知识库构建指南
/ 17 min read
档案的类型
线性笔记
普通的文字排版形式，从毫无格式的 txt，到使用 word 都属于线性排版。
如果你是程序员，最推荐的还是 Markdown（如果你不是程序员呢？还是推荐 Markdown，因为它的语法其实是非常简单的）。虽然使用其他工具可以添加很多特效，但是 Markdown 的可迁移能力是最强的。LLM 现在的主流读取输出格式也是 Markdown，包括最新的提案 llmstxt。
MDX 是 Markdown + react 组件的融合文件，表现力自然是顶级，但是可迁移又稍微下降了。类似技术还有 Markdoc
不过当然可迁移和表现力之间的权衡就要你自己决定了。
目前比较热门的在线笔记软件有：
- Notion（与其说是笔记软件不如说是个数据库，功能很多，自己挖掘）
- 飞书文档（当然其实后面的所有类型飞书都可以做到，所以飞书确实是国内文档非常好的一个选择）
当然也可以选择 astro、nextjs 之类的框架做个人博客，可以畅享 MDX 能力。
本地工具推荐 logseq 和 obsidian。两个工具都支持双向链，logseq 倾向于用子弹列表解决一切，而 obsidian 是一个可以自由编写 markdown 的工具。
我们还可以通过插件或者模板把 obsidian 玩出很花里胡哨的玩法，并且你玩熟了并且有流量的话，这甚至是能发大财的。有不少知识博主会贩卖 obsidian 模板，借助这些模板加上一套理论，据说会让你的生活过得更好。
自由式
实体手写
最原始，最自由的实体手写。但现在基本只能回想起高中笔记用的这种形式，现在来说数字化已经覆盖几乎所有场景了。
不过也有例外，那就是：手账。
数字白板
- 知识博主、留学生最爱：iPad 手写，包括 PDF 标注。
- 数字化涂鸦风格方案：excalidraw
效果参考以前画的两个流的示意图：
- 适合程序员画 UML 的工具：diagrams.net
- 当然，白板功能飞书文档也有
半开放
这时候就有朋友问了，有了自由和线性，为什么还要半开放呢？
思维导图是半开放型笔记的典范。
半开放意味着你能做的少了，但少了不等于就不好，例如你可以在节点排布上解放大脑，高效出图。（特指数字版，手写版的思维导图鼓励用各种彩笔画画，十分不容易，成品可以十分好看，不过上下限都很高就是了）
而且灵活的折叠展开也是全自由的笔记形式没有的。除此之外，思维导图可以自然地显示节点连接（表达节点间关系）和节点总结。这两种操作在稠密的线性文档中看起来会不太自然，在自由式白板中添加又要付出额外的操作成本，而思维导图完美介于两者之间。
桌面端推荐 Xmind、MindElixir（需要买终身版找我！给你打折！🤗），在线飞书文档也依然可以。
mermaid 是在程序员圈子广泛使用的图表表示语言，与思维导图的“无代码”编写相比，mermaid 以低代码方式编写，稍微硬核一点。优点是，作为广泛被接受的图表语言，在 GitHub 等平台可以直接使用，直接用字符表达图表也会节省很多空间，数据检索也十分方便。
Mermaid Playground：https://mermaid.live/edit
碎片记录
现在碎片记事最火的应该是 Flomo，简单来说就像个只有自己看的到的微博。我是真的不太懂这个赛道居然还能跑出个这么火的应用。其强项应该是跟不少工具打通了导入导出工作流，也有插件快速导入信息。
对我来说这种碎片确实是很需要的，灵感的闪现确实转瞬即逝的，尤其是对于 ADHD。
但是我会选择直接记在 obsidian，有空直接转化成完整版，也不需要贴来贴去。
如果是追求快速和输入形式多样，最好的选择应该是你的手机自带的笔记应用，这类型应用一般支持文字、涂画、语音等多种输入方式。
功能型
为什么知道很多道理，但还是过不好这一生呢？因为只是知道道理根本没用，到需要“使用”这个道理的时候根本记不起来，我们只会沿着老路继续走，一些书里把这称为“默认值”。我们要做的不只是知道道理，而且要把这个道理设置为默认值，这样才能生效。
所以有些事情要时刻提醒自己，这个时候我会用手机系统自带的笔记本记下来，然后贴到主屏上，这个应该是无论安卓 iOS 都有的。甚至更变态的，你可以真的配个定时提醒让那句话弹出来……iOS 的那个待办事项是自带这个功能的。
说到待办事项，另一种功能型笔记就是最常用的 TODO list，使用 TODO 可以高效整理短期目标，逐条击破。Todoist 就是个不错的选择，任务可以全端同步，基本功能也是免费的。
为什么要做知识库
应对信息爆炸
Your mind is for having ideas, not holding them. —David Allen
构建第二大脑，人脑的局限还是挺明显的，很难记住所有细节，细节不常用会很容易被丢弃。所以某些细节外置到知识库就很好使。
数字化知识库借助高效检索能力，你只需要记得有这回事，结果一搜就出来了，高效、便捷！
把脑子的记忆记录在外部之后，也能降低你的心智负担，这也是对付失眠很有效的一招。
总之，人会遗忘，是自然进化的馈赠，不要什么都往脑子塞，知识库用起来！
加强记忆
直接看别人的笔记大多数情况下作用是不大的，同理可得直接看 AI 总结的内容实用性也不是很大。人类总是需要花时间，经过自己思考才能更容易记住事和道理，换言之自己总结学到的知识就能加强记忆。
加强记忆最简单的方式就是织网。人类很少能牢牢记住单独的知识，基本上都是和其他知识交织起来才更好记住。
方法和流程
费曼技巧
如果你不能用简单的语言解释一个概念，那么你还没有真正理解它。
花时间去收集信息之后，还需要自己解析信息，用自己的脑子把信息表达一次。如果发现表达不出来，那就意味着没真的懂，还得继续输入内容，这就是经典输出倒逼输入的理论。更为人熟知的叫法是费曼学习法。
难度再高一点，其实费曼学习法是要求你使用最简单的语言来解释的，例如你要向一个没有相关背景知识的孩子解释一些概念，你就必须理解得很透彻，甚至使用生活中的类比来给小孩解释高级概念。
Zettelkasten
Zettel: 便签 + Kasten: 盒子 = 卡片盒笔记法
- 临时笔记（Fleeting Notes）：快速捕捉的原始想法、灵感火花，通常记录在随身携带的工具中。
- 文献笔记（Literature Notes）：阅读文献（书籍、文章等）时，针对特定内容、用自己语言做的简要记录，并注明出处。每条文献笔记也应力求原子化。
- 永久笔记（Permanent Notes）：这是 Zettelkasten 的核心。它们是从临时笔记和文献笔记中提炼、升华出来的，用自己的语言完整阐述一个独立的思想，并与其他相关永久笔记建立链接。
- 索引笔记/结构笔记（Index/Structure Notes / Maps of Content, MOCs）：作为特定主题的入口或枢纽，它们不包含具体知识，而是通过链接指向一系列相关的永久笔记，帮助组织和导航知识网络
上面提到的织网构建知识库的最强实践。
- 捕捉：随时记录临时笔记和文献笔记。
- 处理：定期回顾临时笔记和文献笔记。对于有价值的内容，思考其核心观点，用自己的语言将其发展成一条或多条永久笔记。
- 链接：为新创建的永久笔记寻找并建立与已有永久笔记的链接。思考这些笔记之间存在何种关系（支持、反驳、引申、类比等），并在链接处简要说明。
- 创建/更新索引：将新的永久笔记添加到相关的索引笔记中，或根据需要创建新的索引笔记。
康奈尔笔记法
由康奈尔大学（Cornell University）的教育学教授沃尔特·波克（Walter Pauk）在 20 世纪 50 年代发明并推广。
康奈尔流程：5R
- 记录（Record）：在主笔记区（通常是页面右侧最大的区域）尽可能完整、清晰地记录讲座、阅读或会议的核心内容。技巧包括使用简洁的短语、符号、缩写，突出重点。
- 简化（Reduce）：课后或阅读后尽快在提示栏（左侧较窄区域）将主笔记区的要点凝练成关键词、问题或简短提示。此步骤旨在澄清含义、强化记忆、梳理逻辑。
- 复述（Recite）：遮住主笔记区，仅看提示栏中的线索，尝试用自己的语言完整地复述笔记内容。然后对照主笔记区进行核查。这是主动回忆和自我检测的关键环节。
- 思考（Reflect）：将笔记内容与个人经验、已有知识和其他课程/主题联系起来，进行批判性思考，提出自己的见解或疑问。此步骤赋予笔记更深层次的意义，防止知识僵化。
- 复习（Review）：定期（如每日、每周）快速回顾笔记，特别是提示栏和总结区的内容，以对抗遗忘曲线，巩固学习成果。
海绵阅读法
以前看了《海绵阅读法》，有点启发。
里面的重点包括：
- 笔记逐层深入的顺序：碎片 -> 思考重组 -> 思维导图 -> 读书笔记 -> 成体系的读书文章
- 重点记下本书带来的新知
- 提高信息行动比，学完动起来
完整版传送门：榨干《海绵阅读法》
其他
- P.A.R.A.：
- 项目 (Projects，短期任务)
- 领域 (Areas，长期支持)
- 资源 (Resources，支持前两者的资源)
- 归档 (Archives，过期内容逻辑删除)
- Getting Things Done (GTD)：
- 收集 (Capture): 将所有引起你注意的事情（无论大小）记录到“收件箱”(Inbox) 或其他收集工具中
- 理清 (Clarify/Process): 逐一处理收件箱中的每个条目，判断它是什么，是否需要行动
- 整理 (Organize): 将理清后的条目放入相应的清单或位置
- 回顾 (Reflect/Review): 定期（通常是每周）回顾整个系统，检查所有清单，确保其完整性，并进行必要的更新和调整
- 执行 (Engage/Do): 根据情境、可用时间和精力、以及优先级，从你的清单中选择并执行任务
总结
其实这几种方法和流程都有一些基本共通点：
收集（避免收藏家谬误） -> 思考/提炼 -> 转述 -> 回顾/整理
所以知道逻辑就好，没有必要死死遵循一套规则，可以从现有的笔记库架构为基础，融入以上思想逐步搭建知识库，适合自己的才是最好的。
后 AI 时代下的笔记
- 记录内容优化
- 后 AI 时代应该记录更少的文档可查的信息，毕竟 LLM 检索能力这么强，单纯从官方技术文档直接复制粘贴的笔记几乎没有太大意义了。至少，我们应该在学习过程中把整个学习对象的结构重新整理过，再适当复制粘贴文档里的重点。也就是说，更多地关联原本文档里相距较远的知识点，而不是完全根据本来的内容做浓缩。
- 记录更多关于自己本人的思考，说不定以后大模型可以重构一个你
- 现在已经有个用聊天记录模仿你的项目：https://github.com/xming521/WeClone
- 打造个性化提示词知识库，例如：https://ssshooter.com/notebooklm-prompt/
- 多模态拯救手写知识库
科研调研辅助：
阅读文档辅助：