人的记忆是脆弱的。因此，个人笔记成为了我们构建第二大脑和进行知识管理的重要手段。然而，人工智能的崛起，无疑改变了我们处理信息和知识的方式。作为一名长期关注笔记方法论和 AI 软件的「效率成瘾者」和「软件发烧友」，我深感此次变革的影响。在以 ChatGPT 为首的 AI 工具到来后，我曾经一度想放弃笔记，找不到继续坚持记笔记的理由。潜意识中，我认为记笔记这件事的定位已经在这个时代发生了变化，而我的思维和习惯还没有适应这样的变化，十分困惑：
之前，我们的学习方式很像矿工在挖掘宝贵的矿石。我们就像他们深入矿山，耐心挖掘，找到宝贵的矿石，然后将其提炼成有价值的财富一样，我们通过阅读和学习，从海量知识中发掘、筛选，并最终形成属于自己的知识体系。我们的脑海是那座富饶的矿山，笔记就是我们的矿工工具，双链是我们用于寻找知识矿藏的地图，而新知识就像古老的矿工在未知的山洞中艰难探索中发现的一块金矿。
和矿工为工地选址，寻找价值巨大的矿山一样，我们在知识海洋中寻找自己感兴趣或者有用的领域。这个过程涉及到的是在大量的知识中，我们需要找到哪些是我们真正需要的。在这个阶段，我们需要阅读大量的书籍，文章，网页，听讲座，亲身实践，才能从互联网无尽的内容中找到有价值的「矿山」。
这就像寻找黄金矿脉，一旦找到「矿山」，我们就要进行勘探，找到黄金矿脉，确定最佳挖掘方向和路径。这相当于我们搜索和筛选相关资料的过程。当我们学习新主题时，我们通常会从最基础、最表层的内容入手，使用搜索引擎或查阅百科全书等工具进行第一步挖掘，先确定这个领域的基本概念和框架，摸清属于这座山的「矿脉」。但我们往往不知道从哪里入手，也不确定学习的方向。学习路径极不系统，难以把握全貌。
通过对整个领域的宏观了解，我们找到了最为合适的切入口。然后，我们使用笔记软件（例如 Notion、Evernote、Roam Research 等）作为我们的工具，记录自己的想法，摘录和记录重要的信息，就像挖掘黄金矿脉一样，搜集有价值的「矿石」。我们把这些「矿石」存储在自己的「背篓」中，以便日后检索和使用。但这样的挖掘效率低下，重复性强。我们会反复整理相似内容，但收获有限。
如同矿工筛选出有价值的矿石，我们也需要对知识进行分类和处理，去除杂质，将有价值的内容留下。在这个阶段，我们需要通过笔记软件的标签、双链等功能，以及「卡片笔记」「PARA」等笔记方法论来整理知识，建立知识体系，将我们学到的知识变得更加结构化，更加易于理解和应用。这个过程需要我们的大脑去分析和判断信息的重要性和相关性，就像矿工辨别矿石的价值一样。我们会在这个过程中获得大量碎片化的知识点，但难以进行有效整合。
最后一步是提炼，就像矿工将原矿提炼成纯净的金属一样。我们需要将知识内化，使其成为我们自己的知识。这个过程需要我们去思考、去实践，或者和别人交流，从而形成自己的见解，将知识与知识间建立联想类的双链，形成思维的结晶。然而，我们构建的外部知识网络，不如大脑中的神经连接般系统全面。信息检索不便，而且容易遗忘。
在 AI 到来之后，回顾自己「引以为豪」 的整个学习的工作流，才发现它显得多么原始和低效。就像采矿一样，这过程低效又劳力密集。而且，知识的建立和提炼过程受限于个人的时间和精力。更重要的是，处理日益增长的信息和知识成为一大难题。每天我们都面对海量的新信息，用传统方法处理简直难上加难。
然而，AI 工具的出现，让知识的获取和管理变得更为便捷和高效。就像工业革命引入先进的采矿机器一样，AI 可以快速深入矿山，大规模挖掘，提高矿石的获取效率。
现在，我们可以更加方便地进行知识的整理和管理，无需手动去建立复杂的知识网络。同时，AI 也能更好地进行内容的结构化，减少我们对信息的过度索引和重复整理。而这一切恰恰都是我之前需要花费大量时间和精力去做的事情。
我曾经花费了大量的时间和精力去磨炼自己的笔记能力和技巧，就像矿工们细心打磨工具，学习挖矿技巧一样。然而，当我看到 AI 能够轻松高质量地完成这些工作时，我感觉前功尽弃，就像我绘制了一张矿产图（笔记的星链图），却发现 AI 直接给了我一张更细致、更合理、范围更广的藏宝图。那些曾经引以为傲的笔记工具和技能似乎变得不再那么重要。在这样的「降维打击」下，我第一次对自己之前的笔记方法产生了怀疑——我之前付出的努力都白费了吗？笔记会被 AI 所取代吗？
AI 时代的到来，将我对笔记的狂热逐渐浇灭。对比我在各种卡片、双链中投入的时间，以及它真正对我产生的帮助，似乎真的不是那么必要。大部分时间下，我只是在沉迷在一个叫做「建立第二大脑」的游戏中，为了记笔记而记笔记，被工具奴役了。
这时候突然想起一个梗图：
在 AI 工具到来之前，对于笔记软件的必要性的争议就已经存在了很久了。中间的绝大部分人都纠结于如何建立自己的笔记系统，除了智商最高和最低的人。智商高的人擅长知识的内化，相当于脑子里自带一个知识管理系统，只需要记录一些简单的笔记。而普通人并没有如此强大的脑子，所以只能寄希望于一些笔记软件，来帮助自己建立「第二大脑」，来完成知识管理。
这时候我突然理解了，我之所以感到这么挫败，就是因为个人的知识管理能力在 AI 的面前显得那么不值一提。如果说不平衡的知识管理能力是导致这种分布的原因，那么 AI 的介入正好能够基本抹平这个不均衡。笔记软件的重要性将会被一定程度削弱。得益于 AI 的辅助，大多数普通人也能拥有一个智能化的知识管理系统，协助他们整理和查找知识。人们在知识管理方面的差异会越来越微小，最后所有人只需要一个极其简单的笔记软件，可以非常轻易地记录和寻找知识。
那这是否意味着各种基于双向链接、知识图谱的软件都会消失？我认为不会。因为就像机器采矿并不能完全取代人力，AI 也无法完全取代我们的学习和思考。笔记软件中的双链不仅能帮助我们建立客观类似知识的关联，还包括了一些表面不相关但主观上相关的知识（理解、洞察和感悟）。这些思维的闪光才是笔记的核心，也是 AI 所无法复制和达到的。
我们可以发现，目前虽然 AI 已经能够进行总结和分类，但它生成内容的能力还比较差。写出的内容都十分「白开水」，宽泛而寡淡。正如我特别喜欢的一个比喻所说：
AI 生成的内容本质上是一张对互联网已有内容进行高度压缩后的图片。这就注定了它的内容是十分模糊，丢失了许多细节，不锐利的。而那些主观上洞察，往往是一些足够锐利，能戳破我们固化的思维的新想法，这便是 AI 所无法替代的。
例如，当我看到一则关于 AI 产品爆火的新闻时，它使我联想到了过去读到的另一篇分析用户增长原因的文章。这启发我对产品交互上的引导手段有了新的想法。我会将这一关键洞察记录下来，与之建立关联。
因此，我们可以用 AI 来获取一些现存的信息，来激发我们的思考。但不能让 AI 来完全替代自己进行分析和思考，这样只会让自己的思维越来越懒惰和固化，无法创作出原创性的内容。
所以，我认为 AI 能够取代笔记软件中一些被动的、客观的知识整理功能，但主动的思考和洞察相关功能不会被取代，还是需要我们自己来完成。AI 能够让我们从机械的知识总结、整理中解脱出来，回归笔记系统的本质——记录思考，产生灵感。
正如过去的工业革命一样，我们需要接受这个新的现实，并找出适应它的方法。在 AI 的时代，我们需要转变之前的笔记工作流，并将新技术与过去的成果结合起来。
现在，我把笔记的功能拆分为两个部分：客观笔记和主观笔记。
根据这个策略，我利用 AI 的能力，把自己的「采矿」笔记工作流进行了升级。主要将前面的相对客观的工作用各种 AI 工具进行替代。现在，我可以像「矿山主」一样，坐在后面动动脑子即可。
在选址阶段，最大的难点在于我们往往不知道从哪里入手，也不确定学习的方向。因此，我主要利用一些集成了 AI 能力的搜索引擎来帮助自己快速定位具体的领域，以及我想要探索的方向。
以前，我们只能通过类似于「关键词匹配」的方式来找到表面相关的内容，然后再从中寻找深度相关的内容。然而，往往我们并不知道应该用哪一个关键词来查找（不常用的近义词，或是一些外行人才使用的表达），这就导致我们和想要的内容擦肩而过。
现在，通过基于 GPT 的 New Bing，我可以不用那么在意自己的关键词十分那么「完美」和「专业」了。因为它能通过分析我的语义来找到最有关的内容，也能通过多轮的对话来修正自己的 prompt，这大大地节省了我的检索成本。
此外，Metaphor 也是一个基于 AI 的搜索引擎。在给定的 prompt 下，它可以找到最有可能与该 prompt 类似的链接。通过它，我就能通过自然语言的描述，找到我最需要的学习资源和高质量内容。相比于 New Bing，Metaphor 更适合我在有更细致的查找倾向时使用，并且有时候能找到一些相对冷门但与我想要的内容非常相关的网站，给我带来一些惊喜。
俗话说：「师傅领进门，修行在个人」。但我们在大多数的时候，是没有一个师傅的角色来引领我们入门的。我之前总是会去找一些教程或分享，沿着这些过来人的路走。但一个人的视野还是有限，他们走的路不一定是十分合理的，往往走到一半才发现他们的目的和自己的不一致，或者他们走的路也是错的。
那么，既然 AI 有着我们无法比拟的知识广度，它才是那个最好的引路人啊。所以，在这个阶段，我主要利用 AI 的计划和信息搜集能力，来帮自己量身定制一个学习计划。
类似于 AI Agent 的应用 aomni，就像一个导师或者学长一样，为我制定出十分详尽的学习计划，帮助我完成一个领域的调研。通过它帮我找到的重点论文，文章，我阅读的内容可以十分精简。此外，它还会给我一些额外的「叮嘱」，例如工具的使用、社区和后续持续关注的策略等。
对于我们人类而言，从现有文段中摘录和记录总结是一项十分困难和缓慢的任务，但对于 AI 来说却是小菜一碟。这一部分也是 AI 领域发展最快，最成熟的功能了。各类笔记和阅读软件已经将这样的功能整合到自己的产品中，让我们可以轻松地进行检视阅读，快速了解文章的核心内容。
其中，Readwise Reader 的 Ghostreader 是我用得最多的 AI 功能之一。因为我的拖延症，之前收藏的文章已经囤积在我的阅读器里很久了。有了这个功能之后，我不用再一个字一个字地去阅读，而是可以依靠 AI 来辅助我进行阅读，快速了解文章的要点，从而决定是否深入阅读。
此外，我最近还发现了 Claude 2。得益于它长达 100k 的上下文，我可以直接把一篇论文甚至一些短篇书籍丢进去，几秒内就能获得质量相当高的总结。没想到几年前还被我们嘲笑的「量子速读」，如今在 Claude 上真真切切地得以实现了。
知识的筛选和组织，和矿石的筛选类似，有着一定的评判方式和整理框架。而我之前的笔记方法论终于在这个阶段派上了用场。
利用 ChatGPT 强大的 prompt 理解能力，我们可以将自己写笔记的方法论整理为文字规则，告诉 GPT，让它像一个机器一般，将我们后续喂给它的所有内容都以相同的方法来进行格式的转化。
例如，在这样的规则之上，我将最近在阅读中收藏的一段文字喂给它，它便自动根据规则将内容转化为了 Markdown 格式，我可以简单的复制粘贴，就能将内容整理到自己的笔记软件中。
如果说前面的相对机械和被动的笔记操作，AI 都能基本胜任。那么到了知识的提炼和洞察的产生阶段，就是需要我们主动思考的时候了。前面提到过，AI 生成的内容是抽象而模糊的。之前的所有工作都是为了笔记的提效，那么AI生成内容中的模糊我们是可以接受的。但如果想要形成真正的思维结晶，就需要我们将这些内容融入进我们的认知和记忆中，与我们原有的观点进行碰撞和输出。
而在这个过程中，AI 最理想的角色便是一位倾听者。聆听我们的观点，并给我们一些相关的引导和启示，让我们在观点的输出中提炼出自己的理解。
比如，Pi.ai 是目前最匹配我对 AI 灵感助手想象的产品。不同于 ChatGPT 的客观与冰冷，它的谈吐十分优雅，人设十分讨喜。整个界面的交互也十分舒缓和自然。真的会有一种和好朋友促膝长谈的既视感。而且，它会在每段话后抛出一个问题，吸引着我不断地和它交流。
每当我对于一个观点有一定看法之后，我就会进入「帮我想清楚某件事」的模式，和它对对话。根据它提出的问题，不断抛出自己的想法，逐渐深入问题的本质，最终实现对于这个主题的顿悟。
通过这种上面这个工作流，我将低效的，自己不擅长的总结、分类、整理、检索等工作交给AI。把自己更多的时间和精力，用在深度学习和理解新知识，产生新的想法和见解上。不再被拘泥于笔记的工作流和方法论，不再被笔记所奴役。而是利用笔记和 AI 的能力，让我更能抓住那些珍贵灵感瞬间。终于，我完成了由「矿工」到「矿山主」的转变。
在过去的几个月中，「AI 取代论」不绝于耳。但似乎对于大部分人而言，工作和生活几乎没有什么变化。我认为，笔记软件也是一样的。AI 不会完全取代任何东西。它只会逐渐融入我们原有的工作流中，将其中低效、机械的部分取代。而那些无法被 AI 取代的，才是这些事的本质所在，才是矿石中提炼出来的真金白银。
所以，我认为没必要敌视 AI，担心它会如何取代什么。不妨尝试拥抱 AI，与 AI 共生，发挥它的特点，了解它的局限，同时保持我们自身的创造力。这样，才能尽可能地享受 AI 带来的便利，让旧有的工作流焕发出新的生机。
如果你有其他相关的感受和体验，欢迎朋友们来讨论！
新手写作尝试，不断摸索中。如果我的文字能给你带来一点点的共鸣或者洞察，欢迎评论或充电支持一下！感谢！
> 下载 少数派 2.0 客户端、关注 少数派公众号，解锁全新阅读体验 📰
> 实用、好用的 正版软件，少数派为你呈现 🚀
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。