如何做好技術筆記?
2026年3月25日
許多工作可能學習某個知識與技能後，就可以不用特別更新，不過軟體工程師這份工作則不同；多數軟體工程師需要在職涯中，隨著技術的更迭持續學習新知，甚至創造新知。
如同學習任何知識，除了動手實作外，在過程中做筆記也會對學習有幫助。過去業界也有如 OpenAI 執行長 Sam Altman、Amazon 技術長 Werner Vogels 有公開分享自己做筆記的方式。因此，在這篇文章中，我們會彙整不同的筆記觀點，搭配 ExplainThis 團隊的筆記撰寫經驗，來談身為軟體工程師，可以如何做技術相關的筆記。
我們不會談 Notion、Obsidian 或 Heptabase 這類工具的使用，而是會談不論用什麼工具，都能搭配的做筆記概念與方法。特別備註，雖然這篇文章在談如何做筆記，但背後更重要的，是如何透過筆記這個媒介來思考與學習。
不要只是儲存與檢索
首先，談到做筆記，一個最忌諱的點，就是單純的存資料與檢索資料。Amazon 技術長 Werner Vogels 曾分享過，他在讀小學時寫筆記，會把老師說的一字一句寫下來，然後在考試前拿出來複習。他說這種做法就像 AWS S3 一樣，作用只是存資料與原封不動地拿資料。
然而，他認為這不是理想的筆記方式。因為單純儲存與檢索，只是記憶而不代表理解；要讓做筆記變有效，更重要的是理解與輸出。這點其實不只是 Werner Vogels 的個人經驗，普林斯頓大學的社會心理學家 Pam Mueller 過去的研究發現，單純的資訊抄寫，對於資訊的學習與留存效果非常有限 (連結)。
這種做法在傳統亞洲教育也很常見。以臺灣來說，中小學的課堂中，很常見到在課堂中，老師寫完某段板書，然後要學生照著板書抄寫。但這種照著老師的板書抄寫的做法，恰恰是比較無效的做法。因此，假如過去你在寫筆記時，習慣原封不動記下資訊 (或習慣用複製貼上的方式，把資訊貼到自己的筆記軟體中)，推薦在讀完這篇文章後第一件要做的事，就是改掉這個習慣。
寫筆記是思考的過程
假如單純的儲存與檢索不是有效的筆記方式，那怎麼樣寫筆記會比較有效呢?
如開頭提到的，寫筆記是思考與學習的過程，因此更推薦把寫筆記的過程當成一個函式，把讀到或聽到的資訊作為輸入，透過筆記過程這個函式，轉成一個不同的輸出。從函式的角度看，假如輸出的結果跟輸入一樣，就代表這個函式沒真的有任何作用。筆記也是一樣，要判斷筆記有沒有效，輸出結果應該跟輸入有所區別，而要能有所區別，中間就需要加入自己的思考。
先前 OpenAI 執行長 Sam Altman 就有分享 (連結) 他把記筆記視為一個思考的過程。換句話說，即使身為目前全球最頂尖 AI 公司的執行長、即使帶領團隊做出 ChatGPT 這個能夠幫忙人類寫掉大部分內容的產品，Sam Altman 認為如果思考沒有消失的話，寫筆記這件事情就不會因為 AI 出現而消失。
對比起上一段提到的，要改掉做筆記時僅是複製貼上的習慣；推薦在做筆記時，要檢視「這份筆記中，有多少自己的思考在當中」、「有多少內容是用自己的話記下的」。即使內容一樣，但如果不是複製貼上，而是能用自己的話重新寫出來，這會讓自己對於該主題的理解更加深刻。
不過，在筆記過程中可以如何思考，進而讓自己的學習更深刻? 以下讓我們來談兩個具體的筆記方法。
康乃爾筆記法 (Cornell Method)
第一個筆記法是 Amazon 技術長 Werner Vogels 推薦使用的康乃爾筆記法 (Cornell Method)。
康乃爾筆記法主要會把筆記分成三個區塊 (見下圖來自康乃爾大學的教學影片)，分別是左欄位線索 (cue) 會寫下問題、右欄位的筆記 (note) 會寫下讀到的資訊、以及下欄位的總結 (summary) 會寫下自己理解後的結論。
透過問題與思考來做筆記
在我們實際使用康乃爾筆記的經驗中，最關鍵的點是筆記左欄位的問題。很多人在寫筆記時，會邊記筆記、邊寫下問題，但更推薦的做法，是寫任何筆記之前，先寫下問題，寫下希望透過閱讀某篇內容、聽某個講座前，針對該主題有的問題。接著，在實際讀或聽任何內容前，先在右邊欄位試著自己先寫下此時對問題的理解。
有了這兩個前置作業後，接著才開始讀或聽內容，如果沒有先寫下就先不要讀或聽內容。在實際開始讀或聽內容後，再去更新右欄位，藉此更新對問題的理解。
舉例來說，在觀看 寫出好維護的程式碼 — 低耦合是什麼意思? 為什麼要鬆散耦合? 線上課程單元時，可以先寫下「什麼是低耦合、為什麼低耦合對程式可維護性有幫助、要如何讓程式碼的耦合性降低」等等的問題，然後試著先寫下自己目前對低耦合主題的理解。在寫的過程，一定要自己先試著去思考解答，不要在沒思考之前就看課程內容。
接著，在聽課程單元的過程中，如果發現有自己原本不知道的資訊，例如假如本來不知道可以透過依賴注入降低耦合，就可以寫在右欄位。最後，在觀看完課程單元後，可以用最簡要的方式，總結自己對低耦合主題的理解，寫在下方欄位，同時也可以在下方欄位附註原本不知道的洞見。
事實上，這種做法跟我們推薦的程式練習方式很類似。就以練習 LeetCode 這類資料結構演算法來說，在練習每個題目時，即使是自己沒做過的題目，也不要直接去看解答，要自己先思考、嘗試解題，假如真的解不出來才去看。
看解答的時候也不要直接一次全看，而是可以先看前半部分，然後根據前半部分的做法，試著自己去把完整的問題解出來。與此同時，在看解答的時候，務必要寫下「哪些是自己原本不知道的洞見」，就像康乃爾筆記法的下欄位寫的內容一樣。
閱讀更多
如果你對做好技術相關筆記感興趣，我們在 E+ 成長計畫中的主題文，還有提及 Andrej Karpathy 等人分享過的筆記法，以及可以如何有效搭配 AI 做筆記。
對更深入了解這個主題，以及其他前後端開發、軟體工程、AI 工程主題感興趣的讀者，歡迎加入 E+ 成長計畫一起成長 (連結)。