Bom dia meus amigos,
Saudações de Lisboa!
您正在阅读的《壹苇可航》电子报 Weekly Spark No.23。这里是一方独特的思想空间，我以佛学智慧融汇科技思维，兼采东西方哲学交织当代视角，从美学素养与批判性思考中探寻真知，让个人成长与复利思维在多元交融中迸发能量。每周，让我们一起以多元复合的思维方式在纷繁的知识世界里找回内在定力，进而在这个复杂时代找准方向，放大思考与行动的价值。
本期笔记和初稿在 Tana 上完成，这是一款通过将 AI 驱动的结构化数据库与流畅的大纲列表相结合的笔记软件，重新定义了现代知识管理，使用户能够无缝地组织相互关联的想法，同时保持自由形式思考的灵活性。
以下是本期正文。
💫 Review
本期我将从个人知识管理的角度出发，探讨在 AI 时代下知识管理的「变」与「不变」。在往期的内容中，我们多次讨论了个人知识管理的各个方面，从基本理念到具体实践，从工具选择到思维方法。在当前 AI 工具快速发展的背景下，重新审视知识管理的核心原则及其演变显得尤为重要。
在 Insight 部分，我将探讨知识管理永恒不变的核心目的——理解、连接和创造，以及需要与时俱进的方法与工具。而在 Case Study 部分，我将以实际案例分享如何利用网络化思维平衡知识管理的广度与深度。
🔍 Insights
从三月中旬至今，我一直在为公司整理笔记库，建立新的工作流程。这期间也重整了我自己的数字花园。在这个过程中，我意识到，无论技术如何发展，个人知识管理的核心目的，或者更宽泛地说知识管理的核心目的从未改变——帮助我们更好的理解、连接和创造。
理解是知识管理的第一步，正如在 Weekly Spark No.20 中所讨论的，真正的理解不只是接收信息，而是一个内在消化和重构的过程。宋代理学家程颐就曾说过，「不深思则不能造于道，不深思而得者，其得易失。」当我们跳过深入思考的过程，仅仅依靠 AI 工具快速的获取信息摘要，我们可能会错过知识获取中最为宝贵的部分，通过思考和联想所产生的个人理解与洞见。
知识管理的第二个核心目的是连接，它是将分散的知识编织成网的关键步骤。无论是卡片盒笔记法中的双向连接，还是 LYT（Linking Your Thinking） 中的概念地图，还是其他的笔记法（系统），它们都在强调同一件事情——孤立的知识点价值有限，知识真正的力量在于连接。即使现在有了 AI 可以帮助我们自动地去建立连接，但哪些连接是真正有意义的，如何通过连接产生新的洞察，仍然需要我们自己的判断和创造力。
知识管理的第三个核心目的，也是最终目的就是创造。好的知识管理系统不是内容坟场，而是思想的孵化器。在 Weekly Spark No.13 中，我们讨论了 "PKM Porn" 的现象，过度关注工具与系统，却忽略了内容本身。其实，真正有价值的知识管理不在于收集了多少信息，写了多少笔记或者建立了多少连接，而在于它是否能够真正地帮助我们产生新的见解，写出有价值的内容，解决实际的问题，以及促进我们个人的成长。
所以说，知识管理的三个核心目的——理解、连接、创造——它们共同构成了个人知识管理永恒不变的「道」。无论技术如何发展，它们都是评判一个知识管理系统成功与否的关键指标。
与永恒不变的「道」相对应的就是与时俱进的「术」，意即我们需要与时俱进地调整我们的策略和工具。我个人认为，这在当前的 AI 时代尤为重要。
其实，大家多少能够感知到，个人知识管理的工具与选择已经从单一转向多元。不仅我是这样，好几位读者也是如此。现如今，已经不再是一个 Evernote 走天下了，而是在 AI 的介入下各种工具各司其职：有的擅长快速捕捉信息，有的负责深度分析，还有的适合内容创作。因此，我们选择进行知识管理时面对的关键问题不在是使用什么工具，而在于如何有机整合各种工具，打造一个完整的知识管理工作流。例如我们的某位读者，用 Voicenotes 进行日常记录，然后导入到 Obsidian 中进行整理与提炼，这个过程中还会在 ChatGPT 中进行多角色对话，加深感知与理解。
此外，知识管理也在从线性流程转向网络化的模式。传统的个人知识管理工作流是线性的，从信息收集到整理，到分析，再到创造。但在 AI 的辅助下，这个过程变得更加灵活、动态。例如，我们可以通过 AI 快速对收集的信息进行初步分析，如此就能清楚地知道哪些信息值得更多的关注和思考。或者，我们可以先用 AI 生成内容初稿（无论是笔记还是文章），再通过深入思考和个人经验进行修改和完善。这里就需要夸一夸我自己，2023 年 2 月就写了《拓展思维边界：用 Heptabase 建立网络化思维》，那个时候还没有多少人意识到网络化思维的重要性。
同时，在信息广度与深度之间取得平衡成为再也绕不过去的坎。因为 AI 为我们提供了高效的信息筛选和处理能力，使我们能够涉猎更广泛的知识领域，但也提出了新的挑战：如何在广泛的信息搜集中保持思考的深度，避免被 AI 生成的表面理解所迷惑。这就要求我们重新设计知识管理的方法或者说知识管理的系统，以达成广度与深度的平衡。