Najgori način da naučite novu temu je otvoriti dvadeset tabova, pročitati polovicu i nadati se da će mozak sam posložiti strukturu. To obično završi bookmark mapom kojoj se nikad ne vratite.
Zato za dublje teme koristim workflow u kojem Claude pomaže pronaći i filtrirati izvore, notebooklm-py ih ubacuje u NotebookLM, a završne bilješke završavaju u Obsidianu. Cilj nije "brže konzumirati sadržaj", nego brže doći do znanja koje se može ponovno koristiti.
Prvi korak: definirati pitanje, ne temu
"Nauči me o RAG-u" je preširoko. Bolje pitanje je: "Kako procijeniti ima li RAG smisla za internu bazu dokumenata s osjetljivim podacima?" Dobro pitanje odmah mijenja koje izvore tražite, kriterije kvalitete i završni output.
Prije istraživanja zapišem
- koju odluku želim donijeti nakon istraživanja
- koji izvori su dovoljno pouzdani
- koje pretpostavke moram provjeriti
- kakav format bilješki želim na kraju
Claude radi discovery, NotebookLM radi sintezu
Claude koristim za početno mapiranje izvora: dokumentacija, relevantni blogovi, GitHub repozitoriji, tehnički izvještaji i kontraargumenti. Njegov zadatak nije napisati zaključak, nego složiti kvalitetan paket materijala.
Zatim preko notebooklm-py radim NotebookLM notebook s kuriranim izvorima. NotebookLM je koristan jer odgovore veže uz izvore i dobro radi sintezu većeg broja dokumenata. Tako je manja šansa da zaključak izvučem iz jednog uvjerljivog, ali slabog teksta.
Završne bilješke moraju biti upotrebljive
Najvažnije je izvući zaključke u format koji se stvarno koristi dalje u radu. Ako bilješke ostanu u alatu u kojem su nastale, često se izgube. Zato završni output ide u Obsidian kao kratki dokument s odlukama, otvorenim pitanjima i linkovima na izvore.
Moj završni format
- kratki sažetak teme u pet rečenica
- odluka ili preporuka, ako je istraživanje imalo jasan cilj
- argumenti za i protiv
- rizici i pretpostavke koje još treba provjeriti
- izvori koje vrijedi ponovno otvoriti
Zašto ovo nije samo osobni productivity trik
Isti obrazac vrijedi za timove koji moraju brzo procijeniti novu tehnologiju, vendor alat, AI use case ili arhitektonsku odluku. Problem nije nedostatak sadržaja. Problem je pretvaranje sadržaja u odluku koju tim razumije i može braniti.
U konzultantskom radu ovakav workflow pomaže pripremiti discovery, usporediti opcije i dokumentirati tradeoffe prije nego što odluka postane skup refaktor.
Zaključak
AI research workflow vrijedi samo ako završava korisnim znanjem. Claude, NotebookLM i Obsidian su samo alati. Prava vrijednost je u disciplini: dobro pitanje, kurirani izvori, provjerljiva sinteza i bilješke koje stvarno utječu na odluke.
Josip Budalić
HOTFIX tim
Josip vodi HOTFIX d.o.o. i radi na software arhitekturi, AI-assisted development workflowima, modernizaciji codebasea i praktičnoj isporuci softwarea.