Open Zacharia2 opened 10 months ago
事儿上练。——王阳明
笔记就是一个外置存储器,关注速度和检索就好了
对于单条笔记关注什么呢?
我还想加入自己注释和关联?
笔记的读和写操作。查询优化。
通过线索索引目标、
检索就是过滤,不断缩小笔记的数量。正如标签做的那个样子。
在 MOC(内容地图)中按邻近性进行组织:
问:MOC 与 TOC(目录)相比如何?
答:MOC 是流动的,而 TOC 是刚性的。这是设计使然。目录用于组装特定的线性顺序。MOC 的用途要广泛得多。通常,当项目开始完成时,MOC 可能会演变成 TOC。
边是尽可能的与自己理解的东西建立更多的联系,加强对某件事是理解,就像对一个单词moktor赋予生命一样。也正如实践论。
要有实际的图,可以看见的的图(Map类型),也要有承载内容的点,以及点上的边。mermaid,graphviz
https://publish.obsidian.md/csj-obsidian/0+-+Obsidian/Mermaid/Mermaid+%E6%B5%81%E5%9B%BE
索引的两种形式
内容树作为唯一主键承载更多形式的东西
可以通过一个切入点(已有的文章)引发大脑联想,然后这些联想可以聚族,产生新的意义。
地图上的路径实在太美妙了,路径在一段时期存在,路径可以去往任意的地方。
我想搞明白,我学习的过程中究竟发生了什么?
可以为自己的知识库绘制堪舆图,利用图和moc。
树结构,缺点是只能从根到叶子
而地图,却是可以从任意一点开始。
而叶子到根的路径,就是检索的第一类型的难关。
而叶子也有好叶子和坏叶子。好叶子就是你记得名字,和大部分内容。或者别的。
以树作为载体,以图作为延伸。
关于归属问题,可以使用维恩图,量化偏向那个,就存在那个分枝下,然后使用归属标注呗。就是一个元素被树和图。一分为二
这不就把逻辑的六种关系用上啦
分解合成,主动被动
结构化(数据库表结构、列表化)的笔记才可以筛选、排列
从点 到 树🌲 到 图
NLP之文本匹配及语义匹配
工具体系的优化最终会遭遇一个近乎帕累托最优的瓶颈,使得后续折腾的收益趋于零甚至负数,而优化的沉没成本却不断上升。于是到头来不得不承认,自己真正需要的并不多。
我记得的(记忆),我笔记本记得的(外置记忆)
中小学时电视上有一部很火的武侠剧《天下第一》,要找个什么人知道什么事,铁胆神侯就写一张小纸条,丢到右手边的小洞,护龙山庄底下那个四通八达的数据库就哗啦啦一通操作,从左手边传出一份参考资料。后来《琅琊榜》里的琅琊阁、《长安十二时辰》的靖安司都是类似的组织。我对这种操作特别着迷,午休和晚上睡不着,都在脑子里播放这些画面。 后来我看到,国内的领导人还有股神巴菲特都有自己的内参团队,每天收集整理全球信息,脱水后变成一份办公桌上的报告。
思维是网状形态,内容是树状结构,文本则是线性呈现。要管理信息,输出有价值的内容,根问题就是协调网、树、线三种形态。
使用内容树和路径,组织和索引大量的元素。(知识地图)
最小元素原则,小数之下还有小数。但过于精确或者细致必要。所以限定精度,“四舍五入”,可以避免过度细分导致的数量过多问题。解决一个元素下的容积问题。
元素容积问题可以使用继承关系不断分类、元素合并缓解或解决。
元素容积一般为多少数量?
参考构建对象方式?
引入中图法分类作为继承的“基本体系”`
这还不够,即使知道一个元素的大致类别,且这个大致类别里面的元素又很多,还是不容易找,除非可以像城市地图,邮政快递地址一样。
公式规律化的规则容易记忆和使用。
大容量结构的检索,嗯,有些难。
路径集,事物的发展路径,path,指向路径元素
地图,探索未知边缘,地图诞生之初的不确定性
书籍和图书馆的方式可以放置大量信息并利于检索,可以以这种结构为目标。即中图法分类是结果。
需要标注元素是类别元素。
最终的结果,我想让他固定下来。至少固定一段时间。一动一静(联想小米笔记里的,某个Linux系统的更新)
就是变(变化无常) -> 不变(目标) -> 变(修订&演化)
简单即复杂
到达一定规模后的结构化。提子
这是一份【语义模型】,元素的命名是根据脑海中【已有的神经元链接】也就是为已有的【模式】起一个贴合的名字方便记忆和使用,心理学的相关名词或许也是这样的吧🤔。【语义模型】的【第一性原理】是阿德勒的【人生课题】。我更喜欢像数学公式般的简洁和优雅。试问还有什么比数学更简洁且优美的语言呢?但也不讨厌特别贴切的故事跌宕坎坷的处理与解决事情,因为每种方式都有其优势和劣势😃。
另外,它也是一个失败的作品 —— 它并不能真正的解决问题。因为真正可以解决问题的核心是你,而不是载体。但它又是一个成功的作品,因为,由于它的存在,让你多了一个可以使用的强力有效的语言工具。
如果让我选择读一本书,我会把它撕碎。用最简洁的字词压缩概括、用文章中出现的专有名词总结归纳,从点出发理解全文。——来自《如何阅读一本书》的启发。
<<image-basic "翠鸟竹木.jpg" caption:"Figure 翠鸟竹木" align:"right" tooltip:" demo of image-basic macro">>一个词或者字究竟多重要呢,有时候一个字词可以很精确的表达到底是什么,缺少或者换做其他词意思就损失了一些。认识这些文字的过程或许也是认识世界的过程,这就像每一个汉字其背后都指向某一个实实在在的东西。若我仅仅可以感受到却没有词可以表达,与我有词可以表达我可以感受到的东西,这两者差别很多。字词可以探索世界,博闻强识,亦可以用字词以警示自己、压缩信息,关键词关键节点即可表达出整篇文章。然后用这些词参与到其他文章中,不断交织,碰撞。
一个词代表一个具体完整的事物,代表一篇文章,代表压缩之后的知识,代表一个想法和线索。。。
<<alert-leftbar secondary "通过外语学习与写作,就越能够体会一字千金的重要性。">>
元素也可以代指主题,以阅读主题、公理、定理、类、面向对象等类似主题写作形式为主的知识体系。在这个知识体系中,没有一句话是多余的废话。—— 来自一年前快被遗忘的记忆,《如何阅读一本书》
似乎所有的事物都可以是语言,语言可以包括情绪语言、身体语言、世界语言谱系语种、数学语言、物理语言、诗词歌赋等等。歌曲是一种优美的语言,可以让我们感受到更多富有色彩的世界、颐养精神并有利于身心健康。是药的一种。歌曲富含的优美的情绪色彩使主观感受上平白惨淡的世界多了一分色彩。这无论首歌是怎样的风格,最终都取决于唱歌者的心态。一首悲伤的歌,也能给你以玩的心唱的很欢快好吧。
中文很好玩,是象形文字,所以一个字可以代表一种情况或一个物体。例如陷,就是指一个人从高处掉落到坑里,通过这种方式,文字成为了我们最得力的工具。可以容纳很多事物,所有事物均收纳与方寸之间。
语言可以作为一种表示方式,通过语言工具辅助快速思考判断,听说有一种思考方式叫无声思维,感觉很有意思。例如:玩游戏,你可以用语言讲述该如何走,闪避危险。以适应长期的大量的记忆任务。也可以不使用语言,自己靠感觉随便玩。
从脑海中冒出的念头去匹配知识库元素。
使用daily notes,每日笔记,时间线将笔记分布在时间中。时间可以承载一切。
文档树是自动生成,手动维护是很艰难的事情。且仅需要展示大类和最近的小类。
且查看文档🌲最好随机抽取多篇为好。
1.一个类发挥自己的功能,2.然后他处于度规的什么位置,3.然后它与其它类产生了什么关系4.演化出什么类(化学反应),5.然后再不同的环境下它是什么样子的,又有什么功能,6.它被其它类使用,其他类从新扩充了它的内容,7.由它勾连起什么类,然后又有什么类勾连,或链式或聚指。8.这个类在不同的角度是什么样子的?9.远近高低虚实生动或寂寥抽象或实际大维度或者小维度
检索的方式之一是,有效组织(dv生成的关系表等等)和准确记忆(回顾)
多体系联动查询(树,标签,关联)
一个分类体系可以在树和标签两个中多次复用。
https://zhuanlan.zhihu.com/p/360578323?utm_id=0
数据结构化利器——标签
标签化简化了将数据结构化的复杂度,将问题的本质划分为了添加删除一个标签或者修改一个标签,然后对该标签与其他标签的关系上维护一个额外的数据集,那么关于这个标签的复杂性演变,又是另一个数据维度的问题了。
标签是用来标志目标的分类或内容,例如目标确定的关键字词,便于查找和定位目标的工具。
标签的种类 一.网络标签 标签(Tag)是一种互联网内容组织方式,是相关性很强的关键字,它帮助人们轻松的描述和分类内容,以便于检索和分享,Tag已经成为web 2.0的重要元素。
标签将内容的组织权利从网站管理者下放到用户手中,充分体现了web2.0自下而上,用户参与的特点。
如果你访问过Flickr(图片),Technorati(博客),Del.icio.us(美味书签)等web2.0网站你就会发现网站使用标签(Tag)的方式显示内容,用户都用标签来描述内容和检索相关内容。
二.实物标签 用于标明物品的品名、重量、体积、用途等信息的简要标牌。有传统的印刷标签和现代条码打印标签。
二维关系表就非常非常好用。
用树存储,用图链接和表现
我看重的是,可以把笔记当做元素,然后在白板中创建图
1、关系型数据库Relational Database 2、文档型数据库Document Database 3、键值数据库Key-value Database 4、搜索引擎Search Engine 5、宽列数据库Wide Column 6、图形数据库Graph 7、时序数据库Time Series
先有idea后有结构
笔记还有一个作用就是弥补人脑记忆短板,帮助人类思考的作用。
笔记最好要落地,以终为始,不要拘泥于管理方案。 比如写文章就是素材管理,做记录就是笔记本,梳理关系就是工作台
再说点,写文章就需要类似卢曼卡片笔记法,重收集,重整理,写的时候收集得越多,写得越轻松。 做记录是重手机,轻整理,甚至无压记录,比如做体检,记录一下每年查看,锻炼日志看自己的成长 梳理就需要上大杀器,什么多维表格,思维导图,AI,能用上的都可以,轻收集(梳理一本书都够喝一壶了,在精不在多)重整理,碰撞之后才能梳理出独特的想法和逻辑。
文件夹,标签,双链,字段都是笔记软件的功能。与数据结构不同的。
突然感觉,研究笔记法就像设计程序,不同的是,笔记法不需要涉及编程语言,只需涉及概念性质以及可行性和实用性。是否可以达到目标。
有星状全链路?类似网络拓扑?
还有流程状的,或基于逻辑的
语义网,广义一点的话会把引文网络也算上。
幕布子节点、ob文本式双链、ob关系图谱、sm神经树。。还有这些例子
突然想到,当线性有了层级一定会变成树,例如epub的toc
是否要分离过程和结果?
图谱最重要的排序和筛选功能效率还是有点低,各自的工具中笔记上了一定量级就几帮助有限了。而排序、筛选、分组功能也是数据库方便做的事情
Tana的library空间可以看出来团队希望把 内容/信息 和 结构 分开来存放,是典型的服务器思维(把存储和计算单元分开),也给了我启发,是否可以把思考、整理思维的过程 和 信息、数据分开。
https://www.bilibili.com/video/BV1jY41117as/?vd_source=3617471c89fc650c36ce3f9ca4e38d07
https://www.bilibili.com/video/BV1vG4y127ah/?vd_source=3617471c89fc650c36ce3f9ca4e38d07
我用纸和笔,实践了七个月。记了大约600多张卡片,在500张左右的时候,慢慢有了和另一个人交流的感觉。
补充一些我的体会:
查看卢曼的卡片,思考链未必会有严格的逻辑关系,可能只是相关。最关键的是把现有卡片中最相关的就近放在一起。
卡片盒不能替人思考,能思考的只有自己的脑子。然而事实上很多人并不会思考。
纸和笔记录很费力,但这个阻力是有作用的,能强迫自己提取最核心的想法。很多事实类的东西,其实没有必要写成卡片,必要的时候查一下就好。
之所以会有和另一个人交流的感觉,是因为人脑的记忆力不可靠,很快会忘记。过一段时间去回顾卡片,就像是在看另一个人的想法。人脑通过遗忘来剪枝,去掉不重要的东西,然后通过和卡片的交流,重新审视一遍是否重要。多次重复以后,真正重要的,其实就存在了自己的第一大脑里。这可比枯燥又漫无目的的间隔重复高级多了。
看似很低效的翻找卡片,其实也有好处,翻找的过程中,又回顾了一遍关系相近的卡片,梳理了一遍逻辑,找到最恰当的位置存放新卡片。笔记软件有方便的搜索,但太过方便就没有了寻着思考链路交流的感觉。我会同时用 obsidian 备份纸质卡片,但关闭了搜索和网络图功能。极端点,甚至可以说这两个算是负分功能。
一开始我完全照搬卢曼的编码规则,后来做了一些调整,但是并不需要回头把所有卡片都改一遍。这个系统是可以慢慢演化的。时间长了,会发现,自己犯过的错误也是有价值的。而且也避免了用笔记软件时的完美主义心态,不必追求最佳。
手动维护一个关键词索引,是非常重要的。
感受还有很多很多,最重要的是发现,纸和笔的种种缺陷,慢慢都变成了好处。建议所有人事实实体的卡片笔记。
:你的回复好棒,既附加了情感变得生动,又说出了卡片盒作为人脑辅助设备的本质,最后还加了幽默感,优秀,值得学习
你是卢曼写好的一张卡片,打上编号,被扔进鞋盒子里。
有的卡片从此被遗忘了,再不见天日。大多数的,每天一听见自己编号被叫到,就要跑出去,高声背诵自己身上的文字。那些常被叫到的,嗓子都喊哑了。
你时不时地被拉出来,趴在桌子上,与别的卡片比武。增删改查。有的脸上被划了几道,有的胳膊被砍下一条,有的被拦腰砍断,拖了出去。
你武艺高强,击败的卡片越来越多,你有了侍从,副手。卢曼老爷也越来越器重你,带着你四处征战,战功赫赫。除了手臂上的编号,你还有了各种绰号。
你的属下越来越多。终于,你有了属于自己的城堡,北京鞋盒。
笔记不能代替自己的大脑思考,笔记只能是我们大脑记忆的延伸。
对于层次结构,其实就是列表加嵌套的层级。
你与笔记的关系就像你的脑子与课本的关系