引言：
最近已經有一些組織、單位請我去開工作坊，教他們怎麼整理資料。大家慢慢發現，要讓 AI 更有效、準確地辦事，把資料整理好是必要的。
但整理資料其實沒有那麼簡單。我自己也花了非常多時間才摸索出方法。我除了是 AI 應用師之外，還是攝影師兼導演，常常到處幫各個組織單位拍片，每次合作都會遇到類似的問題：檔案散落各處、命名混亂、版本不清、找不到需要的素材。
如果每次去不同單位，都要重新搞很久才能幫他們整理，那這樣實在太累了！所以我設計出一套「4C 四維度標籤分類法」。
四維度標籤分類法：對象、內容、情境、狀態
它解決了這些問題：
- 多維檢索更到位：隨時以四個維度交集查找，快速命中需要的資料
- 跨專案重用更輕鬆：同一內容在新專案只需新增標籤，無需複製多份
- AI更聰明地幫忙：一致的標籤讓AI更容易比對、重組與推薦
適合對象包括：
個人品牌經營者
知識服務工作者（教授、教練、顧問）
準備數位化的組織
剛成立的基金會
四維度標籤分類法
為什麼整理資料要從標籤下手？
現在的資料跨領域情況越來越嚴重，一份資料可能涵蓋很多內容，很難歸類，也很難搜尋。傳統的資料夾分類方式，面對這種「一對多」、「多對多」的關係就顯得力不從心。
標籤的好處在於，同一份資料可以同時屬於多個分類，不用複製多份檔案。更重要的是，你可以用不同角度的標籤組合來搜尋，比只能用檔名找檔案要精準太多。
所以越來越多人開始用標籤來分類資料。
但如果標籤使用的名詞沒有定義好，整體架構沒有組織分類，隨便亂貼標籤，還是會變成一團混亂。
舉個例子，比如我常寫教案，如果要表示這個教案很簡單，我可能會貼「簡單」、「新手」、「入門」、「小白可用」、「立刻上手」這些標籤。剛開始還好，但久而久之會越來越複雜，尤其是如果要跟其他老師一起分享或共編的話，大家都各標各的，久了鐵定更難找。
或者如果我要分享卡片盒筆記法（Zettelkasten）的話，那一定會提到魯曼先生（Niklas Luhmann）。那魯曼先生要標「人物」嗎？還是「案例」？
這就是為什麼我設計了4C標籤法：重點不只是貼標籤，而是要把標籤定義好、分類好。
標籤的名詞定義與組織分類
我建議先分幾個大領域，每個領域再分幾個項目，用組織架構圖的方式去定義。先把位置搞清楚，再跟大家確定名詞的定義，這樣標籤就不會搞混了。
當然我知道這是一個大工程。所以依照我幫這麼多組織單位，整理資料之後的心得，我發現有四個大方向先抓出來之後，後續就會很好分類，標記也會很好使用。
這四個大方向分別是：
C1 對象（Constituent）
這份資料主要針對誰。可以是個人、群體、組織或部門。建議具名到人名或機構層級，不推薦使用「大眾」「全部同仁」。
C2 內容（Content）
這份資料的主題或核心資訊，或最終輸出形態。
C3 情境（Context）
這份資料出現的背景或使用場合；所屬專案、議題、場域。
C4 狀態（Condition）
這份資料目前的進度或發布程度。比如：進度、難度、隱私權限等。
這裡推薦大家可以先用心智圖的方式，輔助自己思考跟分類：
當我們在建立這套標籤分類架構的時候，其實就是對自己所有的資料，做一個系統性的思考跟整理。每次為資料貼標籤時，也會再確認一下這份資料的用途和脈絡，某種意義來說已經是在補足「後設資料」了。
什麼是後設資料？簡單說就是一份「關於資料」的說明。比如一張照片的後設資料包括拍攝時間、地點、相機型號；一份文件的後設資料則包括作者、建立時間、用途等。
這樣標籤標得好，我們人在讀這個資料的時候會清楚很多，AI也會知道這個資料到底是要用在哪裡、什麼情況下會用到。
在實際操作上，我會搭配 Obsidian 這個工具來使用，目前我只會用到最簡單的功能，讓大家好上手。重點還是在於你要怎麼分類、定義自己的資料，這比工具本身重要得多。
讓標籤運作的三個關鍵
光有分類架構還不夠，真正的挑戰在於如何讓標籤系統持續有效運作。不管是個人使用還是團隊協作，都需要建立一致的執行規則。
關鍵一：受控詞彙是基礎
不能隨意想標籤名稱，否則會有「行銷素材」、「宣傳資料」、「推廣文件」」這種同義詞越來越多，最後搜尋時不知道該用哪個關鍵字。必須事先建立詞彙表。如果是團隊使用，更需要在開會討論，取得共識，即使是個人使用，也建議為自己建立一套命名規則。
關鍵二：證據驅動的狀態管理
特別是「已發布」狀態，必須附上可存取的連結或附件作為證據。沒有證據，就不能標記為已發布，這避免了「以為發布了但其實沒有」的混亂。
關鍵三：用後設資料的思維來貼標籤
每個標籤都要能補充這份資料的脈絡資訊，讓人和AI都能更清楚理解，這份資料的用途和背景。
小技巧：檔案名稱加上時間
時間其實蠻重要的，尤其是請 AI 統整時，這就變成很關鍵的線索，可以知道先後因果順序，確保輸出的內容更精確。
我個人習慣是直接把時間放在檔案名稱裡，文件裡有時候還會在說明一次，會把文件的創建日期或重要的更新日期補上去。
從正在進行的小專案開始
如果你已經累積了非常多的資料，想要一口氣整理完所有東西，很容易就會累到放棄。更重要的是，在建立分類架構的過程中，我們會不斷更新自己的認知和想法。比如說，原本覺得某種分類方式很合理，但實際使用一段時間後，又發現有更好的分類邏輯，於是又要重新調整。這樣反覆修改其實很耗費精力。
正因為初期階段難免會有許多變動，我建議先從小範圍練習開始，尤其是從現在正在進行的專案開始嘗試。
小專案嘗試有幾個明顯的好處：第一，因為是當前就要使用的資料，整理好立刻就能幫助工作變得更順利，也能更直接地體驗到資料整理，對工作效率和AI應用的提升效果。第二，小規模試錯的成本較低，如果需要調整或更新分類方式，相對簡單很多。
等到經過兩三輪實作，或是完成了幾個小專案之後，當你對於分類模式已經有了手感和心得，再慢慢把其他專案或舊資料一併更新整理。
另外，從小專案開始，其實背後有一個更根本的邏輯。
先確認「輸出」，再談「輸入」
從小專案開始整理資料的過程中，我發現了一個重要的思維轉變：
- 過去的思維：覺得這個資料「未來可能用得到」，所以現在先存起來。
- 現在的思維：拿到一個知識或方法，實際用了之後，「現在確定這很有用」，可以解決我當下的問題，所以我把它記下來，為了能夠重複使用。
心法：先確認最終的「輸出」與「應用」目的，再來回頭思考該如何「收集」與「整理」資料。
【實際案例】這篇文章的誕生過程，就是這個心法的最佳實踐。我一直都知道「4C標籤分類法」很重要，但我從未認真地將這套論述完整整理出來。直到我要寫這篇文章（確認了「輸出」目的），我才開始認真地去收集、整理、架構現在的內容。
當我們明確知道要產出什麼、給誰使用，整理的方向就會很清楚。 那麼，這篇就先來說明這四個維度的定義，讓大家可以參考如何分類自己的資料。
從整理到應用的完整循環
4C標籤分類法的真正價值，不只是把資料整理好，而是讓資料能夠被有效應用。
多維檢索更精準
想找「給新進志工看的培訓內容」？直接用對象×內容×狀態交集搜尋，比如：「志工 培訓 基礎」，立刻命中。
跨專案重用更輕鬆
同一套教材要用在新專案？只需要在「情境 Context 」維度新增相關的標籤，不用複製檔案。
AI協作更聰明
一致的4C後設資料讓AI更容易理解資料的使用脈絡，無論是摘要、比對還是重組，都能給出更精準的建議。
流程治理更可控
以狀態標籤作為流程節點，可以清楚追蹤每份資料的審核、發布、更新狀態，建立可靠的治理機制。
打造自己的知識系統
4C四維度標籤分類法，其實代表了知識管理思維的一個轉變：從「如何存放資料」轉向「如何讓資料被找到和使用」。
在AI時代，資料不只要能被人類理解，更要能被機器解讀和重組。4C 四維度標籤分類法，讓每一筆資料都自帶足夠的脈絡資訊，成為真正可被活用的知識資產。
這篇文章主要是介紹4C標籤法的基本架構和核心概念。後續我會再寫更多實際操作的範例、常見問題的解決方法，還有不同工具的應用技巧，讓大家可以更輕鬆地上手。
今天就先聊到這裡，希望對你有幫助！
4C四維度標籤分類法由江昱德於2025年9月24日正式發表。如果你想了解更多實作細節或參與工作坊，歡迎與我聯繫。
