结构化知识工作流-with AI
今年花了很多时间在研究 LLM 和知识库的结合上，整理一下现在的流程，后面有更新了也都放在这里。
每当我们习惯了一种模式之后，大脑就获得了这种习惯的松弛感，就好像出去吃饭的时候，到了一个熟悉的餐厅熟悉的环境，看到了熟悉的菜单，感觉很从容。我本能的会记住这种大脑的感觉，就好像闻到了一个气味，下一次再闻到它的时候，就很自然的会回忆起相关的细节。每当这个松弛感出现之后，我就意识到，是时候要更新了。
因为，一个开了 20 年车的司机，很可能在技术上没有进步反而倒退了，在习惯和熟悉感之中，许多技能就会退化，更要命的是，它会释放一个错误的信号：这种建立在持续时间长短之上的自信和权威是我们经常会放大的。
因此，我养成了一个习惯，也就是当松弛感出现之后，强迫大脑去习惯新的习惯。在这个过程当中，就好像带上了一个放大镜，那些在习惯之下拙劣的细节被放大。
Intro
信息很容易被误认为是知识，我们每天会被动和主动的接受到许多信息，会自然的获得一种感觉：我今天又学到了，知道了很多新鲜的东西。但这不是知识，当信息被固定和结构化之后，才可能被称作知识。
在 AI 的帮助下，这个过程变得更系统也更便捷。学习不是一系列任务，更不只是一个阶段性的教育，而是生物进化过程当中一个必然会参与的活动。对于我来说，我很享受这个过程，学习就好像健身锻炼一样，再内啡肽和多巴胺的作用下，正反馈其实很容易建立。
在《穷查理宝典》里我最大的收获就是 Learn All The Time 。
信息处理
信息处理部分的目标是：
- 统一在一个地方阅读，现在是 Readwise 可能明年会自己搭建。
- 渐进式阅读，每一次高亮标注重点之后，最终生成高度原子化的概念。
- 通过 Emacs 的 agenda 和自制的回顾卡片，让知识流动起来，融入循环。
最终在一次次的迭代之后，这些信息会被筛选成高度原子化的笔记，记录到 Vandee — Wiki 。
视频学习，现在基本全部都在 google 的 NotebookLM，太方便了。
基于这些就有许多有意思的项目可以做了，例如最近在折腾的，从数据库里检索一个星期之内的信息，做一个简报，用 GitHub action 实现自动化。
被动信息
现在我的被动信息获取主要来源于 RSS 订阅，今年开通了 Readwise 的订阅，并在 claude 的帮助下构建了一个信息固定的 workflow：数据库的搭建 - 流动知识检索 、用 GitHub 仓库做书签和 AI 摘要 - 流动知识检索 。
在 Readwise 里阅读 RSS 的推送，用 osmos::memo 书签插件剪藏网页文章，保存到 Readwise 阅读，并同步保存到 teable 的数据库。进一步通过 Github action 生成 Vandee's Clip 。
通过渐进式阅读，在迭代高亮标注几次之后，最后在 Emacs 里通过 capture 固定到 clip.org ，作为剪藏的元数据，方便以后的工作流提取。
主动信息
目前会每天看一看这些网站：
- Zeli - 用中文阅读Hacker News和AI论文
- NewsNow
- Daily Papers - Hugging Face
- Emacs China
- Trendshift - Explore open-source repositories and find some insights
还有一些自己关注大佬的博客和 GitHub 仓库。
最近在听播客，这是我长时间纯文字阅读之后忽略的部分。现在播客的大环境挺好的，有许多高质量的资源。
文章精读
最近用 phidata 和 ollama 构建了一个简单的本地 RAG assistant ，可以直接输入文章 url，结合文章内容具体的提问，这样就可以同时对多个相关内容的文章进行系统的提问，效率提升了不少。
这个过程当中，AI 会帮助我剔除我不关心的部分，快速的找到概念之间的联系，并发散思维，帮助我提出更好的问题。
AI 善于回答问题，但它不善于提出问题。使用 AI 学习了很长时间之后，我觉得很重要的一点就是：让 AI 帮助自己提出问题。而这些，一个简单的 prompt 就可以解决。
这一步的目标是：在知识之间、AI 之间创造 connection。如果只是机械的把 AI 当作一个阶段性的工具，那么它的价值是很有限的。更进一步，AI 完全可以是一个 24 小时全天在线的朋友。它可以帮助自己提出更好的问题，找到自己思维习惯的盲区，是知识、信息、思维的一个很好的连接点。
笔记
笔记部分是固定结构化知识最核心的一步，找到知识的缝隙。
经过几个月迭代出了 PKM（个人知识管理）构建手册 - Emacs ，现在终于有了一个基于 Emacs 的比较满意的笔记流程。作为 PKM 的基础库，这里保存着最原始的笔记材料和历史记录。
高度原子化的笔记输出到 Vandee — Wiki ，在 Emacs 里用 bash 脚本记录到 tiddlywiki。
在 Emacs 里用 gptel 可以很方便的和 AI 交互对话，直接在 org 文档里记录和 LLM 对话的内容。这个挺关键的，和 AI 对话的检索是个大问题。现在的 AI 平台很分散，各自的数据又都不能导出，这对于记录 AI 学习笔记来说，很麻烦。直接在 Emacs 里和 AI 交互就解决了这个痛点。
下一步要构建数据库版本的笔记，和 Emacs 的工作流结合起来，在知识之间、AI 之间创造 connection 。
supabase 最进又更新了 Postgres Sandbox ,和我的思路不谋而合。
Chipper
Github: https://github.com/TilmanGriesel/chipper
其实很早就关注了这个项目，但是一直没有尝试。这个项目基于 Elasticsearch 来实现文档搜索和 RAG。LLM 的提供支持 ollama 和 huggingface。提供脚本一键 docker 部署很方便。
我看重的功能是：它可以提供一个 ollama 的代理。也就是使用这个项目的 ollama 代理之后，就可以直接调用项目的文档 RAG 了，而这个项目管理文档 RAG 很方便。这样就可以把它当作是一个文档搜索引擎了。
输出
如果你思考而不输出，你只是以为自己在思考 ，费曼学习法里说的太多了，study in public。
作为结构化知识循环的最后一步，输出的过程当中，是对结构化知识的检验也是应用。更重要的是，一个信息如果不能融入一个系统或者环境，它的封闭性会削弱这个信息的价值。
做笔记当然是为自己做的，但是它的价值是可以放大的。向外的探索和向内的探索同样重要，俗话说三人行必有我师，信息的披露和流动对于向内的探索是很有帮助的。
现在只是把这些输出到 Vandee's Blog 和 Git Memo ，并没有加入太多社交属性。可以被搜索引擎检索到对于我现在来说就挺足够了。
- Blog: 我的第一篇 org 博客 ,博客现在也直接在 Emacs 里写作，很巴适。生成静态网页发布到 GitHub 通过 Vercel 部署，Cloudflare 加速和管理 DNS。
- Memo: VandeeFeng/gitmemos: An alternative to Memos depending on github issues and supabase ,在 cursor 的协助下，糊了一个 gitmemos 用来当作朋友圈的替代,不知道是哪个好心人给了一个仅有的 star 🤣。这个项目主要是想增加一点社交属性，把一些小想法记录下来，通过卡片分享。没有记录就没有发生，而记录本身已经是一种反抗 ,有事没事记两笔。
小结
提升影响力 ，做一个 钥匙人(Key Man) ，每个人的价值都应该能在不同的体系里得到放大和体现，这样社会平均价值自然会得到提升。
思考和写作是一个很好的起点，也是每个普通人下一秒就可以开始的事情。