打個比方，一個真正中立的分析可能會得出不同的結論：也許 AI 時代需要的不是 PARA，而是一種全新的人機協作組織典範。
我的觀點：擁抱混合策略，拒絕單一教條
▲ 把 80% 的例行分類交給 AI，將認知資源保留給那 20% 真正需要人類判斷的決策
基於以上分析，我認為 AI 時代的個人資訊管理，也許需要的不是對任何單一系統的忠誠，而是一種靈活的混合策略。以下是我的具體建議：
▲ AI 時代的個人資訊管理，需要的不是對單一系統的忠誠，而是靈活的混合策略
第一，建立語義優先的組織習慣。與其把精力花在決定檔案該放進哪個資料夾，不如投資在豐富每份文件的後設資料上——標題要有描述性、內容要有摘要、標籤要反映多維度的關聯。這對人類和 AI 都更有價值。
第二，善用 AI 的自動化能力來處理 80%。大多數檔案的分類是例行性的，完全可以交給 AI。把你的認知資源保留給那 20% 真正需要人類判斷的決策——例如，某份文件是否代表一個新的商業機會，或某張照片是否有情感上的特殊意義。
第三，定期進行數位回顧，而非只是數位整理。他的 9.7 秒歸檔法關注的是把東西放對地方，但更有價值的做法可能是定期瀏覽你的數位資產，問自己：「這些東西告訴我什麼關於我目前的優先順序？」這種反思性回顧（reflective review）才是 AI 無法替代的認知活動。
第四，投資跨平臺的語義搜尋工具。與其試圖把所有東西集中到本地資料夾，並且整理出完美的架構，不如善用能跨平臺搜尋的語義工具。技術正在朝這個方向快速發展，早期採用者將獲得巨大的生產力紅利。
第五，保持對任何系統的健康懷疑。無論是 PARA、GTD（Getting Things Done）還是任何新興的 AI 驅動方法論，都只是工具，而不是信仰。我必須說，我很喜歡這些工具！但是，最好的系統是你願意持續使用、並且能隨著技術和需求演變而調整的系統。
第六，培養你的元認知能力。在 AI 愈來愈擅長代替我們記憶和組織的時代，人類最珍貴的能力是知道何時該信任系統、何時該信任直覺。
這種判斷力無法被外包，也不應該被任何系統取代。
在秩序與混沌之間
老實說，提亞戈．佛特的焦慮是可以理解的——當你花了十年建立一套方法論，看到 AI 可能讓它變得不再必要，自然會想為它找到新的存在理由。但歷史告訴我們，每一次技術變革都會淘汰一些方法、保留一些原則。
PARA 的核心原則——以行動為導向的組織、適時遺忘的智慧、個人化的資訊架構——這些在 AI 時代依然有價值。但是諸如手動歸檔到四個資料夾的具體實踐方式，很可能在未來幾年被更智慧的人機協作模式取代。
所以，就我看來，真正的問題不是 PARA 是不是 AI 時代的關鍵？而是在 AI 愈來愈聰明的時代，人類應該把認知資源花在什麼地方？我的淺見是花在判斷、反思和創造上，而不是花在把一個個檔案拖進資料夾裡。
讓 AI 處理秩序，讓人類擁抱有意義的混沌。
延伸閱讀：
- Anytype + Claude：打造 AI 驅動的第二大腦，讓你的筆記活起來
- AI 筆記除了快，更是幫你建立長期優勢的祕密武器
- 別讓你的努力被遺忘，巧用 AI 打造職涯的第二大腦
- 讓 AI 成為思考夥伴，而非只是產製答案的機器
- 認知差才是真正的財富密碼
外部資源：
- Why PARA is the key to the AI era（Tiago Forte 原文）
- Building a Second Brain 官方網站
- The PARA Method: A Universal System for Organizing Digital Information
