Short Form

距离上一次更新已经过了一个多月了。最近忙于工作中的一个项目，基本没有空摸鱼了（笑）。这回趁旅行途中正好有空，梳理一下过去这半年多来对笔记的思考的变化。

对 All-in-one 的祛魅

上个月在即刻上，有人提到今年似乎不再追求笔记工具的 all-in-one 和本地优先等功能，甚至双向链接也用得越来越少了，使用笔记的时候，更加关注内容而不是功能。细细想来，我自己也有类似的体会，近半年来，除了用 Heptabase 系统地读书听课，大部分时候使用笔记的场景都是简单的摘抄总结，不会主动地去在不同笔记间建立链接。

过去这些年，我一直在换笔记工具，从十年前的 Evernote 到Bear、Craft，再到21年的Obsidian、Logseq、Siyuan、Heptabase、Tana和Notion。之前影响我切换的原因主要是功能问题，比如支不支持双链、块级双链、大纲还是文档式，还有在线还是离线等等。每当发现某个软件有某些新功能，总是会下意识地迁移一遍数据，试图能用它来all-in-one地作为我唯一的笔记工具。诚然，某些功能确实是刚需，尤其是支持同步到不同电脑以及手机和iPad的支持，但是大部分功能其实更多的只是锦上添花罢了。

当然，颜值和UI也是很重要的因素。我开始用Bear就是因为觉得它长得好看，平时没事干就喜欢换主题，似乎每换一次主题就能让心情变得更好一些。后来放弃Craft的原因之一也是它能自己调节的余地很小。包括我之前也用了一段时间的Logseq和Siyuan。Logseq的电脑端可以调得很好看，手机端却不支持主题和插件，这让我有点纠结。又比如最近发现了几个好看的Obsidian主题，我就立马回到Obsidian的怀抱去用了一段时间。

但是总体而言，遵循着重器轻用的原则，现在我基本固定下来了使用笔记的几个模块。即语音输入（AudioPen)，灵感/摘抄（Flomo），剪藏/阅读（新枝/Readwise），深入学习思考（Heptabase），工作（Tana），数据后台（Notion）。后文中我也会详细讲讲AI在这些模块中又发挥了什么样的作用。

AI 对我的笔记流程产生的改变

AI 的出现，让笔记的管理愈发分化成了信息管理和知识管理两部分。AI 大大简化了信息的获取、分类、总结、搜索。

语音输入

AI对笔记流程最显著的影响莫过于在信息获取环节增加了语音输入这一渠道。在过去，由于语音识别的不准确，语音输入其实是一个成本非常高的动作，我们需要逐字对识别的错误做修改，删改语气词与重复增加标点符号，分段等等。而随着Whisper之类模型的涌现，以及一些支持通过AI对语音笔记进行初步修改的产品的出现，使得语音输入成为了一个重要的输入来源。

我在的一些群里最近也集中讨论了语音笔记价值的问题（起源于许多语音笔记软件如AudioPen、VoiceNotes和SlaxNote纷纷出现）。一些人认为语音笔记的价值不大，因为某些内容如果没有用文字记录下来，就说明这些内容对你并没有特别大的价值。你把它说出来并存储起来，只是类似于“稍后读”，最终可能再也不会读。也有的人认为，当你决定进行语音输入时，其实已经在心中进行了一次筛选。用语言表达出来的过程，实际上也是一次思考和提炼。因此，这些内容依然是有价值的。（以上这段就来自于语音输入后AI改写，AI味还是稍有些浓，以后会继续试试修改一下prompt。目前感觉自带promote效果最好的还是AudioPen）

而对于语音输入亟需提升的地方，因为人们并不是每时每刻都能在家里有一个安静的地方进行语音输入，或者说有的人很多时候是带着 AirPods，这时候他的麦克风效果其实是很差的。因此，语音输入最重要的功能，其实是它在嘈杂环境下的识别能力。

总结与分类

我曾经发表过一个暴论，认为AI的总结是个伪命题。

一般认为，AI 总结有以下几个应用场景：消费内容之前的“预览”，消费中的提炼，以及消费以后的总结记录

这三者看起来是一个东西，但是其实不是。

目前最常见的产品，及用AI速读公众号文章可能是个伪命题。这个需求是被创造的，认为通过把文章转发给一个AI助手，能够让我们快速识别一篇文章是否值得读。 然而，对于大部分人而言，可能其实并没有这个需求。只看标题及文章开头两段，大部分情况下就能知道这篇文章到底是不是需要精读。需要精读的文章自然会存到”稍后读”助手之类的地方，然后仔细精读。 而对于那些看标题来说可能并不值得读的文章，还不如直接跳过，因为它可能本身里面也很少有干货，并不需要通过AI助手来总结里面相关的内容。 所以，这个需求更多的是一个被创造出来的需求，使用的时候也并没有什么比较大的意义。 另外一个思路是，能凭借标题和前两段内容分辨出一篇文章是否值得读的人，本身不是这类服务的受众。更进一步，“大部分人能凭借标题和前两段内容分辨出一篇文章是否值得读”本身是个伪命题

在使用了一段时间类似的产品之后，现在看来，这种说法有些片面。在某种程度上，AI的总结在事前分类方面起到了重要作用，让人能区分哪些内容值得阅读，哪些可以略过。这一点我依然认同。

举个具体的例子，

我可以算是一个播客爱好者了，在小宇宙上关注了几十个播客。然而每天听播客的时间总是有限的。就和稍后读软件里的文章数量一样， 我的小宇宙播放列表里的播客也越攒越多，最近突破了 200 大关。可想而知，每天不到一小时的通勤时间肯定没法听完这么多的播客。

去年黑五趁着打折，薅了两年的 Podwise 会员，但是过去几个月用的次数比较少。最近痛下决心准备好好清理一下播放列表。

Podwise 的 standard 会员等级每个月可以转录并总结 20 次播客，并且可以无限量地阅读其他用户已经转录完的播客。实际用下来，除了过于古早的播客（早于 2023 年上半年），或者过于小众，大部分的播客都已经被其他用户转录过了。我清理到2023年10月，大概 100 多个播客，才用完了一个月的 20 条的份额。

这类总结最主要的功能还是对长篇内容提取大纲，以辅助筛选。尽管文字、视频、音频的信息密度个油不同，但是面对一些长篇的内容时，还是会力有不逮，总结出来的内容非常空洞，甚至连辅助筛选的作用有时候都起不到。

检索

此外，AI在信息检索上也非常有用。最近，我发现Notion AI的Q&A功能大大改变了我的笔记流程。它让我可以将所有笔记，无论是摘抄、剪藏还是自己的蓝图，都导入Notion AI进行统一检索。这样，我可以更放心地使用最优秀的软件，而不必担心数据分散在各处的问题，后端处理完全交给Notion。

以上只是我这半年对笔记的一些思考与记录，有些杂乱，纯粹当做记录下来，以后有空再整合成文章吧

Short Form

玉伯对笔记的思考

前几天听玉伯的播客，提到了他和飞书的一位员工的聊天，内容颇有意思。他认为文档软件和笔记软件是完全不同的品类。笔记是为个人服务的，而文档则是为多人协作而设计。因此，文档软件更类似于即时通讯软件，甚至可以说文档是结构化的消息，而消息是碎片化的文档。

文档软件与笔记软件有很大区别。文档软件的发展前景在于融合更多协作🥱内容。例如，Notion近期收购了Cron这样一个日历软件，就是向协作方向迈出的一步。未来，它可能会推出更多即时通讯类产品，当前没推出可能与国外Notion和Slack、Discord等IM软件的良好融合有关。但最终，协作类软件必然会成为一个独特的品类。

最近读到一篇来自 UNTAG 的有趣文章

标签必须死：一条被忽视的标签管理原则

作者在其中对笔记软件中的标签功能提出了质疑。他分享了自己使用标签的经历，

在我有些过于简化的划分中，标签可分为指示性标签和描述性标签，两类标签都是临时的，最终要么随着项目结束而移除，要么在熟悉某个领域后而不再有意义。

然而，他发现这种标签系统总是在不停地变化，实际上并没有起到它所应该有的作用。对我们的笔记管理并没有产生太大的帮助。

这篇文章可能有点极端，几乎完全否定了标签的作用。但这也让我想起了我自己在使用标签时的困扰——记笔记时我可能给笔记打上了很多标签，但是在记完笔记后，却几乎从来没有用上过他们。

标签的真正目的是什么？

那么，标签在笔记软件中的真正目的是什么呢？或者说，在过去这些年里，我们使用标签主要是为了它的哪些特质与功能？我认为主要有以下几个功能：

<aside> 💡 标签可以方便我们检索信息。

</aside>

我们常常给一个笔记打上不同的标签，因为这个笔记并不只属于某一个特定的类别，而是涵盖了多个维度和不同类型的内容。我们希望在不同的场景下都能找到这张笔记，这样就大大增加了检索的便利性。比如，我有一个关于“苹果的设计理念”的笔记，我可能会给它打上“设计”、“原则”、“UI”、“消费品”等标签，这样无论我在哪个场景下，只要我想到这个笔记，我都能通过相关的标签找到它，无论笔记原文里是否含有这些相关的领域。

<aside> 💡 标签可以补充笔记的内容，给笔记提供上下文（context）。

</aside>

比如，当我们写一条笔记时，可能只是描述了一个具体的现象或观点，但它所针对的具体话题或领域并没有在笔记中明确体现出来，或者有时候，并不能体现出我们是在什么场景下记录下了这条笔记。因此我们需要使用标签来补充这个笔记，以便之后和其他笔记产生视觉上的关联。同样是上面的例子，如果我是在读《乔布斯传》的时候记下的这条笔记，我就可以给他打上相应的“阅读/乔布斯传”的标签，以提供上下文的维度。

说到底，标签的主要作用就是方便我们日后重复使用笔记。那么，这个功能是否一定要通过标签来实现呢？

AI 的角色和标签的未来

AI 的引入无疑可以在一定程度上解决这个问题。但是，在实际使用中，我们发现由于向量数据库的特性，很多时候用自然语言检索数据库时，并不能找到所有的笔记，只能找到在它理解之中最相关的一条或几条笔记，这也是 AI 目前固有的缺陷之一。当我们试图检索内容的时候，希望的肯定是所有相关的内容都能被找到，而不是只能找到相对最相关的内容，而这是当前阶段 AI 很难做到的。

在这种情况下，标签就显得尤为重要了。它能保证任何打上这个标签的内容都能被找到，这是一种相对于 MECE 的一种存储方式。我不知道随着 AI 功能的发展之后这个问题是否能得到解决，但至少在短期内，标签仍然有它存在的意义和价值。

除此之外，上文提到的“提供上下文”的能力在很多时候还是 AI 所不能替代的。但是可以很欣喜地看到，像是 Lazy、Rewind 之类的软件在努力给出他们的解法。但是短期内，标签在这方面还是能发挥作用。

总的来说，虽然 AI 在不断发展和改进，但在笔记世界中，标签仍然占有一席之地。作为一种可靠而高效的信息分类和检索工具，可以在一定程度上补充了 AI 的局限性。看来，标签还会在我们的笔记中继续存在，但我也希望能够自由地记笔记而不需要思考标签的那一天。