笔记软件选择 ¶

在这篇文章中，我主要会分享我个人的笔记发展历程。穿插一些问题的思考。

注意，文中有大量 deepseek 生成内容，真实性请自行判断。

我对笔记软件的要求 ¶

这笔记软件的不断更换实际上是对这几个问题的不同选择：

1. 商业化运营 vs 非商业化运营
2. 本地 vs 在线
3. 笔记形式
   1. 纯文本 vs 富文本
4. 平台支持
5. 社区生态

你也可以自己思考思考这几个问题。

对于我个人来说，我需要笔记软件满足以下的几个需求：

• 必须：
  1. 文件可导出成 markdown 格式。方便后续发布到博客上以及迁移。倘若笔记软件跑路或者不再继续维护，也可以拿着 markdown 找下一家。
  2. 支持双链，markdown 语法的直接书写，支持数学公式，支持引用，代码块，tag。
  3. 有比较好的生态，比较多的插件来提升体验。
  4. 支持跨平台，至少要有 windows 11, Ubuntu。（不过现在可能不需要了，我已经完全切换到 linux 环境中。）
  5. 能够进行比较方便的同步和备份。
• 可选：
  1. 文件嵌套格式。如
  2. 协同实时编辑功能。但是这也意味着编辑时不会很流畅。
  3. 支持图床。（主要是发布和迁移如果没有图床太难搞了）
  4. 有论坛，和比较完整的入门教程。
  5. 不需要 all in one, PDF 和视频最好不要放到笔记里面来。

个人笔记软件使用情况 ¶

我的电子化笔记大概是从初中开始的。

• 初中
  • 主要使用幕布，大纲式笔记，方便梳理知识点和列 TODO list。
    • 实际上在 markdown 文件中只是无序列表的一个功能而已。
  • 用过印象笔记
    • 当时好像主要卖点是收纳信息，方便从网上收纳到笔记中。编辑体验也还不错，但是后来因为会员以及过多的广告而停止使用。
• 高中
  • 疫情时期上网课，主要使用 notability 以及 goodnote 等手写笔记软件。
  • 比较方便地标注 PPT 和电子书，以及写作业，绘图。这些都是手写笔记的优点。
  • 缺点就是不方便整理和搜索，进行二次开发，进一步完善笔记。同时手写速度会有上限。
  • 这一系列还有 OneNote 等。
• 大学
  • obsidian
    • 在插件的加成下，基本满足我的要求
    • 插件生态好
    • 满足我的基本所有要求，只是有些插件做的还不够好，比如文件嵌套。
  • notion
    • 网卡，编辑体验差
    • 虽然可以进行协同编辑，但是卡（
    • 文件嵌套
    • 块语法，编辑相对 obsidian 来说不够流畅。
    • 可以塞其他文件
  • 飞书
    • 也有点卡，但是相对好很多了
    • 有知识库，内置的文件嵌套
    • 方便分享，同时可以协同编辑
    • 编辑相对 obsidian 来说不够流畅
    • 可以塞其他文件
    • 类似软件有语雀，大学生可以认证获取一年会员。但是付费不太友好。
  • 思源
    • 本地化，很流畅
    • 同步功能需付费
    • 文件嵌套
    • 有很多功能，但是有点过于累赘了
    • 插件生态较差
    • 基本满足所有需求，适合开箱即用的朋友。可 DIY 性不高。
  • zotero
    • 感觉批注不方便，依旧喜欢一边看 PDF, 一边记录内容的方式。
    • 不喜欢拿 zotero 和 obsidian 强行联动，过分复杂且丑陋。
    • 同步不行

我目前的笔记软件使用情况 ¶

• 个人笔记主要使用 obsidian
  • 使用 PicGo + GitHub + Image auto upload 实现图床
  • 用 mkdocs 发布博客，支持双链和 callouts。
  • 用 Export Image plugin 导出成图片形式，发布到小红书等 markdown 不友好平台。
  • 用 Git 进行自动备份和同步（不需要同时编辑，所以可以进行同步）
  • 用 Latex Suite + Completr 支持 \(\LaTeX\) 数学公式
  • 用 Auto Link Tile + Easy Typing + Linter + Outliner + Image Toolkit + Paste image rename 增强编辑体验，自动格式化，自动获取链接名称，增强图片查看。
  • 用 Templater 优化工作流
  • 用 Calendar + Periodic Notes 写日记，搭配模板降低复盘压力，同时支持 TODO 功能。
  • 用 TagFolder 管理 Tag, 实现 Tag + 文件夹 + 双链多重方式索引管理文件。
  • 用 Style Settings + MySnippets 管理主题，好看的界面更让人想写笔记。
  • （可选）用 Envelope 自动转换特殊语法，并结合 Hugo 等框架进行发送。
  • （可选）用 Dataview 实现数据库功能（不过我不喜欢，会降低编辑流畅度）
• 团队协作主要使用飞书
  • 可以说是做的最好的团队协作笔记软件，在团队协作方面的第一选择。
  • 支持知识库形式，且免费。
  • 可以通过链接邀请进行编辑，不需要充会员。
  • 支持数学公式，markdown 语法，支持双链！
  • 在线，不需要同步。
  • 无 Calendar, 但是 notion 有。

🤔，顺便贴一下 deepseek 优化以后的版本：

Obsidian：可编程知识中枢 ¶

作为个人知识管理的核心工具，Obsidian 通过模块化插件体系实现了「知识操作系统」的定位：

• 数据主权架构
  • 基于本地 Markdown 文件存储，通过 Git 实现版本控制与跨设备同步（Windows/Linux/macOS 全兼容）
  • 采用 PicGo+GitHub 构建去中心化图床，实现媒体资产与文本的原子化分离管理
• 认知增强矩阵
  • 公式系统：Latex Suite+Completr 实现论文级数学表达，支持实时渲染与语义补全
  • 输入优化：Paste image rename+Image Toolkit 重构媒体处理流，降低认知中断频率
  • 知识拓扑：通过 TagFolder 插件实现三维索引（标签 × 文件夹 × 双链），建立非对称信息网络
• 创作扩展生态
  • 发布管道：mkdocs/Envelope 实现「一次编写，多端发布」，适配博客、社交媒体等多重场景
  • 时间管理：Calendar+Periodic Notes 构建时空坐标系统，将日记 /TODO 与知识节点动态绑定
  • 界面工程：Style Settings+MySnippets 实施视觉降噪策略，维持心流状态下的最小视觉熵值

注：刻意规避 Dataview 等结构化插件，保持 Markdown 的文本纯洁性，避免陷入伪数据库建模陷阱

飞书：协同认知空间 ¶

在团队协作场景中，飞书展现了 SaaS 时代知识工具的典型进化特征：

• 群体心智接口
  • 实时协同引擎：采用 OT+CRDT 混合算法，在保持低延迟编辑的同时规避版本冲突风险
  • 知识拓扑支持：通过「知识库 + 多维表格」构建立体信息架构，实现文档 - 数据 - 流程的三元融合
• 轻量级学术支持
  • 内置 KaTeX 引擎支持学术写作基础需求，双链语法降低团队知识图谱构建门槛
  • 免费版提供 100GB 云存储空间，满足中小型团队非结构化知识资产管理
• 生态位优势
  • 相比 Notion 的海外服务器延迟问题，国内部署节点保证毫秒级响应
  • 相较于语雀的教育认证限制，其永久免费策略更适合初创团队敏捷迭代

如果你想要选择一个笔记软件 ¶

这里有一个表格可以作为参考，欢迎补充：

笔记本身的形式 ¶

但是实际上笔记软件对应着笔记的不同形式，有的人喜欢手写，有的人喜欢用 Word, 有的人甚至纯用 Vim, 也有喜欢用 \(\LaTeX\) 的。

我想这笔记的形式也对应着不同的学习风格。

笔记的形式与学习风格之间的关联，本质上反映了不同人群在信息处理、知识内化及思维呈现上的差异。这些差异往往由个人认知习惯、学科需求、创作场景共同塑造。

1. 手写笔记：感官沉浸与非线性思维 ¶

• 适用场景：数理推导、草图绘制、课堂速记。
• 学习风格：
  • 动觉型学习者：通过手部动作强化记忆锚点，如化学分子结构的手绘能帮助建立空间想象。
  • 碎片重组者：在纸张空白处随意添加箭头、批注，适合需要反复调整逻辑链条的创意性思考。
• 工具进化：GoodNotes 等数字化手写工具通过「图层分离」「矢量笔迹」功能，实现了传统手写与电子检索的平衡。但本质仍是「模拟现实」——正如物理学家费曼坚持用纸笔推演公式，认为触感反馈能激活深层思维。

2. 纯文本（Markdown/Vim/Org-mode）：极简主义与系统思维 ¶

• 典型用户：程序员、学术研究者、知识体系构建者。
• 核心优势：
  • 低认知负荷：摆脱格式工具栏干扰，专注内容本身。例如 Vim 用户通过快捷键实现「思维流不间断」。
  • 可编程性：用代码思维管理笔记，如 Org-mode 用 #+BEGIN_SRC 块直接执行 Python 脚本处理数据。
• 隐喻延伸：纯文本爱好者常将笔记视为「知识代码库」——双链是函数调用，标签是版本分支，通过 Git 实现「知识迭代管理」。这种思维模型尤其适合需要长期演进的技术文档或研究课题。

3. 富文本（Notion/ 飞书）：视觉叙事与协作导向 ¶

• 设计哲学：将文档看作「可交互的信息仪表盘」。
• 典型用例：
  • 产品经理：在 Notion 中嵌入 Figma 原型、用户反馈数据库、甘特图，构建需求全景视图。
  • 学生团队：用飞书多维表格管理实验数据，@ 提及成员更新进度，形成异步协作闭环。
• 认知陷阱：过度装饰的排版可能沦为「数字手账」，陷入形式大于内容的自我感动。真正高效者会像建筑师使用 CAD 软件般克制——用块结构（Block）搭建信息骨架，而非沉迷渐变色图标。

4. 结构化数据（Roam/Tana）：网状思维与认知涌现 ¶

• 革命性特征：将「文本」解构为「原子化块（Block）」，通过双向链接形成知识图谱。
• 认知科学依据：
  • Zettelkasten 卡片盒：社会学家卢曼的 55000 张卡片证明，碎片化输入 + 主动连接能激发创造性洞见。
  • 渐进式总结：Tiago Forte 提出的「信息炼金术」——通过多层级折叠（Bullet→段落→思维导图）实现知识蒸馏。
• 风险预警：初学者易陷入「链接狂热」，给每个名词添加双链反而导致认知过载。高阶用户会像园丁修剪枝条般，定期用 Graph Analysis 插件清除低价值节点。

5. 多媒体融合（OneNote/Heptabase）：跨模态思维 ¶

• 独特价值：突破文本单一维度，实现「视觉 - 听觉 - 触觉」协同记忆。
• 实践案例：
  • 医学解剖：在 OneNote 中叠加 3D 模型切片、课堂录音、手写标注，构建多感官学习网络。
  • 设计思考：Heptabase 的白板功能允许将用户访谈视频、情绪版图片、用户旅程图进行空间化排布，触发右脑直觉思维。
• 硬件依赖：此类笔记效能与设备密切相关，如 Surface Pen 的 4096 级压感对素描笔记至关重要，普通触控笔则难以实现细腻笔触。

6. 代码驱动型（Jupyter Notebook/Obsidian Dataview）：量化思维 ¶

• 前沿趋势：当笔记系统具备图灵完备性，知识管理开始向「可计算知识」进化。
• 典型模式：
  • 动态文档：在 Jupyter 中混合 Markdown 与 Python 代码，实时运行数据分析并可视化结果。
  • 自动化工作流：用 Obsidian 的 Dataview 插件将笔记转化为数据库，执行 SQL 式查询生成动态列表（如 列出所有包含"待评审"标签的论文摘要 ）。
• 思维跃迁：这种方式将「记录」升级为「知识引擎」，如同数学家 Stephen Wolfram 倡导的「计算型知识」——笔记不仅是记忆载体，更是产生新知的实验平台。

选择背后的元问题 ¶

无论选择何种形式，最终都在回答三个本质问题： 1. 知识流动性：你的笔记是封闭的档案馆，还是可重组的思想乐高？ 2. 认知摩擦系数：工具在何种程度上成为思维的延伸而非阻碍？ 3. 时间贴现率：当下投入的格式化时间，未来会以何种复利形式回报？

一个值得警惕的现象是：许多人把「优化笔记方法论」本身变成了一种生产力表演。真正有效的系统往往呈现「隐形性」——就像呼吸不需要思考如何呼吸，当你不再纠结于工具切换，而是让笔记自然地成为思维的体外缓存时，或许才是找到了属于自己的「元解决方案」。

PKM（个人知识管理）：在解决问题与构建体系之间找到平衡 ¶

使用 deepseek 进行完善和润色。

关于面向解决问题学习和系统学习的思考 即：只要解决问题就好还是构建完整知识体系 我个人认为这两者应该权衡而不是偏向于任何一侧：我们应该解决问题，并递归至自己熟悉的领域，记下来这个问题的解决方案，并在日后重新归纳到自己的知识体系中。同时我们要构建完整的知识体系，比如学习计算机的四大件。纵使科研可以学一些基础知识，比如深度学习，然后就可以直接去看论文，但是那不免于成为调包侠。 更长远的讲，如果不构建完整知识体系，那么你只不过是一个会 google 的 Ctrl C/V er, 仍然是廉价劳动力，具体可更换性。 所以建立 PKM 就很重要了。

在知识管理的实践中，我们常常面临一个根本性的问题：是应该专注于解决眼前的问题，还是致力于构建一个完整的知识体系？ 这个问题并没有一个非黑即白的答案，而是需要在两者之间找到一个动态的平衡。PKM（Personal Knowledge Management，个人知识管理）的核心目标就是帮助我们在解决具体问题的同时，逐步构建并完善自己的知识体系，从而实现长期的认知复利。

解决问题的即时性与知识体系的长期性 ¶

• 解决问题的即时性：
  • 快速响应需求：在面对具体问题时，我们往往需要快速找到解决方案。这种“解决问题导向”的学习方式能够迅速满足当下的需求，尤其是在工作或学习中遇到紧急任务时。
  • 递归至熟悉领域：解决问题的过程中，我们通常会从已知的知识出发，逐步扩展到新的领域。通过这种方式，我们可以将新知识与已有的知识体系进行连接，形成更深层次的理解。
  • 记录解决方案：每次解决问题的过程都应该被记录下来，形成可复用的知识片段。这些片段不仅是未来的参考，也是构建知识体系的基础。
• 知识体系的长期性：
  • 系统性学习：构建完整的知识体系需要系统性的学习，尤其是在基础学科领域。例如，计算机科学中的“四大件”（数据结构、操作系统、计算机网络、数据库）是构建技术知识体系的基石。没有这些基础，我们很容易陷入“调包侠”的困境，只能依赖现成的工具而无法深入理解其背后的原理。
  • 避免成为“廉价劳动力”：如果不构建完整的知识体系，我们可能会沦为“会 Google 的 Ctrl+C/V 工程师”，只能解决表面问题，而无法应对复杂的挑战。这种状态下的知识工作者往往具有高度的可替代性，缺乏核心竞争力。
  • 长期认知复利：知识体系的构建是一个长期的过程，但它能够带来持续的认知复利。通过不断积累和整合知识，我们能够在未来的工作和学习中更加高效地解决问题，甚至能够预见问题并提前做好准备。

PKM 的核心原则：动态平衡与递归整合 ¶

PKM 的核心在于在解决问题与构建知识体系之间找到动态平衡，并通过递归整合的方式将两者有机结合。以下是 PKM 的几个核心原则：

• 问题驱动的知识积累：
  • 从问题出发：每次遇到新问题时，首先尝试从已有的知识体系中寻找解决方案。如果现有的知识不足以解决问题，则通过学习和研究来扩展知识边界。
  • 记录与反思：在解决问题的过程中，记录下关键的思考步骤、解决方案以及遇到的挑战。通过定期的反思和总结，将这些零散的知识点逐步整合到已有的知识体系中。
• 递归整合与知识重构：
  • 递归至熟悉领域：将新学到的知识与已有的知识进行递归整合，找到它们之间的联系。例如，学习一个新的算法时，可以将其与已有的数据结构知识进行关联，理解其背后的原理。
  • 知识重构：随着知识的不断积累，定期对知识体系进行重构。通过重新组织知识结构，删除过时的内容，强化重要的概念，确保知识体系的简洁性和有效性。
• 工具与流程的支持：
  • 笔记工具的选择：选择适合个人需求的笔记工具（如 Obsidian、Notion 等），利用双链、标签、文件夹等功能，构建一个灵活的知识管理系统。
  • 自动化与工作流优化：通过自动化工具（如 Git 同步、Templater 插件等）优化知识管理的工作流，减少重复劳动，提高知识积累和整合的效率。

PKM 的实践：从碎片到体系 ¶

PKM 的实践过程可以看作是从碎片化知识到系统化知识的逐步演进。以下是 PKM 实践的几个关键步骤：

• 碎片化知识的收集：
  • 多渠道输入：通过阅读书籍、论文、博客，观看视频课程，参与讨论等多种方式获取碎片化知识。
  • 即时记录：使用笔记工具快速记录下有价值的知识点、灵感或问题，确保不会遗漏重要的信息。
• 知识的初步整理：
  • 分类与标签：将收集到的知识按照主题、项目或领域进行分类，并打上标签，方便后续的检索和整合。
  • 初步连接：通过双链功能将相关的知识点进行连接，形成初步的知识网络。
• 知识的深度整合：
  • 主题笔记的创建：针对某个主题或领域，创建专门的笔记，将相关的碎片化知识进行整合，形成系统化的理解。
  • 知识图谱的构建：通过双链和标签，逐步构建个人知识图谱，可视化知识之间的联系，发现潜在的知识盲区。
• 知识的应用与迭代：
  • 实践与验证：将整合后的知识应用到实际问题中，验证其有效性，并根据实践结果进行迭代和优化。
  • 定期复盘：定期对知识体系进行复盘，删除过时的内容，强化重要的概念，确保知识体系的简洁性和实用性。

PKM 的长期价值：从知识工作者到知识创造者 ¶

通过有效的 PKM 实践，我们不仅能够提高解决问题的效率，还能够逐步构建起一个强大的个人知识体系。这个体系不仅是我们应对复杂问题的武器库，更是我们进行知识创造的基础。

• 从知识消费者到知识创造者：
  • 知识消费者：仅仅依赖外部资源（如 Google、Stack Overflow）解决问题，缺乏对知识的深入理解和整合。
  • 知识创造者：通过 PKM 构建起自己的知识体系，能够从更高的维度理解问题，并提出创新的解决方案。知识创造者不仅能够解决问题，还能够预见问题，并主动进行知识的探索和创新。
• 提升个人竞争力：
  • 不可替代性：拥有完整知识体系的知识工作者具有更强的不可替代性。他们不仅能够解决表面问题，还能够深入理解问题的本质，提出系统性的解决方案。
  • 认知复利：通过长期的 PKM 实践，知识工作者能够积累大量的认知复利，使他们在未来的工作和学习中更加高效和自信。

最后扔一个 deepseek 给出 PKM 建立方案，个人感觉还是有一点启发性的。包括但不限于引用了 PARA 等经典方案。

如何构建一个 PKM ¶

个人知识管理（PKM）的本质，是在碎片化实践与系统化认知之间建立双向通道。这个过程如同量子隧穿效应——通过持续的知识重组，让经验碎片突破认知势垒，跃迁到更高能级的知识轨道。

知识工程的二象性模型 ¶

1. 粒子态（问题驱动）
   • 突击学习模式：面对具体问题时，启动「最小必要知识」快速检索
     • 示例：开发登录功能时，直接研究 OAuth2.0 协议实现方案
   • 知识捕手工具链：
     • 浏览器书签分组 +Raindrop. io 实现临时知识暂存
     • Readwise 配合 Hypothesis 完成高亮批注的自动归集
     • Obsidian QuickAdd 插件实现「闪念笔记→文献笔记」的即时转化
2. 波动态（体系建设）
   • 渐进式知识炼金术：
     • 每周用 MECE 原则对临时笔记进行原子化拆分
     • 通过双链构建概念间的「非对称关系」（如「卷积神经网络→计算机视觉」是强关联，反向链接则为弱关联）
   • 认知脚手架：
     • 使用 Excalidraw 绘制学科知识地图，标注掌握程度缺口
     • 在 Logseq 中建立「学习看板」，用 Kanban 管理知识模块的开发进度

知识演化的三重熔炉 ¶

1. 项目熔炉（实战淬炼）
   • 采用 PARA 方法构建项目知识库：
     • Projects：将每个开发任务视为独立知识单元
     • Areas：维护「前端工程化」「机器学习部署」等长期关注领域
     • Resources：积累技术白皮书、论文合集等参考资料
     • Archives：定期归档过时方案（如 Webpack3→Vite 迁移文档）
2. 对话熔炉（认知碰撞）
   • 在飞书知识库中建立「认知冲突区」：
     • 技术方案评审时强制要求提交对比分析矩阵
     • 用多维表格记录不同架构选择的决策树（如微服务 vs 单体应用的 12 个评估维度）
   • 每周组织「认知红队演练」：
     • 随机指定成员挑战现有技术方案的底层假设
     • 使用 Miro 白板进行实时架构图攻击推演
3. 元认知熔炉（系统升级）
   • 构建「反知识」监测体系：
     • 在 Obsidian 中设置「过时警告」标签，标记可能失效的技术方案
     • 用 Dataview 自动生成「知识新鲜度」看板（根据最后更新时间排序）
   • 实施「认知版本控制」：
     • 使用 Git Tag 标记知识库的重大演进节点（如「Vue2→Vue3 迁移经验总结 v2.1」）
     • 通过分支管理进行认知实验（feature/blockchain-research 实验性探索）

避免知识管理中的热力学陷阱 ¶

1. 熵增定律防御策略

   • 知识压缩算法：
     • 每季度执行「概念蒸馏」，将 10 篇相关论文提炼为 1 张本质洞察脑图
     • 用费曼技巧重构复杂知识，强制输出 500 字通俗解释
   • 负熵输入机制：
     • 在 Readwise 设置「反常识过滤器」，优先推送挑战现有认知的文章
     • 订阅 arXiv 特定分类，保持对前沿研究的触觉敏锐度

2. 工具理性批判

   • 建立工具评估矩阵：

• 每半年进行「工具断舍离」，移除使用频率低于每周 1 次的插件 / 功能

认知复利增长模型 ¶

真正的知识管理应该产生指数级收益，其价值符合「知识资本 = 初始认知 ×（1+ 重构效率）^ 时间」的复利公式。当你的知识网络节点数突破「创新临界点」（通常约 500 个高质量概念节点），将开始涌现意想不到的跨领域洞见——这可能是工程师突然理解蒙德里安画作中的网格美学，也可能是设计师在神经网络架构中发现分形之美。

最终，PKM 不应成为束缚思维的精致牢笼，而应进化为「可生长的认知操作系统」。就像 Lisp 语言发明者 John McCarthy 所说：" 我们不是在记录知识，而是在培育会思考的笔记。" 当你的知识库开始反哺你的创造力时，就是认知飞轮突破静摩擦力的时刻。