Miobowl's space to connect his dots
Miobowl's space to connect his dots
今天看到了 Second Me 的大量推广，他们现在把方向定位在用 AI 做社交。这个方向确实挺有想法的，因为一旦你在 Second Me 里面积累了很多个人数据，它会越来越像你自己。
AI 社交未来可能是个方向，但是这个方向真正并不会由 Second Me 来实现，最有可能实现的反而是大厂，无论是像谷歌还是 OpenAI。因为它们已经嵌入到我们的生活中，并且能和各种各样的 APP 进行连接，拥有各种各样的数据，而不像 Second Me 一样需要手动在它里面输入数据。
而且那些大厂有足够多的人来进行这种社交氛围运营，因为对于社交而言，运营也是非常重要的。同时这种产品也是具有网络效应的，Second Me 作为一个小产品，天生就不会有太多用户，也很难在人群中自发传播起来。可以说在社交这个领域，很难有小公司生存的土壤。
自从 Notion 进入 3.0 时代之后，我又重新订阅起了 Notion AI，其中的原因很简单，就是 Notion Agent 的引入使得每个个体的信息库、知识库，乃至项目管理的效率大幅提升。
目前我每天频繁会使用至少 3 个 agent，来进行学习、阅读、生活管理。今天我来分享一下如何通过 AI 来追踪自己的情绪。
先说一下我的做法。一般白天我会在我的手帐里以 lifelog 的形式记录我当天遇到的事情、完成的任务、遇到的有趣的事，乃至阅读中的闪念。日常手边只有手机的时候，也会通过 Flomo 来录入。每天晚上，我会通过闪念贝壳，来把这些 lifelog 通过语音转文字一口气录入给 Notion AI。
Notion AI 会调用我的一个「日报助手」agent，来对我的 lifelog 以及当天从其他各个途径录入到 Notion 的信息进行分析，而其中我设置了一个 property 是分析当天的 lifelog，判断我当天的情绪
一开始我只随便写了一句话 prompt， 让 AI 分析我当天的主要情绪前些天和 Marvix 聊了之后，决定尝试一下用更科学的方式来对自己长期的情绪进行追踪。他的建议包括通过「八大情绪」来把情绪更加科学地进行整理。
根据他的建议，我写了一段 prompt （请阅读我输入的内容。基于 Plutchik 的八大情绪分类（喜悦、信任、恐惧、惊讶、悲伤、厌恶、愤怒、期待），分析我在这篇日记中体现的主要情绪。选择一个选项填入。）和标签设置之后，我试着把之前一个月的记录批量生成了一次情绪，结果却发现，为什么过去 30 天里，有 20 天我的情绪都是「快乐」？
我当然希望自己是个快乐的人，很多人也评价过我「情绪平稳」。但我很清楚，作为一个牛马，工作中必然会遇到挫折，生活中和家人的互动，乃至居家生活中，情绪也必然会有起伏，但这些波动在 AI 的总结里全都消失了，只剩下一片祥和的「快乐」。
那么显然，要么是我的输入有偏，要么是「算法」出了问题。
尽管日记本身是给自己记的，但是记录的过程本身却可能会发生在公共场合。为了维护在他人心中一个积极、阳光向上的形象，在记录时，我的记录会不自觉地变得更加平和，这会造成日记和实际情绪的偏差。
另一个原因则是我的输入方式的问题。当用笔记录下内容的时候，当时的情绪可能会得到宣泄。但当一整天过去，晚上通过语音进行录入时，那些负面情绪往往会已经消退了，即所谓的「褪色情感偏差」，输入到 Notion 里的内容会缺失了很多负面情感。
在输入之外，还有一些偏差可能是由模型带来的。LLM 自带的两种特性：积极偏见（Positivity Bias）与 平均化逻辑。
当你把一整天的流水账丢给 AI 时，其中 80% 的内容其实是中性的维护性事务：起床、通勤、吃饭、完成任务。在没有显性的负面关键词（如「痛苦」、「崩溃」）时，AI 倾向于将“生活正常运转”理解为「快乐」。
我之前的指令是让 AI「分析这一天的主要情绪」。想象你是一个调酒师：你倒进了一份咖啡、一份白开水、一份威士忌、一份橙汁和一杯快乐水。搅拌之后，你问 AI 这杯水是什么味道？AI 尝了一口，礼貌地回答：“嗯，甜甜的，还能喝。” ——这就是那个虚假的「快乐」。
生活中的情绪不是平均数，很多时候，决定我们那一天心理状态的，往往是那一两个剧烈波动的瞬间。而这是 AI 在不经调整的情况下无法理解的。
明确了问题，那下面就需要对输入和算法进行修改了。
发现问题后，我开始调整我记录 Lifelog 的习惯。
语音转文字虽然方便，但往往会丢失语气。如果我只是记录「今天老板驳回了方案，我改了第二版。」AI 读到的是「完成了任务 -> 勤奋 -> 快乐。」但当时我的真实心境可能是极度挫败的。所以现在，我在录入时会刻意增加主观形容词的密度：
「今天老板驳回了方案，我觉得很受打击，这完全是在浪费时间，但我不得不硬着头皮改了第二版。」
这一句话的改动，就能让 AI 敏锐地识别出「厌恶」或「悲伤」，而不是原本那个和稀泥的「快乐」。
并且，在一天的最后通过语音输入的时候，我也会主动保留原纪录里的一些语气词。
心理学中有一个著名的 「峰终定律」（Peak-End Rule）：人对一段经历的记忆，主要取决于情绪最强烈的瞬间（峰值）和结束时的感觉（终值），而不是整个过程的平均体验。
既然我要做的是「情绪追踪」，我就不应该让 AI 来取平均，而应该让它做「雷达」，来发现我记录中真正影响情绪的部分。
于是，我重写了我的 Prompt。我不再要求 AI 总结全天，而是要求它捕捉异常值。以下是我迭代后的 Prompt，如果你也在用 Notion AI 做类似的事，可以直接拿去用：
Role: 你是一位敏锐的心理情绪分析师。
Task: 阅读这一天的 LifeLog，基于 Plutchik 的八大情绪分类，找出这一天中情绪强度最高的那一种情绪。
Rules:
- 忽略流水账： 自动过滤掉吃饭、睡觉等常规活动，除非包含强烈的主观形容词。
- 捕捉异常值： 不要对全天的情绪取平均值。哪怕一整天都很平静，但有 15 分钟极度的「愤怒」或「悲伤」，这一天的标签应该是「愤怒」或「悲伤」。
- 负面敏感： 即使正向事件数量多，如果存在明显的负面情绪事件，请优先权衡其对心理的影响。效果非常明显，我用 Notion AI 重新跑了过去一个月的数据，
「快乐」从 20 次降低到了 12 次，与之相对的是「自责」和「生气」的大幅上升。
虽然快乐仍是主流，但无疑更符合我日常的体感。
此外，我还添加了一个更进一步分析情绪的prompt，以帮助我更细化了解为什么会有这个情绪，强度如何，以及有什么更细微的情绪变化。
结合我的情绪，给出情绪强度【1-10】，用一句话总结引发情绪的具体事件，并描述出当天情绪的细微差别： [用更精准的词描述，如：焦虑、自豪、惆怅]」
做情绪追踪这件事的初衷，并不是为了得到一张漂亮的图表，而是为了提升对自我的了解，以针对性地改善自己的生活。
如果我的生活只有「快乐」和「不快乐」两种状态，那我的认知就是低分辨率的。通过强迫 AI 去区分我是「愤怒」还是「恐惧」，是「期待」还是「信任」，我也在强迫自己去正视那些被忙碌掩盖的细微感受。
数据有时候会撒谎，特别是当 AI 会试图讨好你的时候。我们能做的只能是尽可能地纠偏，纠 AI 的偏，也纠自己的偏。
第二次尝试和 AI 合作写了一篇博客 为什么同样是「四处出击」，腾讯比字节更容易被骂？，内心还是有些不舒服的，毕竟虽然主要的论点来源于自己，但是论证过程、采用的叙述方式、用语都来自于 AI （虽然让它学习了我的文风），但是感觉文章的 AI 度还是过高了，毕竟在和 AI 的讨论中，我的参与度也很少。
但是这一写作方式也有好处，就是可以很快地写一些我没时间长篇写作的选题。
目前想到的把这些内容和我自己写的内容区分方式包括：
在文章开头注明 AI参与度
博客中开一个分类：AI编辑（待定）
可能这些有些矫情，但是也是在自己和 AI 间保持平衡的一点「小巧思」
自从以 Plaud 为首的 AI 录音软件在国际市场崭露头角，越来越多的人开始关注这个领域，也有越来越多的厂商进入这个赛道。尽管社交平台上不乏质疑声，但至少这是个逐渐升温的市场。
最初，我在 2022 年底发现了 Rewind（现已更名为 Limitless）。它推出了一款名为 Pendant 的颈挂式智能硬件，号称可以记录生活中的所有输入。我第一时间预订了这款产品，但它经历了一次又一次的跳票，直到今年才大规模发货。而我在 2024 年就已经取消了预订。
期间，我也尝试过传统大厂的产品，走了不少弯路，比如购买 DJI Mic Mini 来充当录音笔。最终，当 Plaud 这款相对昂贵的产品进入我的视野时，我立刻被它的颜值和功能吸引，果断入手。
起初我想买海外版，也看了很多评测。就在准备下单前一天，Plaud 上新了 Plaud Note Pro，我按捺住了冲动。一周后，Plaud 宣布在国内上市。我曾纠结于国内版和海外版的选择——海外版可以使用国外模型，而国内版因合规要求只能使用国内模型。综合考虑后，我最终选择了国内版，将其作为录音硬件使用，搭配自己订阅的 Gemini 模型。
回到核心问题：AI 录音软硬件是否是刚需？我们可以从两个维度来理解这类产品的定位：
从第一个维度看，经过实际体验，答案毫无疑问是**「要」**。
主要原因在于，手机虽然是最方便的录音工具，录音效果也不错，但它会被随时占用。长时间录音时，录音功能很容易被其他软件抢占，导致录音暂停，甚至后台被杀，无法保存录制内容。
与此同时，我有一个常见的需求：日常通勤或晚上锻炼时，我经常骑电动车或公路车，时长半小时到一小时。这期间，我会戴着一只 AirPod。
由于苹果系统的限制，戴着耳机时，录音系统会自动选择最后接入的设备作为麦克风。也就是说，戴上耳机后开始录音，耳机的麦克风就会成为默认选项。
AirPods Pro 的麦克风质量远逊于手机自带麦克风，尤其在通勤和骑车场景下，风声和周围噪音会让录音几乎无法使用。
这种场景下，一个既能便携地吸附在手机背面、又能独立分拆的麦克风，自然成了我的需求之一。
另一个场景是：在外听讲座或参加快速会议时，拿出手机录音显得很不礼貌，也容易遭人拒绝。而吸附在手机背后的麦克风，影响程度会小得多。
这也是我没有选择 Plaud Note Pin 这类装饰型产品的原因——装饰虽小，但仍然显眼，一旦被认出来就会很尴尬。
答案是需要，但 Plaud Note Pro 并不是我理想中的产品。
之前我也看过 Plaud 创始人许高以及莫浩宇在博客访谈中的分享。他们并未将 Plaud 定位为单纯的硬件公司，而是希望通过积累用户日常生活中的上下文数据，让人们逐渐依赖 Plaud 及其背后构建的生态数据库。
但对我而言，我是否愿意将所有上下文、所有 context 都托付给 Plaud？至少目前，答案是否定的。我的上下文不仅包括日常语音，还涵盖各种剪藏、快捷输入、主动记录的笔记，以及日常的存储数据库等。Notion（结合 Notion AI）是我这半年来最主要的个人场景整合工具之一，这点我会在之后关于生产力系统的文章中详细说明。
在这种情况下，我显然不希望将所有数据都绑定在 Plaud 这个产品内。这也是我选择 Plaud 国内版而非国际版的原因。使用国际版意味着需要支付更多费用来获取最优模型，而它自己的 APP 目前使用体验还比较差。因此，我倒不如只使用它最基础的语音转文字功能，提取出转写文稿。
我用当前最好的大模型——我订阅的 Google Gemini 2.5 Pro，来对这些语音转文字素材进行总结，再录入到 Notion 中。从效率上并没有损失太多。而且即使用完本月语音转文字的配额，我还有其他买断制语音转文字产品，可以进行语音转文字转写，之后再在 Gemini 里整理。
这样，我既能获取最好的模型，达到想要的效果，同时又能保证所有内容、所有上下文都在统一的场景下得到管理。这对我而言，无疑比将所有内容都托付给 Plaud 更具吸引力。
对于我而言，答案很明显：并不是。而我相信，在现实世界中，有许多与我有类似需求、面对类似场景的人，同样需要 AI 录音硬件为他们的日常工作生活赋能。
然而，我需要的不是生态而是工具。
不可否认，Plaud 和 Limitless 这类公司的愿景极为宏大。可以想见，他们作为生态系统所要达成的目标，在可预期的未来是有可能实现的。然而，OpenAI 之类的公司也必然会设法抢占这一市场。而 Plaud 之类的公司在之后走向开放，比如开通更多自动化 API 功能，也许是一个思路。
这些 AI 录音硬件公司当下要做的，唯有将产品尽可能打磨至极致。就像 Plot 那样，把产品打磨成一件艺术品——继承苹果过往的美学基因，让人因设计而买单，而非仅因功能而买单。这或许是他们能够走下去的一条路径。
那么，AI 录音硬件是伪需求吗？它不是。但市场空间能有多大，取决于这些公司能看到多远，走到多远了。
当前 AI 浏览器相比之前我们使用的浏览器，最大的区别在于 AI 浏览器需要读取大量隐私。而在以前的浏览器时代，这种隐私需要我们通过各种插件主动进行管控。现在，AI 需要通过浏览器了解你的日常生活，以提供更加定制化的服务，这必然会要求我们暴露更多隐私。
这些 AI，尤其是现在端侧的模型还很难称得上够用，所以相关数据都需要上传到服务器侧，这中间必然会存在很多隐私问题和安全问题。比如，现在的 AI 浏览器不仅获取隐私，还拥有很大的操作权限，包括对银行密码以及其他涉及本地文件的操作，有些浏览器都是开放的。这两者叠加，会有相当大的安全风险。
目前，由于 AI 浏览器还处于相对早期，对于这些风险具体有哪些，以及采取什么样的方式来防范，并没有一个非常通用的解法，也没有达成共识。这些都需要边摸索边前进，早期试用者必然会付出相应的代价。
我们是否愿意付出这些代价，成为早期试用者、探路者，从而占据更大优势，这是每个人需要权衡的地方。
上个月看到 orange.ai 的公众号文章，提到了 AI 时代的「有机」的概念。并且他直接把公众号的名字改成了「有机大橘子」，也算是非常有行动力了。
在食品中，有机的东西总是更贵些。而在各种表达被人工智能占据的场域，手搓无添加的内容成了稀有物，这何尝不是一种「有机」。
那么，在 AI 内容生产中，什么才叫有机呢？我们常说 AI 写的东西没有人味儿，这其实就在于，AI 输出东西时，他只有 intelligence， 没有 context，那么自然就缺乏生命力。虽然现在越来越多的大模型引入了记忆功能，但它毕竟不能代表我们所有的思考，无法记录人和人之间的互动，没法记住肌肤被夏日灼热的空气覆盖的感受。这些细小的细节构成了我们生而为人的真实感，思考加上感受，才能构成真实而自我的表达。之前在Context 的重要性；小红书+淘宝1中也写过一些感想。
表达本来就是一种力量，一种可以用来确认自己活着的权利。
那为什么我还会把 AI 应用于我的日常写作之中呢？这需要先区分开写作和编辑的区别。如以前文章所描述，无论写作才去的是流水式还是建筑家的模式，写作出来的内容、其内核还是来自于我们自己。AI，可能是通过如语音转文字等手段提高了输入效率、抑或是在后期编辑中快速修正表达、格式，本质上还是通过把标准化、重复性劳动外包给 AI 来提高效率，而其内核、表达的方式还是自己的。
当然，在这个过程中，有时候 AI 编辑和自己写作之间的那条「线」会比较难以划分清晰。AI 在编辑过程中所占的比重应该有多少这一问题也没有定论。有些创作者会认为，只要主题是自己的，论证过程全由 AI 来完成也无所谓。甚至有不少 Newsletter 作者选择了只由自己挑选阅读的文章，简介、评论都放手给 AI 来完成。
仅从我自己的价值观和审美上来看，对于上述的用法我并无法苟同。其实在 AI 辅助写作上我也尝试了不少方法，应用 AI 的比例也经历过不少反复。例如，在 AI 刚刚大行其道时，我也曾尝试过全由语音输入，让 AI 改写文字，调整逻辑、语法等。虽然这一方法看起来仍保留了我作为创作者，在观点输出上的主体性，但经过一段时间，我却发现，一个人的文风、用词也是构成「表达」的重要元素。
在这一过程中，Flomo 的产品哲学也给了我一些思考的引导。他们的 AI 语音转文字力求尽量保留创作者的文字，只去除一些口癖。这种记录方式有利于记录者回忆起记录时的场景，显得这些记录更像是自己的。
这其实和上文提到过的 context 也有关。「表达」不止是观点，更涵盖了与之相关的表达方式，只有两者相加，叠加上场合、地点、天气等众多因素，才构成了完整的表达。我们在创作中可能难以完全复刻所有的 context，但至少通过更「有机」一些，能让更多的 context 得到保留，能让我们产出的内容更像我们自己。
自从 Whisper 模型出现以来，语音转文字就成了我的写作流程中非常重要的一环，之前也写过一些文章分享了 AI 语音转文字的一些用法。而随着越来越多人开始使用语音转文字、越来越多相关的软件出现，这一「便捷」的输入方式也为越来越多人所熟知。在以前文章中也提到过，人工智能可能对人类社会生活方式造成许多改变，包括日常创作、人际交往乃至工作方式都迎来了诸多变化。最近我发现，这些变化已切实地体现在我身上。
以前写文章的时候，我通常是有想法就直接用手机打开 Flomo 记录灵感，有空时在就随便找个咖啡店、或者在高铁、飞机上用iPad上打字成文。但最近在记录灵感时，我越来越多地通过语音来记录了，而使用语音时，出于「语音尴尬症」等原因，下意识地会避免利用一些在公共场合的零散时间进行片段的输入。更多是希望能找到一个相对空闲的时间、相对独立的地点，用语音来完成整体草稿的撰写。
这其实和我一开始想的「语音有利于片段化的输入」这一想法出现了很大的区别，也引发了进一步的思索——语音输入和键盘输入的区别到底有哪些，而语音输入对我们又会产生什么样的影响。
如果用一个简单的比喻来描述什么是键盘输入和语音输入，以及他们之间的区别，文字输入其实有点像我们是在一块砖一块砖地来「建一座房子」。在这个过程中，我们可以随时停下来审核结构，发现不满意的地方就拿掉，然后重新垒上，同时，我们可以交替着在多个地方开始垒墙。这个整个过程是异步、非线性的过程。在这个过程中，我们会经常需要做修改、拼接等等。经常写作的人也会有这种感受，我们会对每一个句子、每一个段落、每一个词进行琢磨，当我们写完一句话时会回头看看，删掉几个字，或立刻做出修改。
相比之下，语音输入更像一条「河流」。思想如水流，说出的话直接奔涌向前。我们无法让河流暂停，回到上游修改水流，只能保持它从头到尾流动。这过程同步且线性，需要不受打扰的环境。
为何会有这种差异？一个原因是认知摩擦力不同。打字时，我们经历思考、选词造句、寻找按键、拼写，然后看到文字出现，整体是一条很长的链条。语音输入则更容易进入心流状态，因此我们希望有个不受打扰的环境，一旦进入状态就不停下。写作时注重的会是思维的连贯表达，而非单个词语的完美与否。
同时，打字和语音输入调用的思维模式也不同。书面写作偏向逻辑结构和分析，讲述则偏向故事思维。讲故事追求连贯完整，写作的逻辑思维则完全不同。
我们并非说河流模式一定比建筑模式好，或更代表时代发展方向。相反，这是每个创作者面临的取舍。
语音转文字技术对写作最直观、最可量化的影响，毫无疑问在于对效率的颠覆性提升。人类说话的速度远超打字，那自然，只要有足够的内容储蓄，能够维持输出强度，那么自然在相同的时间下，就能够输出更多的文字。不过需要注意的一点是，语音转文字也导致了编辑负担的转移。在起草阶段所节省的时间，一定程度上被转移到了编辑阶段。
正如上文所说，口述生成的初稿往往是未经加工的「原材料」，需要大量重写和结构调整才能成为合格的书面语。因此，语音转文字带来的生产力提升，其实并非简单地缩短了总时间，更多是重构了时间分配。
对于那些在编辑上比较苦手的人来说，实际上可能并不能减少他们总的输入时间。而真正的效率提升，属于那些能够成功适应新的两阶段工作流程，并掌握相应编辑技能的写作者。
语音转文字技术对写作带来的转变远不止于效率，它也在潜移默化地改变文字本身的特质。
既然文字来源于口语，那写作出来的文本也自然会更加倾向于对话式的风格。这种风格在某些博客、介绍性文章中自有其优势，能营造出一种亲切、自然的氛围，但若讲述者本身不擅长讲故事，则有可能会囿于流水账的困境。
这也就引出了语音转文字所带来的潜在问题，即会导致行文冗长、结构松散。在我的语音转文字写作中就经常出现这个问题， 由于思考和写作是同时进行的，而人在思考的时候会不自觉地重复自己的观点，以保证逻辑的连贯性。当这种思维落在纸面上，就很容易会出现大段的重复。
语音转文字所带来的影响不只局限于写作，它对于我们人与人之间的沟通，乃至于人与生活之间的互动都会带来很大的改变。
举个例子，语音转文字对工作中人与人之间沟通就会有很大的影响。以前当我们开会时，除非额外注明有人来专门做会议纪要，不然很多时候会议的内容是无法追踪的，人们相对而言就可以更加畅所欲言一些。而随着语音转文字技术的运用，所有的会议都可以留痕，这也就导致人们在线会议时会更加谨慎，更加注重自己的措辞，对于自己所抒发的内容会有更多审慎的考虑，会避免随意输出可能对自己或他人不利的内容。
这一方面使得同事与同事或者说不同部门之间的沟通变得愈发困难，但在某种程度上也增加了线下人与人之间沟通的重要性。在工作中，人们可能更加会倾向于线下的会议，或者说在茶水间等非正式场合的碰面。所以说，语音转文字技术在工作中可能会导致地理位置相近的人之间的关系变得更加紧密，而对于位置相对较远的人而言，反而会加深他们之间的隔阂。
语音输入正在重塑人们执行日常任务的方式，培养了新的行为习惯和用户期望，例如，人们期待技术能够提供即时、准确和个性化的响应 。然而，这种行为转变也面临障碍，包括用户对设备全部功能认知不足，以及在公共场合使用语音命令的社交尴尬感 。
而对于人与社会，以及人与社会中的一些事物的交互而言，也带来了很多的改变。语音转文字的效率大大优于传统的写作，人们在工作中也会更加依赖语音转文字，这就导致了人们工作范式的一定改变。很明显，在那些所有人坐在一个场合进行工作的场景下，语音转文字可能并不适用。人们会避免自己的隐私被探听，同时也担心会影响到别人。因此，在工作场所里，人们可能会需要更多个人的空间，或者更多可以短暂使用的个人空间，如电话间等。而这也同时进一步导致了人们工作节奏的加快。由于信息产生和处理速度的提升，人们的工作压力也会进一步增加，并且也会要求人们掌握更多的语音输入技巧。由于语音天生是流逝的，它也会要求人们学会怎样说出结构化的内容，这对人们的思维模式的要求其实更高了。
而对社会交互的深层影响而言，优点自然在于，它在功能上进一步增加了信息的民主化程度。由于不善于打字的人也因此能够更加轻松地创作内容，在一定程度上降低了内容创作的门槛，同时也为那些文盲、不擅长书写打字，或者有手部残疾的人提供了一个相对公平的表达渠道。
而对于文化而言，语音转文字带来的可能更多是一些负面影响。相对而言，社会公平虽然在一定程度上缩小了阶级之间的不公平，但是对于不同语言、不同族群人之间的公平程度反而有可能是一种放大。那些使用少数语种或者有特殊口音的人会因此丧失快速输出的机会，和主流人群之间的差距会进一步扩大。而且语音转文字在主流语言上的优势也会随着语料增加而进一步增加，一些地方语言很有可能会加速消亡。当然，这里面也有一些反例，人工智能也可以用来保护或识别一些比较古老的语言，这取决于人们如何使用人工智能技术。
第三个变化更多在于认知模式上，人们通过语音随时记录想法，这改变了大脑处理信息的方式，就像我们之前所说的「建筑」和「流水」之间的区别。这长期对于人们的思维方式也会有负面影响，一旦人们习惯于随时随地记录自己的语音，自然的记忆能力反而可能会被削弱。
下文会对我使用过的一些语音转文字软件进行一些简单的评述。特此声明，我仅评测我付费使用过的产品，且不打总分，因为不同维度对不同人来说有着完全不同的权重。篇幅所限，每个软件仅作简单评述，如有需要详细介绍，可以在评论区留言，后期有时间了可能会写更详细的文章。
| Audiopen | Voicenotes | 闪念贝壳 | Flomo | Dinox | |
|---|---|---|---|---|---|
| 价格 | ⭐ | 早鸟⭐⭐⭐⭐⭐订阅⭐ | 买断⭐⭐⭐⭐订阅⭐⭐ | ⭐⭐⭐ | 买断⭐⭐⭐订阅⭐⭐ |
| UI/设计 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐ |
| 输入便捷度 | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |
| AI 能力 | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 上传录音 | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ||
| 集成能力 | ⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐ | ⭐⭐⭐⭐ |
| 附加功能 | ⭐ | ⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 开发者能力 | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 未来预期 | ⭐ | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
在所有语音转文字笔记软件中，Audiopen 应该是最早出圈的一个产品。早在2023年它就诞生了，作者从来没有编程经验，通过 vibe coding 创造了这款产品。
由于它当时昂贵的定价，也激起过一些讨论。Audiopen的 UI 以及语音转文字的准确度在所有产品中都是最佳的。去年，它也开发出了 app 端，在易用程度上也很优秀。它的后端集成做得也挺好，可以自动把转录及AI修改好的内容发送到 Notion，或通过 webhook 发动到其他自己想要管理的软件之中。综合来看，作为这个行业里的先驱，除了价格较贵之外，没有什么值得吐槽的问题。
如果你错过了 Voicenotes 早期的 50 美元早鸟价买断的话，那这可能是语音转文字笔记软件用户最大的遗憾之一。
Voicenotes 在所有笔记软件中可以说是综合了价格、 UI、设计逻辑、后期的集成等最好的一个产品。Voicenotes 的设计非常克制且优雅，无论是极简的设计还是对于 AI 改写的克制，在使用便捷度上是首屈一指的。
它既支持在 App 中进行转录，也支持上传语音文件进行转录。除此之外，Voicenotes 还支持通过一个叫 Pages 的功能来把自己的语音转文字发布出去，形成自己一个非常微型的博客。我也把它作为我个人博客的一个补充，记录一些我个人的日常闪念。同时，它也支持 AI 问答等功能。
值得一提的是，Voicenotes 的作者是 Buy me a coffee 的作者，因此信誉度相对可靠，暂时不用担心跑路。
综合下来，Voicenotes 是我在所有笔记软件中使用语音转文字的频率最高的。而且它同时支持网页端、手机端以及苹果手表端的输入，这让它的使用场景得到了大大的拓展。近期，它也更增加了在桌面端的快捷输入，并且更加扩展了它自己的使用场景。
闪念贝壳其实是先在海外做起来之后才拓展到国内的，在外区它的名字叫 Ideashell。作者不愧是设计出身，它的外观设计非常优美，UI也很简洁美观，对颜值党来说用着非常舒服。
而另外一个特色则是它与其他各种软件的集成。打开软件（或通过小组件/action button)，录入一段语音，生成的内容，可以被非常便捷地立刻发送到包括从微信、提醒事项到 Notion、Obsidian、熊掌记、Craft、滴答清单、Day One等一系列笔记软件中去，在操作的便捷度上毫无疑问是在所有软件中最佳的。
此外，闪念贝壳支持上传录音文件进行转录，并且支持区分不同发言人，这个功能常被我用于临时会议记录。
如果说闪念贝壳是典型的设计师作品，那么 Dinox 则是典型的工程师作品。
如果要论各种与 AI 相结合的功能最齐全、设置最复杂的产品，Dinox 非他莫属。它支持从语音转文字到后续的结构化处理、相关笔记、AI 聊天等一系列功能，甚至还支持手机端检测存储，并且包括 S3 等不同的对向存储。
可以说，所有你能设想的与笔记相关的功能在 Dinox 都有。但自然，缺点也是存在的：它的操作设置过于复杂，入门相对较为困难，且当前阶段 bug 较多；在美观上与其他几款产品相比略有缺失。同时，由于作者想法很多，整体作品割裂感比较强，并没有一个明确的产品特质。
但是，作者的更新频率以及响应速度非常之快，几乎每隔几天就有一个新版本，可以说是未来可期的一个选择。
其实早在 AudioPen 流行之后，我就和少楠提过在笔记软件中加入语音转文字的想法。但当时他们觉得需要先研究语音转文字是不是一个笔记软件的刚需，以及如果真的加入了，如何进行最符合他们产品逻辑的设计，谁料这一研究就是两年。
对于他们这个解释，一开始我和其他挺多人一样，觉得他们只是出于成本考虑而拒绝做出一些新的尝试。也因此，我尝试了其他挺多速记软件。
几个月前，Flomo 终于加入了语音转文字。并且我也很欣慰地看到他们确实在里面融入了自己的想法。相比于那些着重于语音输入后，对笔记进行很多基于不同prompt调整的软件而言，Flomo 不支持自定义prompt（对不少人来说这是个缺点），非常注重写作者原来的结构，仅去除了一些常见的口辟等。
这其实也和我对于笔记的看法不谋而合。之前我也尝试过通过很多预先设置好的 prompt 来对自己的语音输入进行大幅度修改，但最后却发现这些修改过的笔记虽然看起来更加精致，但很多情况下并不能反映我自己的原意。亦或者，当我事后回顾的时候，总感觉这些笔记有些陌生。正如少楠和Lightory 想传递的笔记理念，只有那些在我们用自己的理解记下来的内容，才是我们当下最真挚的表达。我们自己通过思考来进行的重新编辑，也能让我们对自己的笔记有更深刻的印象。
此外，这半年支持的 AI 搜索和最近引入的 AI 洞察也很有想法，能帮助用户发现笔记和笔记之间的关联——虽然 Voicenotes和Dinox也支持类似的功能，但从易用程度以及完成度上来看，后两者只能称得上有这个功能，远远不算好用。
说了这么多，Flomo 当然也有一些问题，比如说他的语音笔记最长只能支持五分钟，对生成的内容会进行自动审核，替换掉一些不当语句，并且不支持同步到其他软件等。但从使用的易用性上，以及语音转文字这一功能本身的实现的完成度上，Flomo 还是做得很好的。
这里提到的这些笔记软件并不代表市面上所有支持AI语音转文字的软件，还有几款可以简单提一下。
如果把市面上的语音转文字软件分成两类，一类可以算是所谓的「AI 原生」笔记软件，另一类则是「AI+」笔记软件
其中，Get笔记和即我笔记，以及这两年在即刻、小红书上各种独立开发者各种宣传的层出不穷的新软件大都是在AI语音转文字出现之后而诞生的。他们在从初始阶段就兼顾到了语音转文字的开发，但因为我使用的不多，也建议大家去找其他的评测。
而后面提到的这几款Reflect、Tana、Workflow则是基于已有的笔记软件的基础上，把语音转文字融入他们的工作流。其中，Tana毫无疑问是其中做得最好的一款。AI 已经成为其完整工作流中的一环。它既支持会议的转录，也支持日常的手机端以及电脑端的语音输入。此外，Tana还能在输入之后用AI对语音转文字的内容进行进一步修改，自定义化非常强。
但由于这几款都需要比较昂贵的订阅费，在性价比上，如果只是把它作为语音转文字软件而言，相对会比较低。不过，如果能把它们与自己的工作流结合起来，或者作为自己的知识库所在，那是可以考虑的选择。
桌面端的语音转文字输入法也有不少选择，最主流的包括 Superwhisper、Wispr Flow等，甚至 Voicenotes 近期也推出了 Mac 端的输入法软件，只需按住快捷键，就能直接把语音转文字输入到当前的文本框内。
由于我日常输入不依赖于 Mac，对这方面没有很深的研究，可以参考Edison的这篇文章来了解更多的细节 https://linux.do/t/topic/833194。
语音转文字软件确实加快了我单一文稿撰写的速度，例如这篇文章有 50% 的部分是通过语音输入完成的初稿。但回头看来，寻找具有仪式感的环境进行语音输入这一行为反而对我创作构成了新束缚。
以前我能在等地铁、午休时花几分钟，用手机或iPad快速写出文章一部分。然而习惯于用语音写初稿之后，我的零散输入时间反而变少了。
未来创作中我可能需要区分不同类型文字，采取不同写作方式。对偏向故事型、记录型的内容，使用语音可能更方便；对偏向书面信息的写作，找个安静地方写可能更好。更或者，在大部分情况下，我都会更加倾向于用打字的方式来进行写作。因为无论是在摘录闪念，亦或是在长篇梳理自己想法的时候，这种字斟句酌的输入方式都更有利于我理清自己的思路。并且，它能更加有一种创作的真实感以及仪式感。毕竟，有时候仪式感本身也是创造力的来源之一。
而对于每个创作者以及记录者而言，根据自己所处环境、惯用设备而选择最适合自己的创作方式，是每个创作者都需要面临的课题
2018年，欧盟 GDPR 的实施掀起了全球数据保护的新浪潮。这部被称为”史上最严格数据隐私法”的法规不仅改变了欧盟境内的数据处理规则，更通过”布鲁塞尔效应”，将其影响力扩展到全球范围。然而，当欧盟试图将这种监管模式复制到人工智能领域时，情况似乎有了微妙的变化。
2023年12月，欧盟就 EU AI Act 达成初步政治协议，标志着全球首个综合性AI监管框架的诞生。这一时刻让人不禁想起2015年12月GDPR文本达成一致的场景。然而，与GDPR相比，AI法案面临的挑战似乎更为复杂，科技巨头的反应也更加激烈。
最简单的例子，为什么前些年，我们发现，越来越多的产品、越来越多的饭店开始贴着清真认证标签？答案在于一个简单的不对称性：穆斯林消费者只能吃清真食品，而非穆斯林消费者可以吃清真食品。
当穆斯林人口达到一定比例，或者占有一定舆论声量的时候，食品生产商面临一个选择：要么生产两条产品线，要么统一采用清真标准。由于清真认证的额外成本相对较低，而维护两条生产线的成本较高，理性的选择是统一采用清真标准。
这就是”最不宽容者获胜”的精髓：当转换成本较低时，整个系统会向最严格的标准倾斜。
放在现实生活中，则体现为当一个坚定不妥协的少数群体与一个较为灵活的多数群体相遇时，整个系统往往会向少数群体的偏好倾斜。
GDPR的实施过程似乎验证了塔勒布的理论。作为”不宽容的少数群体”，欧盟通过GDPR设定了严格的数据保护标准。尽管科技巨头最初表示担忧，认为需要大规模调整政策和程序，但最终还是选择了合规。
这种合规不仅仅是因为高额罚款的威胁（最高可达全球年营业额的4%），更重要的是，维护多套数据处理系统的成本远高于统一采用GDPR标准。结果是，许多公司不仅在欧盟市场采用GDPR标准，更将其推广到全球业务中。这就是所谓的”布鲁塞尔效应”——欧盟的监管标准成为了事实上的全球标准。
然而，当欧盟推出AI法案时，科技巨头的反应却截然不同。与GDPR时期相比，它们对AI法案表现出更为强烈和一致的反对态度。这种差异化的反应背后究竟隐藏着怎样的逻辑？
GDPR主要被视为一项数据治理和隐私合规的挑战。它规范了数据处理方式，但并未从根本上改变科技公司的商业模式。相比之下，AI法案被认为直接触及了AI技术的核心——它不仅规范了数据如何使用，更涉及可以用数据构建什么，以及谁对其效果负责。
对于GDPR，大型科技公司虽然面临高昂的合规成本，但也从中获得了意外的战略利益。GDPR的复杂性为小型竞争对手设置了准入门槛，从而巩固了大型企业的市场地位。这种”二阶效应”影响了它们的决策逻辑。
而AI法案则不同。科技巨头认为，这项法案可能会从根本上威胁其在AI领域的领导地位和未来增长潜力。它们担心严格的监管会削弱欧洲AI模型的竞争力，甚至可能将市场份额让给其他地区的竞争对手。
要理解这个谜题，我们需要深入到细节中。GDPR和EU AI Act看似相似，实则有着根本性的差异。
首先是合规的确定性问题。GDPR的要求相对明确：获取用户同意、提供数据删除选项、确保数据安全等。虽然实施起来繁琐，但至少企业知道该做什么。相比之下，EU AI Act充满了模糊地带。什么算”高风险AI应用”？如何证明一个深度学习模型是”可解释的”？当技术本身还在快速演进时，如何制定固定的合规标准？
更关键的是对核心业务的影响程度。GDPR主要改变的是数据处理流程——你仍然可以做社交网络，仍然可以投放广告，只是需要先获得用户同意。它就像是给汽车加装安全带，麻烦但不影响汽车的本质功能。而EU AI Act直接触及产品的核心。它可能要求你的AI模型必须是可解释的，但对于依赖深度神经网络的现代AI来说，完全的可解释性在技术上可能根本无法实现。这就像要求汽车必须能够飞行——不是改进，而是改变本质。
在GDPR的案例中，欧盟作为”不宽容的少数群体”，成功地将其数据保护标准推广到全球。然而，在AI法案的博弈中，局面变得更加复杂。
一方面，欧盟仍然试图扮演”不宽容者”的角色，坚持其对AI的伦理和安全标准。另一方面，科技巨头在捍卫其核心利益和创新自由时，也表现出了极高的”不宽容”程度。它们通过密集的游说活动、公开表态，甚至威胁撤出欧洲市场来表达立场。
这场博弈的结果可能不会是一方的完全胜利，而是一个反映多方相对力量的复杂妥协。塔勒布的理论在这里提供了理解影响力动态的视角，但现实世界的结果往往更加微妙。
2018年和2024年的科技产业格局已经大不相同。当GDPR推出时，数据确实重要，但还不是生死攸关的问题。失去一些数据收集能力令人痛苦，但不会让Facebook或Google失去竞争优势。那时的数字经济已经相对成熟，需要的是规范而非突破。
但2024年的AI竞赛完全是另一回事。我们正处于AI革命的早期阶段，每个月都有突破性进展。在这个时刻被监管束缚手脚，可能意味着永久性地落后。更重要的是，中美AI竞争的大背景让一切变得更加复杂。当你的中国竞争对手可以不受限制地开发AI，而你却要满足各种”可解释性”要求时，这种劣势可能是致命的。
成本结构的差异也值得深思。GDPR的合规成本虽然高昂——大公司可能需要花费数百万欧元进行技术改造和法律咨询——但这是一次性投入加上可预测的维护成本。企业可以制定预算，分配资源，然后继续前进。
EU AI Act的成本却充满不确定性。不仅是金钱成本，更是机会成本。当你为了满足”可解释性”要求而不得不使用较简单的模型时，你失去的创新机会如何量化？当你的竞争对手推出了更强大的AI助手而你还在等待合规审查时，市场份额的流失如何计算？这种不确定性让企业难以做出理性的成本收益分析。
还有一个常被忽视的因素：公众认知。GDPR打着保护隐私的旗号，容易获得道德制高点。即使是最激进的科技公司也很难公开反对保护用户隐私。但AI监管不同。限制AI发展很容易被框定为”阻碍进步”、”扼杀创新”。在一个将技术进步视为信仰的时代，这种叙事对监管者不利。
更深层的变化在于权力结构的演变。在清真食品的案例中，个体消费者没有议价能力。但在AI时代，科技巨头掌握着一张王牌：退出威胁。当苹果说”我们不在欧盟发布AI功能”时，受损的不仅是苹果，还有数百万期待新功能的欧洲iPhone用户。当足够多的科技公司做出同样选择时，压力开始转向监管者。
这种动态在GDPR时代并不明显，因为没有公司真的敢完全退出欧盟市场。但在AI时代，”功能性退出”成为可能——你仍然在欧盟销售产品，只是不提供最先进的AI功能。这种策略既避免了完全退出的极端后果，又对监管者施加了压力。
如果我们用博弈论的语言来描述，GDPR时代的博弈相对简单：遵守规则失去一些数据优势但保住市场，不遵守则失去整个欧盟市场。选择显而易见。
但AI Act创造了一个更复杂的博弈。遵守可能意味着在全球AI竞赛中永久落后，不遵守只是暂时失去部分欧盟市场功能。当长期的技术领先地位和短期的市场准入发生冲突时，越来越多的公司选择了前者。
有趣的是，这个故事还远未结束。GDPR刚推出时也曾遭遇强烈反对，但最终大多数公司还是选择了合规。EU AI Act是否会重演这个剧本？
可能的情景包括：监管者和企业最终达成某种妥协，出现”欧盟特别版”的AI产品；或者欧盟坚持立场，导致欧洲在AI时代进一步边缘化；又或者，其他地区跟进欧盟的监管思路，最终形成全球统一标准。
没有放之四海而皆准的社会理论。塔勒布的”最不宽容者获胜”在特定条件下确实成立——当转换成本较低、参与者权力不对称有利于”不宽容者”、没有可行的退出选项时。
但当这些条件改变时，当”宽容者”变成了拥有议价能力的科技巨头，当转换成本高到令人却步，当退出成为可信威胁时，理论的预测就需要修正。
更重要的是，时机至关重要。GDPR来得正是时候——数据经济已经成熟，需要的是规范。而AI Act可能来得太早——当技术仍在快速演进时，过早的规范可能扼杀创新。这就像在莱特兄弟刚发明飞机时就制定详细的航空安全法规，结果可能是飞机永远无法起飞。
从更宏大的视角来说，当我们谈论清真食品时，我们在讨论消费选择。当我们谈论GDPR时，我们在讨论隐私权利。但当我们谈论AI监管时，我们在讨论人类的未来，即，谁将主导下一次技术革命，以及这场革命将如何展开。
终于听完重轻和孟岩的播客，他们推荐的里克鲁宾的书很有意思，准备抽空看看。他们主要讲的是创作过程，强调创作要源于个人真情实感，源于自己想表达的东西。
当然他们可能更着重创作系统内容，不愿追逐时事。而我这种俗人，大概每天确实被各种信息轰炸。自然，我的博客也会有很多相关内容。其实，我以前常会尴尬，或不愿在公众面前谈论对时事的看法。但他们的对谈也启发了我。许多想法应当被表达出来，日后回看，会发现自己当时要么是幼稚，要么是因为时局不同、信息不同、情绪不同，而产生了不同的判断逻辑。以后可能会随感评论生活或社会事件。
听重轻和孟岩的播客时，听到一段很有感触的对话。他们从祛魅聊起，引申开去。现在许多人沟通时，倾向于过度简化。听到“无非”、“不过就”这类词时，往往不代表说话人想用简化语言来概括，提炼精髓，而更多是接收者不愿费力研究或了解背景，因而过度简化。这也解释了为何日常生活中安利是件很难的事。感受作品的最佳途径永远是感受，而非分析。因为分析时，你会丧失对整体美感的体会。就像把事物掰开揉碎，你只能得到碎渣；而感受到的更多是情景、是 context，这是分析和阅读理解所无法体会的。你只能体会它为何牛逼，却不能体会它为何美。
这让我想起之前和 Jotmo 开发者聊天时，谈到 context的 重要性。记录时，context 非常重要。比如，回顾收藏的帖子，判断是上班摸鱼、通勤途中，还是专心阅读时收藏的，再结合笔记，能触发不同思路。这不仅关乎当时的思绪情感，也会让潜意识回忆起相似场景下的其他记录。同样，只有结合当时context，才能反映当时最真实的感受。
小红书与淘宝打通，允许用户从图文直接跳转淘宝，堪称一招妙手。小红书商业化此前进展缓慢，主要是因为难吸引商家专门经营其平台内容，商家也无从得知“种草”效果。而一旦能跳转淘宝，转化效果即可量化，平台吸引力便会大增。此举有可能会限制小红书自身电商业务，但着眼平台整体发展，实为做大了蛋糕：先贯通“宣传-种草-购买”的流程，待用户习惯养成后，再图自身电商发展，可能比从零开始效果会更好。
然而也应看到，内容或社区平台商业化提速后，可能严重冲击社区特有的氛围。当下的小红书即是典型例证：平台问题已相当严重，营销号大量涌入，令大家能看到的真实生活分享日益减少。
同时内容创作者为提高带货效果，内容可能趋于同质。当然，小红书社区尚属多元，其长尾内容有助于覆盖更细分的用户群体，但小红书的社区运营团队也需善加引导和管理。
至于先让用户养成消费习惯，再借此促进小红书自身商业化的想法，其实存在变数。用户养成的习惯，究竟是在小红书看中商品后跳转淘宝购买，还是在小红书内部完成了从“种草”到“决策”的整个过程？若是前者，小红书日后推广自有电商时，如何克服用户路径依赖、将他们拉回平台，将是一大难题。
不过，抖音此前的转型路径可资借鉴，毕竟其平台转型颇为成功。抖音早先也曾与淘宝等平台合作，虽经阵痛，但其电商能力随后迅速提升。
B站某种程度上或可借鉴这种做法法。可惜考虑到社区调性，B站要打通购买流程难度较大。其内容少有“种草”性质，多为硬广，与小红书不同。不过这也算一种开源节流之法。
B站商业化向来步履维艰。无论是贴片广告受限，还是特有的社区氛围，都使其商业潜力难以充分发掘。与平台合作直接导流算是一条思路，但对B站长远发展而言，恐怕只是权宜之计，难治根本。当然，对B站这样体量的公司，此法或许就已足够了。
近期我重新开始使用Heptabase，正如Alan所指出的，当进行专题研究时，白板确实是最为合适的工具。在使用Tana时，虽然在记录单独笔记或进行信息输入时，通过标签管理可以实现流畅的工作流程，但当需要从中观层面梳理和理解事物时，便显得有些力不从心。在这种情况下，白板无疑是最佳选择。
这两天，我终于开始着手一个搁置已久的项目：在笔记软件里搭建个人的影音数据库，或者说是个人的数据资产和娱乐hub。这个想法虽然由来已久，但一直处在纠结和犹豫中。
回想起来，在我还使用Notion的那段时间，就经常看到社区里有人用它来搭建个人数据库。比如我很喜欢的博主椒盐豆豉，她就在Notion上维护着一个影音数据库。当时看到这些精美的数据库时，我心里却冒出一个疑问：既然已经有豆瓣这样完善的在线娱乐服务平台，为什么还要费时费力地重新搭建一套呢？
这个困扰一直延续到最近。当我发现了新兴的影音评论网站NeoDB时，最初的想法也是准备在这个平台上构建自己的数据库。但后来的选择却出人意料 – 我还是决定回到笔记软件来实现这个构想。
促使我做出这个决定的关键因素是定制性需求和美观性。在任何第三方网站上，你都只能在预设的几个字段范围内活动 – 写写短评，标记一下”想看”或其他状态，而难以进行更深度的个性化定制。相比之下，在自己的笔记软件里，可以做的事情要丰富得多：可以记录更深入的观点，设定内容的领域分类，最重要的是能够与其他笔记建立有机的联系。
在视觉呈现上，笔记软件提供的看板视图也明显优于大多数网站采用的上下滚动式展示方式，能够呈现出更优雅的内容组织效果。
基于这些考虑，我最终选择了在 Tana 中搭建这个数据库。这样不仅能够与我日常的笔记流程完美融合，未来还计划将其整合到个人博客中，形成一个更完整的个人数据管理系统。
最近我还开始重新体验玉伯的新产品 Youmind，逐渐理解了它的独特定位。它并非传统的知识管理工具，而是一个面向创作的项目管理平台。这种定位让我想到了长期以来对工具的一些思考。
在此之前，我曾尝试用 Minttr 来积累写作素材。它的瀑布流设计虽然赏心悦目，但实际编辑体验却并不理想。不过在那里建立的写作素材库倒是出乎意料地实用，是目前让我比较满意的功能之一。
Youmind 的项目导向型管理方式很有特色。与我现有的写作素材库相比，它的优势在于可以容纳更丰富的内容形式，不局限于文字材料。这让我看到了新的应用场景：可以把听到的播客片段、看到的精彩视频都收集进来，这是传统写作素材库难以实现的功能。
这两天和 玉伯 聊的时候了解到，他们近期会有一波比较大的更新，重点是在于编辑体验上。他们可能会考虑采取类似于Cursor的形式，来帮助用户更好地进行创作，这就与他们现在的这个仅仅着重于信息收集的模式有了一定的区别。另外，可能还有包括对于board看板的一些新的更新。
这个话题让我联想到知识管理、信息管理和创作管理这三个概念的区别。知识管理服务于个人长期的知识积累，收录的都是经过理解和消化、确信未来有用的内容。信息管理则更符合现代人的收藏倾向，重点是确保需要时能快速检索到相关内容。
可以说，知识管理注重整理和内化，信息管理侧重检索能力，而创作管理则着眼于激发创意和内容整理。这三者之间虽有重叠，但将它们分开处理可能是更明智的选择。
在当前的工具体系中，我主要使用 Heptabase 进行项目研究，用 Tana、新枝和 Youmind 进行信息收集。真正的知识会沉淀在 Heptabase 中。另外，我使用 Readwise Reader 进行高亮标注，这些内容会通过 Readwise 同步到 Heptabase 和 Tana。最终的创作则在 Youmind 和思源中完成，思源笔记的本地化特性提供了很好的存档功能，写作体验也相当不错。
近期发现了城堡 阅读，这一个前利器社区的作者运营的独立杂志，会有不少链接来源于他的分享。此外这部分的标题也参考 Neo 的形式改成了 Links+Notes 这一更直观的表述。
供给匮乏年代
做产品要多看刚需
供给丰饶年代
特别是有了 AI 作为生产力之后
做产品要看柔需 ——玉伯
DeepSeek 的文章大部分是一眼能看出来的，OpenAI 的也能比较容易分辨出来，相较之下 Claude 在这方面还是更拟人一些。
当身边的人都表达了对哪吒的喜爱的时候，就很难找到机会表达出自己的看法。近期热度降下来了，终于能看到一些反面的声音。这篇虽然是完全从女性主义的角度分析，还是 cover 了大部分令我感觉不适的点的。
-中文播客听众使用的内容平台前三是：b 站、小红书、公众号
-收听场景前三是：通勤、家务、运动。
-持续收听播客的最大理由是开拓视野，打破信息差；而放弃挺播客的最大理由则是对主播内容逐渐失去兴趣。
-创作者方面，做播客的前三个理由是：个人兴趣、分享知识和有价值的内容、内心深处强烈的表达欲。
-另外很多人相比苹果播客的简洁，更喜欢小宇宙开放的评论区，这不禁让让我觉得在播客方面，小宇宙就是网易云音乐。
请叫我播客收听人群平均画像😂。好奇的是明年平均年龄是会增加还是维持不变。