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。
对于喜欢研究生产力、知识管理等方面的人来说,Tiago Forte 所提出的第二大脑以及 PARA 的知识管理概念可以说是家喻户晓的。然而,在过去这段时间里,尽管我也按照 PARA 的方法组织过我的笔记系统,无论是在 Notion、Obsidian 等软件中,我都尝试将我的知识和信息划分为不同的类别,如 Inbox、Project、Area 和 Resource。但是,始终感觉有些不顺手。
久而久之,我开始觉得这种知识管理方法相对来说比较僵化,更像是一种哗众取宠,试图在本不应该也无法准确分类的知识中进行分类,以展示自身价值。而在实际生活中,我们可能并不需要如此复杂的分类方法。我在网上也看到过很多对 PARA 方法的批评,认为 Area 和 Resource 这两个区分并不是非常明确,也没有实际意义。
因此,了解信息和知识的区别并不在于如何组织我们的笔记系统,而更多地在于指导我们的个人行为。指导我们更多地关注理解信息,使其转化为知识,并有目的地吸收有用的知识。在了解一些信息后,积极地将其与已有知识联系起来,这种思维方式才是最重要的。而具体使用何种方式存储信息和知识并不那么重要。毕竟,随着 AI 的发展,AI 实际上可以替代我们管理知识的许多步骤,甚至直接产生信息。
正好 Building a Second Brain 要上市了,我也打算买一本来仔细研究,以避免自己成为 Jtalk 所称的“信息肥胖症”患者。