Hepta：看到无限进步的自己

date

Dec 27, 2023

slug

weekly10

status

Published

笔记历程

从学生时代开始，笔记这个概念就一直伴随着我，小学、初中、高中的时候用的是纸质的笔记本，从大学的时候开始接触印象笔记，一直使用到了工作之后的几年，直到Roam的出现，双链和卡片盒笔记法不断的出现在网络文章中，笔记的热度也达到了一个很高的程度，当时看着Roam，仿佛知识到达了一个新的篇章，王树义老师、jiayuan、立青还有Twitter上的#Roam Cult社区，感觉Roam永远不会被超越，当时对于笔记的价值已经有了概念，但是面对昂贵的Roam订阅，只在最开始试用了一番，后面就转入了Obsidian的怀抱，也在这个过程中看了Bryan Jenks的很多视频，来构建自己的笔记系统，后来Logseq的出现，我开始在Logseq和Obsidian之间徘徊，一方面比较喜欢Logseq，另一方面认为Obsidian的社区更好一些，这种情况持续了一段时间，因为更喜欢大纲的形式，最后选择了Logseq，这也是当时很多人的一个问题所在，更关注笔记软件中的双链和精美的Graph的概念，反而很少关注笔记本身，但是这个过程中自己也不是没有一些进步，通过阅读卡片盒笔记、以及少楠的Flomo 101，开始了对于笔记或者是知识管理的一个初步模型，这也是后面自己选择以及认可Heptabase的一些理论基础在知道Heptabase之前，我是通过Ray的视频先了解到的Mailnote，看到Ray视频中对于Mailnote的应用，我认识到了可视化笔记的价值，在搜寻的过程中发现了Heptabase，综合对比下来选择了Heptabase，虽然当时Heptabase的功能并不完善，实时同步的能力也是缺失的，但是通过Alan的四篇Vision的文章，也了解了团队的Roadmap，其中最打动我的是当时在Roam和一众双链笔记中同质化的概念中Hepta有自己的的设计理念，这是我在当时坚定的选择Heptabase的原因

笔记的意义

学习

在说笔记之前，先来说下学习，在《大脑想要这样学：高效学习的认知心理学方法》这本书中有一个问题是：怎么才算是听懂内容呢？我们可以反过来说如果听不懂内容，就可以理解为在大脑中检索不到相应的信息。这个检索的过程就是在找信息和信息之间的关联，我们在传达一个信息的时候，其实除了给出的信息之外, 信息和信息之间也是有关联的, 是有逻辑关系的。信息和信息之间的这些关联又会组成层级和架构，所以我们在学习的过程中最关键的三个词就变成了：层级、架构和关联

人脑最不擅长的事情就是大量的记忆细节，我们在阅读的过程中都是在总结和提纯信息，通过拆解信息的结构和寻找信息与信息之间的联系，在这个过程中我们必须要把精力放在理解上而不要放在记忆上

笔记

笔记在学习的过程中占据了很重要的位置，只有记录下来，才有可能在大脑中留下痕迹，前面我们说过了，人类不擅长大量的细节记忆，所以我们记录笔记的第一个任务是挑重点, 第二个任务是概括, 我们先简单地说一下挑重点, 挑重点的这个任务其实很好理解, 就是在我们在阅读的过程中根据自己的判断挑出重点，那我们在理解这些信息的过程中, 你就要进行不断地判断到底什么信息是重点, 什么东西写下来之后, 我能够在课后回忆起所有的东西。这个就是需要大家不断地去锻炼了。有一些研究把学生挑重点的这个笔记跟老师觉得重点在哪里的东西进行对比, 发现重合率只有25%到50%。这个是很容易理解的, 因为毕竟没有脑中的所有全图嘛, 所以在刚刚接触这些知识内容的时候, 画错重点, 写错重点也很正常。对于什么是重点这件事情, 我要不断地锻炼, 不断地在事后去反思, 不断地跟官方的一些东西进行对照, 这个不断地提高我判断重点的判断力, 判断这件事情是要积极思考的, 我们到了这一点就一直在锻炼就可以了。更重要的其实是第二个：概括的能力。概括的能力不是仅仅记住看到的内容，而是要让别人听明白，如果把所有信息不加过滤的Dump一份说给别人，别人也不可能在短时间内听懂所有信息，所以要尽量简化信息, 从而使得那个架构浮现得更加的明显

怎么锻炼概括能力，简单来说就是重复，笔记要不断不断的提纯蒸馏, 不断的整理, 这个过程其实就是锻炼概括的能力，在不断地把这些信息在脑中重组的过程, 就是思考, 这也是理解, 理解就是思考，但这个过程是反人性的，多巴胺的分泌, 对新鲜事物产生一种很难抵御的渴求, 所以很多人就宁愿把大量的时间花在去看新的信息, 学习新的东西, 就是不愿意回去做老题, 重复看笔记, 天然就不愿意去反复地整理笔记。这也是Heptabase做的最好的地方，在Heptabase章节我在展开来讲

记忆是思想的残渣, 也就是说, 在我思考的时候, 这些理解, 这些记忆, 这些所有的东西加在一起, 它就会成为我自己的东西, 这个就是脑中的记忆。如果你只是记录, 那没有思想, 那其实就不会产生这个残渣, 那就没有记忆, 就不会成为你内化的知识。但也有一些时候是要先记录再理解的, 就是理解在当下相对比较困难的时候, 无论是说这个理解当下太难了, 还是说缺乏实践应用不能真正理解, 这个时候就先记录, 然后照着笔记先去应用和实践, 在过程中就会得到理解。

Hepta是如何通过产品践行的

Alan在Ness的访谈中提到知识是由五个部分组成：探索、收集、思考、创造和共享，Hepta做的事情是确保知识能够无缝地从一个部分传递到另外一个部分，以此构建一个「解决方案」，Hepta官网的「Make sense of complex topics.」也能充分体现出设计哲学，那就是学习复杂的主题，如果让我用两个词形容Hepta，我会说：思考和专注。

Card

在Logseq中，我常常会为应该建立一个Page还是一个Block而苦恼，这个问题一直让我困惑，在Hepta中就不会有这个烦恼，Card就是最小的记载单位，我不会在使用的过程中去思考要不建立一个Block，当然Hepta在现有的Card中也已经隐式的支持了Block的设计，但还没有开放，估计未来会有更好的方式和大家见面，在使用Hepta记录时，我只需要新建一个Card就可以了，不用担心放在哪，以及在哪儿去找他，这大大缓解了输入的压力，在去年Hepta更新Journal之后，随时输入变得更好用了，我可以在Card Library中很方便的找到想要的卡片，Hepta在Card Library中提供了极为方便的筛选和查找功能我认为Hepta设计的精巧之处在于将「卡片」作为了系统的基本元素，首先可以不断扩充卡片类型：笔记卡片、日志卡片、PDF 卡片、高亮显示卡片、音频卡片、视频卡片、图像卡片，通过这些卡片丰富底层的素材，其次是这些卡片可以在元应用程序（例如Map、Card Library、highlight）之间互操作，每个元应用程序都可以按照相同的协议在这些卡片上读写特定于应用程序的元数据

Whiteboard

Hepta在 2021-2022 年，主要关注「思考」部分，专门设计了一块白板，用于增强复杂知识工作的能力，而不仅仅是绘图和头脑风暴。 Hepta中白板的设计有两点启示。第一个是显而易见的：人类在进行形象思维时，思维能力要强得多。第二点则不那么明显：要想通过视觉思维深入理解一个主题，首先需要将所学概念原子化。真正深刻的理解不是来自「两本书之间的关系」，而是来自「这两本书中所有概念之间的关系」。在 Heptabase 的白板中，可以轻松地将冗长的卡片笔记分解成原子概念笔记。我相信，这种「提取概念」的过程才是深入理解的真正基础。一旦分解了这些概念，就可以使用章节、思维导图、嵌套白板和我们建立的许多其他功能来理解它们，甚至可以在不同的白板上重复使用一个概念。在上面的章节中我反复提到了三个词：层级、架构和关联，在Hepta的Whiteboard中，我不会受限于具体的格式，通过MindMap可以快速的找到将内容按照自己的理解列出大纲和层级，通过卡片之间的关系找到卡片之间的关联，逐渐形成更深入的理解我在Obsidian的canvas功能出来之后体验了一段时间，虽然Obsidian有丰富的元素，也有Group的概念，但是总觉得有一些别扭，后来想想其实是各种细节累加在一起的「专注」，很多人反馈在使用Hepta的时候一下子几个小时就过去了，这就是专注的力量白板还有一个重要的作用是记忆了思考的过程，在《学习如何学习》这本书中说到了学习的最佳方式：

刻意练习：为了掌握复杂的技能，需要通过刻意练习来加强神经路径。这意味着有目的地练习那些你最不擅长或最挑战的部分。

回顾和重复：定期复习信息可以避免遗忘和巩固记忆。间隔重复是一种有效的复习技巧，它建议在不同的时间间隔重复学习材料。但是在实践的过程中会发现很难做到这两点，人天生都是喜欢新的事物，对于已经存在的事物天然会少很多动力，即便是知道复习的重要性、Anki的强大，但是我在坚持了一段时间之后，还是很难一直使用Anki来复习，但是在使用Heptabase的过程中，我在使用白板拆解的过程中就完成了第一轮信息的思考，这个过程也保留了下来，后面即便是过了挺长时间，我再次回到白板，还是可以很快的记忆起来当时的一些想法，加上Hepta做的还不错的检索和查找功能，我可以在使用的时候比较轻松的找到之前的卡片

Working tab

注意力机制：在很多大时候你能看到的你才会注意到，比如放在冰箱深处的零食，藏在衣柜里面的衣服，可能永远也不会拿出来了，working tab的功能就出现了，类似recent file的设计，结合Tab Group的功能，可以让用户的注意力专注在最近的事情上面去

我是如何用Heptabase来构建自己workflow的

看了很多知识管理、如何学习的书籍和方法，也发现都会趋同，可能是最终的方法都是比较质朴且简单的吧，我在使用之前会先明确自己使用Heptabase的用途，我的用途就是对书籍或者是长文章的学习，我的步骤是：

我会将外部的Highlight（例如微信读书的Highlight）或者是PDF文档，或者是一段我认为值得深入阅读的文章复制过来

新建一个白板

先根据书籍的目录快速创建一个Mindmap或者是用一个卡片将目录大纲列出来

开始阅读书籍，将自己认为的重点高亮，然后创建一个卡片

用自己的话总结一个标题，然后将书中创建的卡片放进白板

第一遍把书籍读完之后，开始进行排列和组合以及连线，我在这个过程中会反复的和大纲对焦，以及专注思考，Section的功能，以及Shift+2的功能用的是最多的，目的就是快速的聚焦当前处理的卡片在此先强烈推荐Alan的这篇文章：[The best way to acquire knowledge from readings ]，我的方法也基本上和Alan的类似，Alan在文章中总结了五個簡單的步驟達到這件事情：

將閱讀的過程中看到的所有重要段落記錄下來

將紀錄下來的重要段落拆解成顆粒度更小的概念

畫出概念之間的關聯性

將相似的概念群組起來

將這些新學到的概念與過去所學的已知概念整合

所有做的这些事情，都是在将笔记原子化，只有原子化的过程，才可以在大脑中将记忆留存下来

对Hepta未来的想法

我曾经在Obsidian的Canvas功能出来之后问过Alan一个问题，就是Hepta和Obsidian的差异，后来Alan也公开说了一下他的观点：

很多PKM用户们会说Heptabase的核心价值是将笔记视觉化的白板，Obsidian的核心价值是能读取本地文件。虽然不能说这样的观点是完全错误的，但我觉得这样的观点只看到了在数个月的时间尺度之下，两个产品在实作顺序上的表层差异，但是并没有看到两个产品在长期上的本质差异。什么是实作顺序的差异呢？「读取本地文件」和「提供白板功能」就是实作顺序的差异。从工程角度来看，大家用的技术是相同的，一个产品做得到的事情，另一个产品没道理做不到，如果迟早都会做，那就只是顺序问题。Heptabase长期上一定能读取各种类型的本地文件，Obsidian长期上一定也能提供白板插件，我想这两点是无庸置疑的。那什么是本质差异呢？那就是产品的DNA，也就是对一个产品来说，在五到十年的尺度上，什么才是它认为最重要的事情。这是一个选择问题。从我的角度上来看，Heptabase本质上是「保存思考脉络的浏览器」，Obsidian本质上是「本地文件的操作系统」，两个产品的DNA不同。所以Heptabase的长期目标是让你在探索任何类型的信息时，都可以一贯地衔接到你的思考脉络上；而我认为Obsidian的长期目标是让你不管从事什么任务，最终都可以回归到套用在本地文件上不同插件视图。从这个角度去理解，自然会发现两个产品在长期上发展路线会非常不同：Heptabase会将其保存思考脉络的能力从当前的笔记一路拓展到更多的数据来源与格式，并从单人思考脉络的保存发展到多人思考脉络的协同，但它终究不会以成为本地文件的操作系统为目的，而是会与尽可能多的网络软件进行API对接，将来自各处的数据引进当前的思考脉络，建立对世界信息的思考中枢。Obsidian会持续推出愈来愈多的插件，满足更多使用场景下的视图需求，但它终究不会成为一个保存思考脉络的浏览器，而是会与其他基于本地的软件（例：Logseq、DevonThink）合作与竞争，形成一个基于本地的知识管理生态系。以上是一些我的个人观点，供你参考。详见：[ Heptabase vs Notion vs Obsidian ]

当前AI的发展，出现了很多信息无用论的声音，我自己的观点是：

AI一定是加速了信息获取的效率，也丰富了信息的种类

Notion AI是一个很好的产品形态，对于Heptabase来说卡片的数据是最适合的，使用自己的信息源，即便在是检索效率上的增加也是很值得期待的