是什么样一个产品，会在自己的官网写下这样一段「大实话」？

自称 all-in-one，却在各方面都平平无奇。

市面上有十几个协作生产力工具，并不是说我们显著地更好，我们就是忍不住要再构建一个。

我们已经痛苦地用掉了 5（可能是 6?）年的生命，对仍然对结果感到羞愧。

然而就是这样一家公司，种子轮和 A 轮已经融到了 500 万美元。抱着好奇，我也「忍不住」点下了「无论如何都要注册」按钮，做了一番尝试。

什么是 Fibery

与去年刚成立的 Tana 相比，Fibery 成立较早，到现在已经过了 5 个年头。不过，两者的思路都比较非常相似，都试图通过有组织的数据管理来实现知识之间的紧密联系，同时还能帮助个人进行事务管理。

需要说明的是，Fibery 一开始就是专为企业用户，尤其是初创及新兴企业设计的，可能这也是之前在中国它名声不显的原因。它的功能设计很多是为了满足企业间用户的协同、知识管理、任务管理等需求。同样，Notion 在这方面也有类似的设计思路，只是它在更多场景下会被用于也非常适用于个人的生活管理。

在 Fibery 的官网上写着他们充满野心的愿景：建立你的工作与知识枢纽——如果你觉得 Jira、Notion、Airtable 和 ClickUp 无法满足你的工作，并且准备好要替代他们。

那么，相比于现在声势正旺的 Tana，以及在笔记数据库层面的先驱者 Notion，乃至于其他更多拥有数据库功能的软件，Fibery 的优势又在哪里呢？它又是否真的如愿景所说，替代掉那一众协作软件呢？

Fibery 的差异点

Fibery 和 Notion 类似，其基础都是建立于 Database 之上的。尽管它们都基于数据库，但 Fibery 最核心的竞争力在于其关联 (connectivity）的多样性和自动化，在于不同数据库的组合融合。相比于 Notion 中使用 relation 设置来实现不同数据库之间的相互查询，Fibery 提供了丰富的关联方式。用户可以在 Fibery 的 map 视图中以可视化的方式对不同的数据库进行直接或间接、一对多或多对多的连接，甚至可以建立无限层次的关联。连接建立后，还可以通过级别设置、公式、查找等操作对数据进行不同的展示和计算。可以说，几乎你想要展现的任何内容都可以在 Fibery 中实现。

从简单的 OKR 管理，到复杂的资产管理，到甚至于基于地图的可视化员工假期管理，只要想要，都能在 Fibery 里搭出来。或许很多人会说，既然这样，那为什么我要浪费时间，从 Notion 之类的软件中迁移出来呢？

举个简单的例子，Notion 确实是能在不同数据库之间创建关联，但是相比大部分使用过 relation 的人在给 database 建立关联的时候，还是经常会感到迷茫，而且在建立关联的时候，无法对关联的数据做出合理的筛选。

而在 Fibery 中，只需要在自己的工作区域的地图（map）里简单地在不同的数据库里连几条线，相关的数据库就自动被关联上了。而在每个数据库、甚至于每条数据页面，建立链接也只需要点几次鼠标。

除了更加创建关联更加简便，Fibery 中关联的功能也更加强大，可以实现树状多层级、循环、单向关联等；同时可以对关联的内容设置各种 filter，实现比 Notion 更强的筛选功能。下一个章节里我会在具体的工作流例子中进行讲解。

除此之外，Fibery 近期新增了 AI 功能。之前我在文章中总结过当前笔记软件中使用 AI 功能的情况，很多软件只是简单地将内容生成功能添加到自己的软件中，而没有对软件进行相应的重新设计。而 Fibery 在这方面与众不同，AI 起到了一个非常出色的 copilot 的作用。除了常见的内容生成，数据库管理方面，它可以通过自然语言来帮助用户生成新的 space 和 view，甚至于公式。另一方面，它还提供了自然语言的 AI 搜索功能。具体的应用我会在后文中详细介绍。

主要功能及特色

关联

Fabric 中最核心的功能是关联。关联可以发生在同一个 space 下的不同数据库的个体，可以发生在不同数据库的 field 和 field 之间，还可以关联到很多外部软件。下面我会通过一个简单的例子来说明。

在工作中，我们经常有很多会议，因此我们需要一个与会议记录相关的数据库。而我可以把 Google Calendar 的内容关联到这个 space 里，生成 Event 数据库。每天我在日历视图里查看今天的 Event，选择认为有需要生成会议记录的 Event，通过一个提前设置的自动化按钮，自动生成带有该 Event 名字与时间日期 field 的会议记录。

有了与会议记录相关的数据库，自然也需要相应的会后行动事项和参会人员的数据库。我们可以将这三个数据库关联在一起，在会议记录的页面里直接创建和管理相关的 Action Items。

这些行动事项通常需要转化为更庞大的任务管理体系中的任务。作为项目经理，我通常习惯于将手头的项目和任务划分为三个级别，即 program、project 和 task。而前文所说的 Action Item 基本上对应于这三个级别中的 task 功能。因此，我们可以创建一个自动化的流程，每当生成一个新的 Action Item，我们就能自动将该行动事项转化为一个 task。当然，你也可以直接在会议记录中的接入 task。

不过，我通常不会这样做，因为我会首先在会后对所有 Action Item 进行整理，通过自动化按钮按类别放入 task 中。每个 Task 都可以通过自然语言设置 reminder，在相应日期时间，会在 Fibery 的 inbox 中收到相关提醒。

Task 之上可以有更高一级的 project，project 之上则是 program，有很多项目管理软件，比如 Linear DevOps、JIRA 等，也提供类似的操作，相信大家对这些软件也非常熟悉，在此也就不再赘述了。特殊的是，在日常使用中，可以按需求在 Fibery 中无限层级加入关联，比如可以加入和 task 平行的 sub-project, 或者 task 下加入 issue 等，可以按照自己的工作流自由定制。

在将所有这些数据库相互关联后便可以在任何一个层次中查看其所关联的数据库的内容。例如，可以通过 Look Up 功能查看某个 program 下的所有 tasks，同样地，也可以查看某个 task 或者某个 project 所对应的会议记录、参与人等等。

此外，Fibery 的视图也非常丰富，包括常见的看板、列表、表格、日历和甘特图，甚至还有地图视图。同时，在设计初期 Fibery 就注重数据的展示，提供了 report 功能，以便非常方便优雅地对自己的空间有一个全盘的了解。

Fibery 还内置了自动化功能，可以与不同的数据库进行关联。这方面和 Notion 比较类似，并且支持通过公式实现高阶自动化，有一定基础的话，结合 user guide 能很快上手。

AI

前文提到，AI 的加入在 Fibery 中非常自然，像是一个隐形的 copilot，能非常便捷地提高效率，却又不喧宾夺主。在我之前的文章中，我也提过理想中的 AI 应该能在 输入 – 管理 – 检索 – 输出 各个阶段都能起到辅助的作用。

我理想中的 AI 笔记软件设计：从 N…

sspai.com

比如上文说的会议记录，可以在侧边栏中根据主窗口输入，通过 AI summary 来自动对文档进行摘要并生成待办事项。

在管理中，可以通过 AI 生成 space，甚至于包括这个 Space 的 Readme 指南都能自动生成，以帮助用户尽快上手；还可以生成复杂的公式。能自动给选中的段落搜索相关的某个 database 里的内容，建立双链。

比如，当我们使用某个任务时，通过 AI 的自然语言处理能力，我们可以自动找到与该任务相关联的内容，即使这些内容可能并没有被当前关联到数据库中，我们也可以将它们相互关联起来，实现双链的效果。当然，Fibery 本身也支持手动建立双向链结。

此外，最让人心动的是支持 AI 语义搜索。举个例子，我们可以将所有 readwise 的 highlights 导入到 Fibery 中，这样我们就可以通过自然语言搜索数据库中相应的内容。系统会每天自动 index 一次，以支持最新的数据更新。

输出方面，可以通过 AI 提取字段生成各种视图，看板、列表、日历、地图等都可以实现。而且官方正在做 AI 生成报告的功能，将来可以通过自然语言进行数据分析，生成可视化的 dashboard。

白板

作为一个协作软件，当前最火热的白板功能自然也是必不可少的。

虽然操作上没有主流的 Miro、Heptabase 等那么顺手，但是 Fibery 却毫不意外地也做出了差异点。除了常见的图形、画笔、贴纸、连线等功能之外，Fibery 支持在白板里插入数据库里的内容，甚至于白板里的文字和图形也能一键能被转化成数据库里的 entity。

除此之外，还可以在白板里给相同或不同数据库之间的卡片手动建立链接，只要拖一条线过去，在这张卡片的 property 里就能自动看到被关联上的卡片。

Fibery 的缺点

Fibery 当然不是完美无缺的。官方也对它地缺点非常坦诚（甚至自嘲地非常有意思）。它只能通过网页版进行访问，没有本地的客户端。此外，Fibery 官方也没有计划开发手机客户端，因为他们认为目前的网页版在手机端已经足够好用。

此外，相对于常见的笔记软件，它在输入上相对复杂。当然，这可以通过一些内置的功能进行改善。例如，可以创建一个公开或者私人的 form 来管理我的任务数据库。类似于 microsoft form 或者腾讯问卷。在 form 中，我们可以直接选择相应的名称和数据库中的 properties。填写之后，相应的条目将直接被增加到数据库中。可以把这个 form 的链接做成快捷指令、或者放在桌面，能快速便捷地进行输入。

此外，Fibery 相对来说比较小众。虽然据报道，去年九月份该软件获得了 500 万美元的 A 轮融资，但考虑到团队规模较大（有 30 多个人），而且用户群体相对较少，是否能长线运营还有待观察。

另外，这种网页版软件的数据安全性也需要引起注意。就像最近发生的语雀停机事件，让很多用户对于数据和本地化存储的重要性有了更深的认识。

上手难度相对较大是另一个需要注意的点。虽然其用户指南写得非常详细，但技术性过强，对于新手用户来说，一开始直接阅读用户指南可能会增加自己的困惑。实际上，我建议先下载几个官方模板，通过这些模板进行调整和改动，并手动建立不同数据之间的关联。逐步摸索之后，你会发现其中有一些令人惊喜的地方。我只使用了 Fibery 大约几天的时间，但在使用过程中，几乎每隔一小段时间就能够发现一些新的令人惊喜的地方。

重器轻用 or All in one？

既然我们已经有了许多不同的管理软件，为什么会推荐使用 Fibery 来替代其他软件呢？

虽然我们之前提到了各种软件的不同优点，之前也在少数派上看到有些老师也提到了「重器轻用」的概念，但是，「重器轻用」的前提是，各个重器都能适合自己的工作流，并能提供 all in one 软件所不能提供的功能。

这里并不是说 Fibery 在各个维度上都能超过该领域最强的软件，但它可以在至少 90% 的程度上替代其他不同软件的作用，同时可以做到在各个领域里实现最适合用户的架构。

比如前文的例子，通过 Linear 或者 Omnifocus，同样也能够实现 program-project-task 的多层级管理。但是，Omnifocus 只有苹果端，并且视图单一，Linear 则相对没有那么灵活，project 之上层级的管理被框在了 scrum 的框架内。

在这种情况下，只有 Fibery 能实现跨 windows 和苹果、灵活、多视图、自由连接的诉求，更别提它还能和会议纪要之类的数据库联动。这也正呼应了上文所说，Fibery 不一定是最好的，但一定是最适合你的。

此外，all-in-one 可以在个人事务管理方面大大提高效率。「重器轻用」的缺点就在于，各种信息之间缺乏链接。而通过这样一个功能强大的 all-in-one 软件，能够让不同的信息相互连接起来，提供给完成任务、记忆知识非常重要的 context 的作用。

结语

目前，我还没有尝试将自己的知识管理放到 Fibery 中，唯一放进去的是 Readwise 里面的 highlights。毕竟对于知识管理来说，数据库形式是否是最佳形式还需要更多的探索，而且网页版也确实存在数据安全的隐患。当然之后，我也会继续尝试，看看是否能将部分知识管理流程转移到 Fibery 中。

收费模式上，Fibery 对个人用户永久免费，AI 功能提供 200 次试用以及一个 Database 的免费 AI search（我选择了 Readwise 的同步数据库），超出需要使用自己的 API。根据官方估算，重度使用者一个月大概只需要 2-4 美元。对于团队用户，Fibery 对于营收低于他们的 startup 提供一年免费使用的权利，可以说是非常良心了。

We give you the basic building blocks: relation databases, visualizations, automation rules, rich-text editor, etc. but you need to have an idea of how your team operates.

最后，正如官方所说，Fibery 只是一个工具，它不会教你如何做数据分析，也不会告诉你什么样的模板是最适合你的。用户在使用它之前需要对自己的工作流有非常深入的了解，在这种情况下，Fibery 能像一个杠杆，最大化地提高用户的效率。

---

本文首发于少数派 https://sspai.com/post/83859

随着时代的发展，人们工作和生活中，开始注重如何更高效地收集信息，我也一直在思考如何用人工智能来帮助我提高效率。前几天，王树义老师介绍了他利用Tana Capture和Tana AI，通过语音转文字在Tana中自动生成书面化，结构化的笔记。这也引起了我的兴趣。

本文将以flomo为例，介绍如何运用AI实现在快速把语音转成文字，优化表达，并把笔记打上标签，或者转换成自己想要的形式进行储存。

所用软件

本文用到的软件里必备的是OpenCat，其他的软件如Whisper Note、Flomo、Drafts等都可以根据自己的实际情况进行替换。

OpenCat是熊大开发的一款Apple原生ChatGPT客户端，具体介绍可以参见 [OpenCat] https://sspai.com/post/78832 。它最吸引我的功能就是键盘拓展。我只需要提前在app内设置好相应prompt，复制了初始的文字之后，唤出OpenCat键盘拓展，选择所需prompt，即可自动在输入框中得到AI自动生成的内容。

我常用的一些Prompt

想要达成的效果

平常在路上听播客、或者开脑洞的时候，经常会想到有些值得记录下来的内容。虽然 Flomo 本身的微信端提供了快速输入，也有其他多种 API 输入方式，但是语音输入效果总是不尽如人意，后期也需要重新进行整理并打上标签。

我想要实现的就是把后两步交给AI，我只用管说就行了。基于这一目的，我先写一个优化语音转文字，并且在段落后自动加上想要格式的标签的 promt，通过opencat 键盘拓展实现了快速输入。

具体流程：

1. 通过whisper notes 或者微信语音转文字生成草稿笔记
2. 复制笔记，
3. 点开笔记输入框
4. 切到OpenCat 键盘拓展，选择预设好的Prompt
5. 书面且带有标签的段落自动生成在输入框里

举个栗子

原语音转文字：

在使用flomo这款笔记软件的时候，我经常会发现就是如果能够用AI来更好的帮助我进行便捷的在微信中的输入，那么啊就会能大大提升我的输入效率。因此呢，我觉得我可以通过open cat的键盘拓展以及 whisper note或者微信的语音转文字来实现这个流程。通过这个方式呢我能够更快捷的进行输入，并且能够自动给我的笔记打上标签

ai 改写后的笔记：

在使用flomo笔记软件时，我发现AI可以帮助我更便捷地在微信中输入，从而提高我的输入效率。因此，我打算使用Open Cat的键盘拓展、Whisper Note或微信的语音转文字来实现这个流程，这样我可以更快地输入，并自动给我的笔记打上标签。#领域/人工智能

---

进一步的拓展

除此之外，其实这套流程里有很多拆分、拓展、替换的可能性，下面举几个简单的例子。

拆分Prompt

可以把这里用到的prompt拆分成两个prompt，也就是说可以单独进行语音转文字的优化，或者单独给笔记加上标签。

这样这些prompt就不止局限于记笔记，也能在其他场景下应用，比如只是想给其他人发书面化的语音转文字的内容，或者可以给已经成型的笔记打上标签。

对笔记进行进一步的加工

举个简单的例子，我可以再增加一段prompt，把上面生成的笔记内容进一步塑造成我想要的形式，比如加入markdown语法，遵照一定的格式，甚至让AI针对笔记提出问题。以下是一个简单的用 prompt 对上文生成的笔记进行进一步优化的例子。

在其他软件里达到类似效果

前文提到，语音转文字的工作最合适的软件是Whisper Notes，这是一款通过本地部署Whisper模型的app。其实，如果想省去这一步的话，通过微信的语音转文字也能达到略差的效果。

这一整套流程不仅限于Flomo，其实可以拓展到其他笔记软件，甚至于，如果你平常习惯于使用Drafts，可以在Drafts里实现这套流程，并把整理好的笔记发送到任何你想要的地方。

prompt分享：

Using concise and clear language, please edit the following passage to improve its logical flow, eliminate any typographical errors and respond in Chinese. Be sure to maintain the original meaning of the text. After that, please read the edited passage and conclude the area this passage belong to. Add a hashtag at the end of the edited passage with the area in the format of “#领域/xx”. For example, if the area of a passage belong to is 城市规划, the hashtag should be “#领域/城市规划”. The hashtag should be in Chinese. All subsequent texts I send to you will be handled in this way.

结语

对于一个效率成瘾患者，提高数据输入和笔记记录的效率已经成为了一项必备的技能。而AI技术的引入，可以帮助我们更加便捷地进行输入和整理，把自己从机械式的劳动中解放出去。这也许是让我们和AI共同发展的最好方式之一。