笔记大概分为三类：个人相关、工作相关和知识相关。个人向的主体是「我」，通常只对自己有意义；工作向的笔记自然与工作相关；知识向的笔记则致力于形成知识网络，时效性较长，也是本文讨论的重点。
相信大家都有用过大语言模型（LLM），如 ChatGPT，DeepSeek，豆包，Gemini 等等，给一个问题，就能得到不错的答案，那么在大语言模型不断进化，AI 工具愈发强大的当下，是否还有记笔记的必要？我认为：不仅有必要，而且比以往更重要。 但前提是，我们需要重新定义「记笔记」这件事。
笔记是什么？我把它看作 「外化的思考脚手架」。我们的大脑工作内存有限，只能同时处理 3-5 个想法，笔记可以将大脑从「记忆」的负担中解放出来，全力投入到「运算」中。笔记不是最终的目的，而是用于构建更高层建筑的工具，比如写文章，做决策，解决问题，它的价值在于它能支撑你爬得更高。
更形象的比喻或许是：预处理过的「半成品料理包」。当你来到厨房（需要解决问题/写作/决策）时，不需要从洗菜、切菜开始，而是直接拿出切好的配菜、调好的酱汁，就能快速烹饪出一道大餐。
在 AI 时代，有什么不懂直接问 AI 就好了，为什么还要记笔记？因为缺少内化的知识网络，就问不出好问题，没有好问题，就很难得到好答案，就无法最大程度地挖掘 AI 的潜力。大语言模型遵循的是 GIGO（Garbage In Garbage Out）原则，没有好的输入，就很难得到好的输出。笔记系统可以帮助我们构建/强化知识网络，从而问出好问题。
比如前一阵很火的 Dan Koe 的 How to fix your entire life in 1 day 这篇文章，看完之后，可能觉得很有道理，但不一定能问出合适的 follow up，比如文章提到的思想跟斯多葛的消极想象有什么联系？或文章提到的身份认同理论是否与 Atomic Habits 中提到的身份认同概念一致？以这些问题为切入点，可能又能获得到一些不错的新的知识点和看世界的角度，进而丰富自己的知识体系。
工作流概览
一个好的笔记系统不仅仅是工具的堆砌，更是信息的流动。我的工作流包含五个阶段：
- 捕获：极低阻力地快速收集。
- 存储：将待处理内容归位到合适的介质。
- 处理：提炼、消化原始内容。
- 回顾：建立连接，内化知识。
- 产出：用笔记解决实际问题，形成闭环。
一、捕获阶段 (Capture)
核心原则：极低阻力。灵感和信息稍纵即逝。这个阶段唯一的任务就是把脑子里的想法或外界的信息扔进一个固定的盒子里。此刻不要整理，也不要分类，只要丢进去即可。
我推荐 Apple Notes 的 Quick Note，系统级集成，很方便。Mac 上一键唤出，iPhone Control Center 随时点击。支持富媒体（语音、手绘、链接），就像一张随手可得的便利贴。
我的信息主要来自 Twitter(X)、YouTube、Newsletter、博客以及与 Gemini 的对话。为了解决「想看视频但没时间/效率低」的问题，我还构建了一套自动化流程：用 js 脚本调用 YouTube API 抓取字幕，通过 LLM 进行精简并整理成文章，最后打包成 Epub 电子书。这让我能像阅读文章一样「阅读」视频，大大提升了效率。
这里要避免沉迷于「寻找好内容」这种多巴胺陷阱，建议设定特定的「进货时间」（如周末早晨），批量获取信息，然后断连。同时不要试图在捕获阶段去消化内容，那样会打断「狩猎」节奏。
二、存储阶段 (Storage)
捕获的内容通常是链接、书籍或长文。这个阶段的目标是让它们「各归其位」，等待处理。
「链接」我推荐 Goodlinks。它没有订阅制，设计优雅，功能纯粹。我把它当作我的链接「中转站」。
「电子书」我没有使用 Apple Books 或 Calibre，而是直接使用 macOS Finder + Tags。把待看的书扔进文件夹，看完的书打上特定的标签，这样只要 filter by tag，就能看到看过的书和没看的书。这么做的一个原因是不争气的 Apple Books，它不支持 Smart Filter，只能手动创建 Collection，这样就很不方便筛选出没有看的书，我希望它像一个 Queue 或 Stack，随着书一本一本被看完，这个列表里的内容也会逐渐减少。还有一个原因是，书放进去后，再导出来也不太方便。
三、处理阶段 (Processing)
这是整个工作流中最重要，也是最容易被忽视的部分，很多人的笔记系统往往停在了上一步。这一步的目的是蒸馏(Distillation)，提炼出有价值的内容，而不是简单地复制粘贴。
这个阶段最重要的，也是最难的部分，是要为它留出时间（比如每天晚上），因为做这件事可能没有那么愉悦，如果不专门留时间，几乎肯定会被其他阻力更小的事情代替。
这个阶段我用到的工具是 Dia 浏览器，没有直接在仓库中处理是不想看着一大堆未处理的内容产生焦虑，选择 Dia 浏览器是因为它的 Vertical Sidebar 和 Split view 很方便，同时因为它是浏览器，对链接天然友好，还能方便地唤出 Gemini。
浏览器可以打开 pdf，但默认不支持 epub，所以我又做了一个浏览器的 epub 插件，可以一边看书，一边与 Gemini 就书的内容进行交流。
待处理的内容通常比较长，或者是非母语的内容，为了提高效率，我会先让 Gemini 对内容进行压缩，如果感兴趣，再去看原文，然后与 Gemini 就里面的内容进行深度的交流。这是一个例子。交流完后，通常会有这些产出：
- 一篇原文的精简版（放到笔记 App 里）
- 一篇讨论后的笔记（放到笔记 App 里）
- 一些原文的精彩摘录（放到笔记 App 里）
- 方便录入到 Anki 的卡片（整理成实体卡片）
- 相关推荐
Anki 相关的 App 一直用不起来，还是更喜欢实体的卡片，所以会把相关的知识点写到卡片上，顺便加深下印象。
处理后的笔记，我选择存放在 Bear 中。
- 为什么不选 Obsidian？ 它确实功能强大且免费，也有丰富的插件系统，但我用起来总觉得不够「舒服」。
- 为什么不选 Apple Notes？它对 Markdown 的支持不友好，内容也有点封闭，写作体验也不如 Bear。
选择 Bear 还有一个好处，它的笔记可以很方便地导出为 Markdown，方便二次加工和后续迁移。孤立的笔记是死的。让笔记活过来的关键是Link（链接）。因为 Bear 的笔记都存在本地的一个 SQLite 数据库里，所以可以很方便地读取和处理。我写了一个 js 脚本，将 Bear 里的笔记内容向量化（Vectorization），然后计算余弦相似度，自动生成「相关笔记」列表。
四、回顾阶段 (Review)
把笔记存进去如果不看，那意义也不大。为了方便回顾，我做了一个 Web App（notes.limboy.me），每次随机展示一篇笔记作为起点，然后通过「相关笔记」进行漫游。同时也会在碎片时间把上一个阶段生成的卡片拿出来翻一翻，加深印象。
五、产出阶段 (Output)
笔记不是目的，它是为了帮助生成洞见（Insight）、新的看事物的角度和强化知识网络而存在，最好的方式就是输出，比如写文章、做分享、做决策等。以写文章为例，如果想写一篇关于「习惯养成」的文章，不再是面对空白文档抓耳挠腮，只需在笔记库里搜索「习惯」、「行为心理学」，把相关的 5-6 个笔记块（料理包）调出来，重新排列组合，加上新的连接词，文章的 80% 就完成了。
结语
如果没有一套运行顺畅的笔记系统，没有为消化笔记专门留出时间，没有输出的压力，那么笔记的价值就会大打折扣，再好的工具也无法做到第二大脑。希望这篇文章能给你带来些帮助和启发，如果你有好的想法和经验，也欢迎分享。