兩個月前我寫了一篇文章,標題是 3,000 篇筆記是我的產品嗎?,那時候我只有 UpNote 裡的 3,000 多篇筆記,然後我發現自己根本不知道怎麼處理它們。
後來我把 Heptabase 也搬進來了。Heptabase 裡面大概有 5,000 則。
兩個加起來,9,000 多篇。
你有沒有那種感覺?手機裡存了一堆截圖,瀏覽器書籤滿到要滾三頁,筆記本寫了十幾本,但真正在用的,大概不到 5%。
剩下的 95% 就靜靜躺在那裡,越存越多,你越來越焦慮,然後就不再打開了,債多不愁(並沒有),繼續存筆記,然後偶然間可能看到了新的筆記軟體,就另起爐灶,直到他又堆成了幾百、幾千個筆記。
我就是這樣,先用了 Heptabase,又用了 UpNote,兩個都堆滿了。
四月的計畫
四月的時候我按照金翼漢的方法做了一個計畫,把筆記分成三堆,A 堆丟掉,B 堆合併,C 堆產出。
計畫很完美,但我沒有馬上動手。
因為 9,000 篇筆記,就算只是看 metadata,也要花很長的時間,我需要一個比較好的方法。
中間那段時間我一直在找方法,看到了 LLM Wiki 這個東西,Andrej Karpathy(AI 研究者,前 OpenAI 創始成員)提出來的 concept。說實話,我一開始完全搞不清楚這東西到底能幹嘛,做了一些小測試,覺得好像也沒什麼。
一直到 6 月,我才認真開始做。
蒸餾到底是什麼
很多人聽到整理筆記會想到資料夾、標籤、分類系統。
我做的事情更接近蒸餾,把一篇 3,000 字的筆記,提煉成一頁結構化的知識卡片,然後自動找出它跟其他卡片的關係,用 wikilink 串起來。
想像一下,你有一堆散落的拼圖碎片,每一片上面都有圖案,但你從來沒有拼過。
蒸餾就是,AI 幫你看每一片碎片,判斷它屬於哪個區域,然後跟旁邊的碎片連起來,最後你會看到一張有結構的拼圖,而不是一堆散落的碎片。
它有另外一個名字,LLM Wiki,謝謝 AI 大神,Andrej Karpathy連結,看不懂的話,把連結丟給你的 AI,叫它解釋給你聽就好。
9,000 篇,不靠 AI 就是垃圾
做完之後的統計:
- UpNote 筆記:約 4,000 篇
- Heptabase 筆記:約 5,000 則
- 合計原始檔案:9,000 多個
- 蒸餾後的知識頁面:3,367 頁
- 內部 wikilinks:數千條
- 斷裂連結:0
9,000 多篇筆記,如果你要一篇一篇讀、一篇一篇整理,大概要花半年,而且你會在第三天就放棄。
這些東西不靠 AI 的話,就是數位垃圾,佔空間、製造焦慮、沒有任何價值,大海撈針,你連針在哪都不知道。
但 AI 可以一次看完 9,000 篇,找出它們之間的關係,把有用的東西蒸餾出來。
每一頁都至少跟其他 3-5 頁有連結。搜尋一個關鍵字,相關的知識會像樹枝一樣展開來。
James Clear(《原子習慣》作者)的行為改變四法則,跟我在三個月前寫的一篇為什麼習慣總是堅持不了自動連上了。
Naval Ravikant(矽谷投資人)的槓桿思維,跟我半年前讀的一本關於系統思考的書連上了。
這些連結是知識本身的結構自然浮現出來的,我一條一條手動建根本不可能。
前 13 天,你看不到任何產出
這件事最難的部分是耐心。
前 13 天,系統在吃你的筆記、在蒸餾、在建立連結,但你看不到任何直接的產出,有點懷疑,這個到底要做什麼呢?
以前,我會放棄,這次有 AI 我想試試看,就像種樹,你澆了13 天的水,地上還是空的,但到了第 14 天,系統開始自己動了。
它自動從知識庫裡挑出相關的素材,組合成一篇 850 字的草稿,放在我面前,等我過稿。
那一刻我才真正理解,知識庫拿來收藏的話就只是資料夾,拿來工作才是資產。
一個人的知識作業系統
我現在手上有一個知識作業系統,而不只是一堆筆記。
它每天自動掃描我做了什麼事,對照我的知識庫,找到相關的素材,然後幫我產出內容,然後這份報告也會變成我的 Daily Briefing Report,幫助我把成果視覺化,所以更容易維持住習慣。
系統給我三個選項,我選一個,然後它幫我寫初稿,我需要做的事情從想主題變成了選擇和改稿。
你的知識在幫你工作,你花 14 天種的樹,現在開始結果了。
記錄我在做的事,就這樣。