# ethanchang.io — full Markdown Concatenated published essays and project files. Prefer the per-page URL with `Accept: text/markdown` when you only need one document. --- # 一篇关于博客的博客 为什么我要开这个博客：一块属于我的地盘，一张数字名片。 > 我希望在网上有一片属于我自己的空间。认识我的人，不认识我的人，都可以来这里认识我。——这是我开这个博客的理由。 ## 现在，博客对我是什么 我对博客的定义变了。它不只是一个发文章的地方。它是我在数字世界里的一块地盘。 Twitter 上的话会散掉。项目会散在 GitHub、演示站、聊天记录里。笔记在 Heptabase 和 Obsidian 里，别人进不去。 所以我要一个地方，把这些收进来。认识我的人可以来，不认识我的人也可以来。 ## 一张数字名片 别人可以通过这个博客认识我、理解我，跟我交流。我可以在这里交朋友，也可以慢慢建立一点自己的影响。 它也许没办法汇总我所有的 context。但至少能把 context 里的 highlights 提出来。 比如一个项目：我为什么起这个念头，中间碰到什么难题，怎么过的，思路是怎么转的，最后做成了什么。别人看完，会有一个感觉：原来他是这样的一个人。 ## 这里会放什么 我会把 Twitter 上值得留下的发言汇到这里。我会在这里写文章。我会把做过的几个主要项目写进来。 研究、学习笔记、一篇专题，也会变成博客发进来。别人读完会知道：原来他想做这些事，也做过这些事。他们就能比较好地熟悉我、认识我。 这就是为什么我要做这个博客。它装不下我全部的 context，但它能把 highlights 留在一个别人找得到的地方。 这是我在数字世界里的一张数字名片。 --- # 博客站点的架构与实现 这个站按四条原则做：内容优先、从列表进单页、默认英文的双语、articles 与 projects 可切换。 我想介绍一下这个站点的设计。核心就几条原则。 ## 内容优先 内容优先。少做花哨动画和交互，保持简单。整站黑白，内容克制。 读者来是为了读，不是为了看站点自己表演。能少做的交互就少做。 ## 从列表点进单页 阅读路径很直：从博客列表点进单页。 看了 PJ 的博客，站点是三栏。我觉得三栏很直，但还是引用了，因为这是读者最快扫完一篇博客的方式。列表扫标题，点进去读正文。不要绕。 ## 通用 站点要通用。双语，中英都有，默认英文，让更多人读得进去。 中文是我自己的语言。默认英文，是为了不把读的人先挡住。 ## 不只是发文章 这个站的定位不只是发文章，也是把自己介绍给别人。 主内容做成两个可切换的部分：articles 是我分享的博客，projects 是做过的项目时间线。别人来，既能读我写的，也能看到我做过什么，从而知道我是谁。 ## Law page 翻 PJ 博客时看到 law page 的概念，觉得酷，想用在自己站上。已经加进去了。 这篇还是草稿。四条原则和 law page 都可以再写细。 --- # 博客要写哪些内容 写什么由定位决定：内容和目标决定读者，不能指望发日常却吸引来想看 how to start a startup 的人。 你写哪些内容，是由你对博客的定位决定的。 不是先写一堆东西，再看谁来读。是先想清楚这个博客是干什么的，再决定写什么。定位一旦定了，内容和目标也就定了；内容和目标会决定读者是谁。你再根据这些读者，输出对应的内容。 这件事是单向的。读者不会凭空对上你。你发什么，就会把什么样的人留下来。 所以不能期待：如果每天分享吃饭和日常，却吸引来一群想要了解 how to start a startup 的读者。Paul Graham 的很多读者，是冲着创业这件事来的。他们来，是因为那几篇文章在谈怎么起步、怎么想产品、怎么做公司。不是因为作者也吃饭、也过日常。 反过来也一样。如果你的定位就是记录生活，那你就该写吃饭和日常。你不能一边发这些，一边奇怪为什么 how to start a startup 那一拨人不过来。他们不过来，不是你写得不够勤，是你根本没在写他们要的东西。 定位决定内容。内容决定读者。读者再反过来要求你继续输出对应的东西。搞反了，就会写成给谁看都不清楚的一堆字。 所以一定要想清楚自己的定位。想清楚之前，不要先问「博客要写哪些内容」。先问这个博客是给谁的、要做成什么。答案清楚了，写哪些内容才会清楚。 这篇还是草稿。后面可以把我自己的定位也写进去。 --- # 我想打造一个让模糊变清晰的工具 手头的工具没有把创造力用出来，所以我想做一个把模糊想法变成可行动对象的软件。 最近有一种很强烈的感受：**我现有的创造力，没有被我手头的这些工具充分发挥出来。** 我感觉自己有蛮多想法，但这些想法总是发挥不出来。有劲，但没地方使。 ## 从 Heptabase 说起 举例来说，我在用 Heptabase 记笔记时，会发现没有办法很好地将想法具象化。 它要求你把想法写成笔记卡片——但对我来说，这件事本身就不轻松。因为你必须写标题，而总结标题并不是什么轻量化的操作。很多时候，我更想做的是：先把模糊的想法堆积出来，再去汇总、整理、链接，最后找到想法与想法之间的关联。 更早之前，连"输入想法"本身都是一个问题。但现在，至少通过 Typeless，我只要把想法说出来，就能很好地总结成正文笔记。输入这件事，对我来说不再是障碍了。 ## 但光能输入还不够 在任务管理上，有一段时间我可以用 Todoist 很好地把事情创建出来。但随着生产力的提高，我感觉自己有太多零碎的想法，都想往里灌——而它根本跟不上。 我最希望的方式其实很简单： 1. 我说一句话，它可以同时为我创建 5 个甚至 10 个 To-Do 任务 2. AI 可以看见这些任务，并帮我进行整理 但在当前的界面环境里，这些都没法实现。某种程度上，我觉得这是因为我已经习惯了在 Claude Code 等 Agent 环境里协作——习惯了 AI 会帮我自动完成想法。一旦来到一个空的、没有接入 AI 的界面，就会觉得过分低效和无力。 那种繁琐感具体在于：我必须手动完成想法的分组，任务需要手动整理、归纳、维护。我现在想要的体验是：**我说出想法和需求，然后自动获得结果。如果有问题，我可以告诉 Agent 怎么调整，让它跟我 Co-work。** 目前这个时代，大部分软件界面还是不支持很好地与 AI 协作。AI 虽然能提供帮助，但大多数还是像 ChatGPT 那种写作模式——在旁边给你建议，而不是真正参与到你的工作里。 ## 将模糊的事情具象化，本身就是一件很有价值的事 > **将一件事情，或者说将一个模糊的概念和想法具象化，会赋予它力量。** 当我们把一个想法具象化以后，我们便能够看见并思考它，去寻找哪些想法与其相关，以及它在一个大的脉络中处于什么样的位置。 具体来说，它的价值体现在这几个方面： 1. **拆解任务难度** 能够帮助我们拆分和肢解任务，使想做的事情变得更具可行性，更容易获得成功。 2. **降低心理负担** 将情绪释放出来，并进行具象化的描述，可以让我们实现自我觉察，从而降低内心的压力。 3. **深度思考与反省** 通过将压力具象化，能让我们清楚地思考与反省内心，审视自己现在正在焦虑什么，以及面临着哪些挑战。 ## 但为什么模糊的事情这么难以具象化？ 原因主要有两个。 ### **第一，输入端的阻力。** 这里说的阻力，不是你描述不清楚——而是你根本缺乏一个趁手的工具。 举例：在 Typeless 出现之前，我必须手动一个字一个字地打字。虽然我打字速度算比较快，但依然无法达到纯粹语音输入那种快速和心流的状态，总还是有一点点阻力在那里。 当语音输入出现以后，你只需要关注当下的表达，全身心地投入到输入这件事上。以前没有工具能做到这一点——现在 Typeless 帮我们解决了这个问题。 ### **第二，缺乏认知概念导致的焦虑。** 还有另一种情况：你感觉到有什么东西，但你根本不知道该怎么描述它。当我们不知道某个东西该如何描述时，即使开口去说，也说不清楚。 这时候更好的方式，是提供一些"脚手架"来辅助。比如你想让 AI 把界面上某个按钮从浅灰色改成深灰色——你明明可以看见那个颜色，就是缺乏语言去描述它。截图就是一种脚手架，它帮你绕过了语言的障碍，直接给出具体的实例。 再往深一层，如果你连情绪的名字都不知道——比如你从来没学过 **FOMO（Fear of Missing Out）** 这个概念——你只会模糊地感到：AI 发展太快，总担心自己掉队；但好像又不完全是，因为我每天都在学习前沿内容，可依然时时刻刻有一股焦虑，不知道该怎么描述。一旦有人告诉你："你这种情绪叫做 FOMO。"你就明白了——你之所以不适，是因为担心有事情在你掌控范围之外发生，而你不知道它是什么。焦虑的根源清晰了，它带来的压力自然大大减少。以后再产生类似情绪时，你会意识到："原来我又有了 FOMO 的情绪。"然后你可以去查它该怎么处理，你会得到建议，告诉你如何应对——你又拥有了一些**可执行的动作**。 ## 具象化带来的最大价值：采取行动的能力 **具象化带来的最大价值，就是它会赋予我们采取下一步行动的能力。** 如果你甚至不知道这个模糊的东西是什么，你就没有办法对它做任何动作。只有将它具象化以后，你才知道自己具体要做哪些事情。 唯有当你采取了行动，这件事带给你的影响才会减小： - **如果是你渴望的事情**——那种渴望会得到一定的满足。 - **如果是负面的、有压力的情绪**——也会在行动以后得到缓解。 而在积极情绪上，将模糊的概念具象化并付诸行动，还会真实地带来明确的成就感和振奋感。 ## 所以，我想打造这样一个产品 我想要打造一个软件，去帮助我们解决这种"模糊"带来的压力、焦虑以及各种负面情绪。 它的核心方式如下： 1. 帮助我们提炼自己模糊的想法 2. 将模糊想法抽象为具体的对象 3. 让用户能够观察这些对象，并去执行具体的行动 我不知道它最终会长什么样，但我知道它要解决的问题是真实的——因为我每天都在经历它。 --- # 占位 2025-06 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2025-11 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2025-01 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2026-01 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2026-03 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2026-02 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2026-04 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 占位 2026-05 列表分页用的空占位，不是正式文章。 这是一篇占位文章，用来撑开文章列表的分页。 --- # 引用预览：一条推文和一支视频 同一页里嵌一条 X 帖子和一支 YouTube 视频，核对 TweetEmbed 与 VideoEmbed 的排版。 这页只做一件事：把两种外部引用放在同一篇文章的阅读流里，看它们和正文排版怎么相处。 先是一条 X 上的原帖，用自绘卡片完整展开正文： 再是一支 YouTube 视频，用官方播放器： --- # 用 GrokBot 和 Cursor 配博客 把配博客的活交给 GrokBot，再由它把任务发给 Cursor 去做，这套协作流程很顺。 今天用 GrokBot 和 Cursor 配博客，流程很顺。 活不是我自己一条条点的。我把活交给 GrokBot，再由 GrokBot 把任务发给 Cursor 去做。我这边主要是把事情说清楚，后面的落地交给它们协作。 这套协作我觉得很酷。GrokBot 接住任务，Cursor 去做。中间我不需要再把同一件事讲两遍。 流程顺，大概就是因为分工清楚：我交代，GrokBot 分发，Cursor 执行。 这篇还是草稿。后面可以把具体怎么交代、任务怎么拆、哪些地方还卡住，再写进去。 --- # 我如何使用 Grokbot 自动化我的日常生活 用 Grokbot 把英文阅读交给 Readwise MCP。 - 使用 readwise MCP 处理所有英文阅读 --- # 我如何使用 Grokbot 跟 Heptabase 联动，进行讨论、更新并让其他 Agent 参与进来 Grokbot 连上 Heptabase、Readwise 和 Todoist，用每天的记录触发讨论。 最近我高频使用 Grokbot 的 agent、ChatGPT，以及 Heptabase 内置的 agent。用得越多我越发现，自己可以在 Heptabase 里记录的内容越来越丰富。我会用 ChatGPT 和 Grokbot 分别去访问 Heptabase。随着用 Grokbot 做的事情变多，我越发觉得需要一个共享的 memory layer，而这个 layer 必然包含大量记录相关信息的笔记。毋庸置疑，我们的笔记软件就是最合适的 context layer 载体，所以我开始让 Grokbot 去访问 Heptabase 相关的 whiteboard 和内容。 这两天我在大规模、高强度地使用 Grokbot 来完成日常生活中的很多工作和讨论，在里面迭代了几个 bot，想把这些实践和体验分享给大家。 首先，我清楚 Grokbot 是一个常驻机器人，而不是像 ChatGPT 那样基于单次会话的单一聊天窗口。刚接触它时我就在思考：自己到底需要什么样的常驻机器人来辅助日常工作和生活，带来足够多的帮助？ 我最先尝试的是一个“目标导师”。我人生中有一些想要实现的目标和愿望，比如坚持运动跑步、管理好个人健康等。于是我开始跟 Grokbot 聊，把智能手表里的睡眠数据、心率数据以及各种个人健康情况等 context 喂给它，让它担任健康顾问。它的功能就是每天跟我聊，了解我的健康数据并提供指导。但我发现这并没有太大帮助，创建之后并没真正用起来。 接着我让它做我的博客助手。是的，在发布第一篇博客之前，我就尝试建一个博客机器人来帮我管理博客，简直是脱裤子放屁。这个尝试同样失败了，这也是为什么我到现在才写这篇内容，如果博客机器人真的有效，文章早就发出来了。不成功的原因在于，用 Grokbot 管理博客只能帮你讨论和构思，却不能解决实际的创作过程。 回到前面的核心主题：普通对话聊完一个就会开新会话，而在 Grokbot 里可以做到持续不间断地聊天，所以它能积累越来越多对你的记忆和了解。 基于这种认识，我开始把 Grokbot 当作一些小助手。比如针对我做的一些项目，我尝试让它追踪和管理，把它连到 GitHub 上的一个 project，让它跟我一起讨论项目的演进与更新。但我发现 no, it's not easy：我提供的信息它虽然能读到，但可能是初代版本的缘故，设定一些 automation 太啰嗦，整体表现比较呆，没什么实际意义。 我在使用 Grokbot 的第一代 use case 里，主要是把它当成一个有 long-term memory、能长期对话的 ChatGPT。 我会把公司 ERP 系统的账号和密码发给它，让它帮我做一些查询操作。当我需要了解客户订单和欠款金额等数据时，直接跟它聊天查询就行，不用自己打开 ERP。做 PPT 时，我也会把需求丢给它去搜索调研。我甚至为它录制了几个 skill，教它怎么查询系统。因为它有 long-term memory，可以总结这几个 skill 并替我干活。但除此之外就没别的了，我用得比较少，也找不到更多 use case，总觉得它挺厉害但没太多强需求。 转机发生在刚过去的周末，我开始了第二代迭代，接触到了它的 automation 功能。这个功能可以用 Grokbot 设定定时任务，我以前虽然知道，但一直没打开这方面的脑洞。 上周日，我在聊天中创建了一个 mission tracker，相当于我的“使命导师”。我现在所处的阶段比较迷茫，希望它能推动我找到使命，定期发消息跟我聊聊：“昨天你都干了什么？朝你的 mission 前进了没有？做没做什么有意义的事，还是放假在家什么都没干？” 这是我 automation 的第一版：让 mission tracker 每天晚上发消息骚扰我、逼我反省。 但说实话效果很一般。它虽然抛出了问题，但我往往不想回答。因为如果它只发一个空泛的问题，我就必须输入一大段话来回应，这种体验很不爽，人家找你聊天都是自带话题的，凭什么要我单方面输出？ 基于这个痛点，我迭代了第二版（V2）： 我让 Grokbot 去抓取我前一天在 X（Twitter）上存的 bookmarks。说来惭愧，我已经很长时间没打开 Readwise Reader 认真阅读了，但在 Twitter 上每天会存很多书签，这些内容非常容易统计。 于是我让 Grokbot 每天早上 6 点半登录我的 X 账户，去 profile 扒一下过去 24 小时存了哪些 bookmarks，阅读并整理一下，了解我最近在关注什么；然后在每天早上 8 点把它们整理成一个带有适当分组的 list 发给我。 因为我在 X 上存的内容，有时偏鸡汤，有时是 how-to，有时是故事，它们经常会触发我的一些感想。但我不可能一边刷 Twitter 一边复制粘贴到笔记软件里写 annotation，我比较懒。而如果它第二天早上主动把这些内容发给我，我就有话可聊了，可以顺手把想法丢给它，让它陪我一起梳理。 设定好这个之后，我又想到：除了回顾原文，我还可以让 Grokbot 把我在 Readwise Reader 里收藏的文章直接翻译好发给我。很多时候我收藏了文章却“已存不读”，就直接跳过了。现在我希望它把内容发到对话窗里，方便我快速扫一遍，然后直接用语音输入回复它，生成自己的 annotation 和心得感想，进一步丰富内容。 我把 Grokbot 搜集的这些数据称为 trigger（触发器），专门用来触发我的回答和表达灵感。通过不断优化 trigger，Grokbot 拥有了越来越丰富的 context。 很快我就达成了一个相对稳定的状态：它拥有访问我的 Todoist、Heptabase 和 Readwise Reader 这三个工具的权限和能力（通过 CLI、API 和 MCP 等）。 它会在 Readwise Reader 中帮我搞定英文内容的翻译。比如我遇到一篇想读的英文原文并存进 Reader，以前它只能存网页，想看中文就得在电脑端打开沉浸式翻译、等待翻译完成、再用插件存进 Reader。但我大部分时间都是用手机刷 Twitter，不可能专门开电脑去折腾沉浸式翻译，所以很长一段时间里，我的 documents 和 articles 变得非常鸡肋。虽然我有读英文的能力，但读起来真的很累，我就是不想读。 我想了一个新方法，开始让 Grokbot 去调研 Readwise Reader API / CLI 有哪些能力，发现它可以完整实现 document 的获取和导入。 于是我创建了一个 automation：每当我导入一篇文章到 Readwise Reader 时，它就会通过 Webhook 发一条消息给 Grokbot。Grokbot 收到提醒后，会调用 API 获取该 document 的元数据和原文，按照我指定的翻译 prompt 进行翻译，在本地整理好新内容，删除远端的英文原文，再将翻译好的内容重新导入 Readwise Reader。这样我平时刷 Twitter 时只需要随手保存，任何时候打开 Reader 都能直接阅读翻译好的中文版本。 接着，我通过 Readwise Reader 中的 highlights 作为 trigger 来进一步丰富流程。每天早上让它把昨天创建的 highlights 按 document 分组汇总发给我汇报。我要求它针对每个 document 发一条消息，并将其做成一个 thread，里面包含多条 highlights。我在 thread 里进行深入回复和探讨，它就可以基于指定内容去创建相关笔记并回答。 这只是一个草稿版。更进一步，考虑到 Readwise Reader 的内容都会同步到 Heptabase 中，我又做了一番调整：直接让它调用 Heptabase CLI 抓取同步进来的 highlight elements，包括我们在前一天创建和编辑过的卡片，全部作为 trigger 的一部分来进行探讨。 结合这几次迭代，我们目前的最终版本包含以下几个部分： 1. Todo 机器人（Grokbot）：每天早上和晚上分别汇报前一天的 Inbox 和 Today 中有哪些任务，陪我一起讨论整理，早上明确当天要做的任务，晚上清空 Inbox 和 Today 中的任务。 2. Read Agent：接收 Webhook 提示，将 Readwise Reader 中导入的英文内容自动翻译成中文。要求专业名词保留原文格式，且中英文之间保留空格。处理完成后打上 grokbot 的 tag 并导回 Readwise Reader。另外在每天中午我相对空闲的时候，它会发消息告诉我 Reader 的 Inbox 和 Feed 中有哪些值得读的内容，附上带跳转链接的文档标题以及中文 summarization，方便我快速筛选并点击跳转阅读，这极大地促进了我的阅读量。 3. Research Agent：任何时候我跟它聊完天，它都会按照指令调用 Heptabase CLI，在指定位置创建一个 whiteboard，把我们讨论内容的脉络整理进去。 4. Chief of Staff：每天早上发送前一天的内容总结作为 trigger，列出我前一天收藏的 Twitter、标注的 highlights、新建及编辑过的卡片。我会快速浏览并挑选有感触的内容进行回复，它则基于我的回复进一步编辑和调整对应卡片。 目前唯一的短板在于 Heptabase CLI 缺失了对 highlight 的操作能力，特别是编辑 highlight element 以及将 highlight element 放到 whiteboard 上这两个核心功能。否则，当 Grokbot 把内容发给我后，我完全可以直接回复做 annotate，由它更新调整 highlights、将我的感想转成卡片并连接到 whiteboard 上，在对应的 space 中归档脉络。 虽然现在还没办法实现这种完美的闭环，只能每天给我发汇报，但我中间尝试过一个更进阶的方案：让它每天早上生成一个以日期为标题的 Heptabase whiteboard，用名为 "X" 的 section 框住所有推特内容，若为文档 highlights 则以该文档标题作为 section 框住全部高亮。我点击链接即可跳转到 Heptabase 的 whiteboard 查看并调整。 现在唯一的痛点就是等待 Heptabase 团队完善 CLI 能力，届时整个工作流就能真正实现闭环了。 最后再分享两个我自己平时打造的 Grokbot 实现： 第一个是我们的 Health Agent。 从一开始我就给它创建并设定了一个更丰富的架构。Grokbot 的架构是不暴露给用户的，相对来说会追求减少你折腾工具所花的时间，让你沉浸在享受它提供的服务中。这带来的一个缺点是无法频繁微操，或者说微操的成本很高、很麻烦。所以我一般只查到架构级：让它把自己的架构分析汇报给我，说明有几个 automations、几个 ops 以及它自己的 [profile.md](profile.md)。如果觉得某几个标注为 suspended 的 automation 没用了，我就直接让它把相关文件删掉。对于 ops，我会提醒它在 [profile.md](profile.md) 里梳理清楚有哪些能力可供调用和整理，具体内容全部写进 ops，不要冗余重复，主要就是希望它能稍微节约 context，避免浪费。效果虽然不确定，但说了总比没说强。 目前我的健康顾问 Agent 配置分为四个模块：运动、睡眠、体检结果，以及目标追踪。上一次的体检结果我会交给它，让它按照我设定的目标去持续追踪和优化。它在 profile 里能看到这几个部分，但具体内容的讨论是分流的：跟我聊运动时，它就去查运动相关的 .md；聊睡眠就去查睡眠相关的 .md，不会全部混在一起，同时它也清楚自己整体负责这几个板块。 另外是我们的工作 Agent，我也给它分成了几个部分： 1. 日常经常要做的表格工作，单独分了一个 op 2. 读取公司 ERP 系统的数据，分了一个 op 3. PPT 制作：我每个月要做两次月度会议报告的 PPT，我把相关格式和模板提供给它后，它已经学会并创建了对应的 skill 然后再分享一个我自己实现的 Grokbot 玩法：博主 Don't be silent 刚发布了一系列开源 skills，其中像 "don't be silent goal" 这种用福格行为模型来实现的 skill 挺有意思，能帮人把目标精细化。于是我把他的 skills 仓库链接直接丢给 Grokbot，单独创建了一个 Agent 去盯着该仓库，并把这一系列 skills 全部安装下来。 我把这个 Agent 直接命名为 Don't be silent，假设它就是这位博主，放在我的 growth bot team 里。遇到我觉得适合他回答的问题，我就去向他提问，看他能给出什么反馈。 Skill 本质上就是对人的抽象与蒸馏。既然大家都在蒸馏自己、开源自己，那不妨把你觉得很厉害的人也蒸馏出来，加入到自己的团队里，让他为你打工。 --- # Heptabase As a context Layer 我用 Heptabase 做 Agent 的 context，不用 Notion。 > 很多人都使用 Notion 去作为 Agent 的一个 Context 核心，但是我不一样，我使用 Heptabase。 - 使用 Heptabase 的 tag 管理博客 - 使用 Heptabase 的 whiteboard 作为一个主题的 folder，用来收录我们的研究笔记 - 使用 TOC 卡片和 Memory Card 实现 whiteboard 中 context 的持久化同步 - Heptabase Skill Sharing --- # 我是如何使用 Heptabase 进行深度学习的 分享我使用 Heptabase 进行知识管理、深度学习和研究的方法与实践 > "将笔记视觉化的目的，是对你所学的知识建立深度理解。"——这是我在使用 Heptabase 过程中最深的体会。 如果你熟悉我的 [PKM 实践](/articles/pkm-method)，可能会好奇：有了 Obsidian，为什么还需要 Heptabase？答案在于**它们解决不同层次的问题**。 Obsidian 适合处理**线性、结构化的笔记**，而 Heptabase 擅长**视觉化、概念间的关联与整合**。今天分享我是如何将两者结合使用的。 ## 我与 Heptabase 的相遇 第一次了解到 Heptabase，是因为看到创始人 Alan Chan 的采访。他提到的一个观点击中了我： > 真正的深度理解不存在于「两本书之间的关联性」里头，而是存在于「两本书中的所有概念之间的关联性」里头。 这正是我之前的困惑——我在 Obsidian 里建立了密密麻麻的双链，但始终感觉缺少一个「全局视角」。Heptabase 的白板（Whiteboard）正好填补了这个空白。 ## 我的卡片体系 我在 Heptabase 中使用三种核心卡片类型： ### 1. 文献卡片（Literature Cards） 原始的学习资料——书籍、论文、课程、播客的摘录。 特点： - 保留原文出处和上下文 - 按章节或主题组织 - 是原材料，不是最终产品 ### 2. 概念卡片（Concept Cards） 这是核心。每个概念卡片： - 只表达一个核心想法 - 用一句话作为标题 - 用自己的话重写，引用原文支撑 ### 3. 索引卡片 相当于白板的「目录」，汇总相关概念，方便回顾。 ``` 文献卡片 → 提取 → 概念卡片 → 整合 → 索引卡片 ``` ## 核心方法：五步学习法 我遵循 Heptabase 官方 Wiki 推荐的深度学习方法，包含五个步骤： ### 第一步：记录 将阅读过程中看到的重要段落记录下来，按章节整理成文献卡片。 ### 第二步：拆解 创建白板，将文献卡片导入。从中识别核心概念，拖曳出来变成概念卡片。 关键点：**用一句话总结概念，作为卡片标题**。这样一眼就能知道它在讲什么。 ### 第三步：建立关联 在概念卡片之间画箭头，标记它们的关系。是因果？是包含？还是对比？ ### 第四步：分组 用 Section 将相关概念卡片群组起来，给每个 Section 命名。 ### 第五步：整合 将新学到的概念与过去所学的概念整合。让知识真正形成网络。 ## 原子化的力量 > 只有当你将笔记原子化时，你才能通过笔记视觉化对你在乎的主题获得深度理解。 这是最核心的领悟。 如果笔记很长、包含很多要点，视觉化带来的价值就很有限。因为你关联的是「两本书」，而不是「两个概念」。 举一个具体的例子。我之前阅读 *Mindstorms* 和 *The Early History of Smalltalk* 这两本书，它们都与「动态媒介」研究相关。我创建了一个白板，将两本书中与动态媒介有关的概念卡片都放进来，用心智图组织它们。 正是因为之前阅读时已经将知识原子化，我现在才能在做新研究时轻松复用过去的所学。 ## 颜色标记系统 我使用颜色来标记卡片属性： | 颜色 | 含义 | |------|------| | 🟢 绿色 | 已完成的卡片 | | 🟡 黄色 | 资料类型的白板 | | 🔵 蓝色 | 知识型的白板 | 这样在 Map 视图下一目了然。 ## P.A.R.A. 空间组织 我的 Spaces 分为两类： - **P.A.R.A.**: Projects（项目）、Areas（领域）、Resources（资源）、Archives（归档） - **主题白板**: 根据个人兴趣和研究方向设立 项目类和知识类的白板分开管理，更清晰。 ## 什么时候用 Heptabase？ 我给自己定了几个规则： 1. **只有深度思考时才创建白板** - 不是随便什么想法都要开白板 - 思考完后如果不需要就删除 2. **白板是思考的地图** - 每次思考的结果都添加到白板上 - 方便以后回顾和复用 3. **区分研究型白板 vs 知识型白板** - 研究型：存放项目资料、文献、想法 - 知识型：存放可复用的知识 ## 与 Obsidian 的配合 我现在的 workflow 是： 1. **快速想法 → Flomo** 2. **需要深度整理 → Obsidian**（原子笔记、双链） 3. **需要视觉化理解 → Heptabase**（白板、概念关联） 三个工具各司其职，互相补充。 ## 总结 Heptabase 让我真正理解了什么是「知识网络」： 1. **原子化**：一个概念，一张卡片 2. **视觉化**：用白板看到知识的全貌 3. **可复用**：过去的知识可以指导新的研究 4. **可积累**：每次学习都在充实这个网络 工具不是目的，让自己成为擅长学习的人才是。 --- *如果你想了解更多关于 Heptabase 的使用技巧，可以参考 [官方 Wiki](https://wiki.heptabase.com)。* --- # 如何获得人生最大程度的幸福 把满意度、金钱、复利和探索这几条笔记收在同一篇里。 1. 满意度 = 对一件事儿的渴望程度 ✖️ 获得的数量 2. 钱可以推动大多数曲线向右移动 3. 钱能推动的是人人可见的通用曲线，成就感、爱好与影响力属于要自己发现的隐藏曲线 4. 年轻时执迷于钱会把通用曲线拉满，却困在局部最优，错过本可属于自己的隐藏曲线 5. 叔本华说人生的智慧是规避痛苦而非追求幸福，因为存量积分会让人麻木，幸福只来自增量 6. 赚钱的核心是复利：在单一领域深耕，让前期积累支撑后续产出 7. 发散探索是反赚钱的，每次换赛道都会产生巨大的转换损耗 8. 不能因为发散反赚钱就不探索，发散的核心意义是打破单一闭环、开辟人生第二第三曲线 9. 单条曲线必然边际递减，到阈值后更高效的路径是开新曲线或找一条永不停止的长期曲线 10. 人生要兼顾探索与专注：用复利积累资源推动基础曲线，用发散打破闭环寻找热爱的大曲线 --- # My Toolset 我把日常放在中间的工具、Agent 和顺手的小工具记在这里。 ## Key > Tools that are more important and middle of my life. 1. Heptabase 2. Readwise Reader 3. Todoist 4. Cloudflare ## Agent 1. Grokbot 2. ChatGPT/Claude ## Tools Recomendes > small tools, easy to use and convinent your life. 1. 小鹤音形输入法 2. Typeless 3. Raycast 4. Bitwarden 5. Dia --- # 页面即房间：一篇你读着读着就动手改写了的文章 把 Realtalk 的 Claim/When/Wish 搬进一张网页：规则可读、可改、可组合。这篇文章讲动态媒介，而它本身就是一个动态媒介——读到最后，你会发现自己已经编了程。 {/* TODO: 全文散文段落均为骨架草稿，请用你自己的声音改写。结构与组件编排可保留。 */} ## 第一幕：你现在是读者 {/* TODO: 用你自己的话讲"应用与媒介的区别"。骨架论点如下： */} 大多数网页是**应用**：功能被开发者密封好，你只能沿着预设的路径点击。 而**媒介**不同——纸可以折，黏土可以捏，粉笔字可以擦了重写。 Bret Victor 的 Dynamicland 实验室把整栋建筑变成了计算机：纸张既是程序又是界面， 放上桌子就运行，谁都可以当场改写。他们管这叫 Realtalk。 Realtalk 的空间性看起来无法搬进屏幕——我们没有那张桌子。 但有一个诚实的对应物：**页面即房间，视口即桌面，滚动即走动**。 你往下读的每一步，都是在房间里移动。 比如：这句话就是房间里的第一个物件—— 它有名字，别的规则可以指认它。这正是 Realtalk 的 Claim：宣称"我在这里，我叫这个名字"。 ## 第二幕：你现在是操作者 下面是这个房间的规则清单。它们**正在运行**——试着勾选、取消勾选第一条， 然后把页面往回滚一点再滚下来，看看
有什么反应。 {/* TODO: 一段过渡：指出读者刚才做的事（开关一条规则）在传统 app 里叫"设置"， 但接下来要做的事在传统 app 里根本不存在。 */} ## 第三幕：你现在是修理者 {/* TODO: 设计一条"写坏的"规则，请读者改一个词让它工作。 骨架示例：下面这条规则的目标选错了，把词槽里的目标改成"计数徽标"，它就活了。 */} 房间里还有一个物件：一枚等着被点击的徽标。 下面这条规则本想数它被点击的次数，但目标槽选错了对象。 展开词槽，把它修好——然后点几下徽标试试。 修理即编程：你刚才改的不是设置，是程序的语义。 ## 第四幕：你现在是作者 {/* TODO: 邀请读者用"＋ 添加一条规则"写一条全新的规则， 并给出一两个建议组合（比如：每过 2 秒，让方块挪动一下）。 */} 上面任何一个规则清单里都有一个"＋ 添加一条规则"。 写一条你自己的——让某个物件在你滚动到页面一半时变色，或者每两秒挪动一下。 没有语法错误这回事：词槽里的每个选项都是合法的。 这是从 Ink & Switch 的 Embark 学的取舍：用表达力换可预测性。 你永远不会写出一条"解析失败"的规则，因为规则根本不需要解析。 ## 第五幕：刚才发生了什么 {/* TODO: 收束。骨架论点： */} 你在读一篇文章的过程中，不知不觉做了四件事：读、操作、修理、创作。 每一步的门槛都只比上一步高一点点——这就是 Ink & Switch 说的 gentle slope， 从消费者到创造者之间不该有悬崖。 "开发"与"使用"的分离是制度，不是必然。 这个网站的每个组件下面都有一个「⌥ 源码」， 这篇文章讲的道理，就是你刚刚亲身经历的事。 {/* TODO: 文末加一段你个人的邀请——为什么你在意这件事，想和什么样的人聊。 */} --- # Persuasion 我想在重点掌握说服的能力，因此我会将自己阅读学习的笔记写到这篇 article 里来。 在这里用 Markdown 写中文正文。 我希望增进自己的 Persuasion 的能力，所以我创建了这篇 article，在里面汇集整理我关于 Persuasion 相关的学习笔记。 ## 视频 ## 读书笔记 ## 思考 --- # 我的 PKM 实践：从笔记到知识网络 分享我在 Obsidian 中实践的个人知识管理系统，包含三层架构、命名规范和链接原则 > "你的笔记系统不是存储信息的仓库，而是思考的工具。"——这是我实践 PKM 多年来最深的体会。 在信息爆炸的时代，我们不缺信息，缺的是将信息转化为真正属于自己知识的能力。这篇文章分享我在 Obsidian 中建立的个人知识管理系统，核心方法论来自 Andy Matuschak 的常青笔记（Evergreen Notes）理念。 ## 为什么需要系统化的知识管理 每天我们都会接触大量信息：公众号文章、播客、书籍、论文……但大多数信息读过即忘，真正能被记住并随时调用的少之又少。 传统笔记的问题在于： - **碎片化**：笔记之间孤立存在，无法形成网络 - **难以复用**：记过的笔记，下次想用时找不到或看不懂 - **维护困难**：笔记越来越多，但质量参差不齐 一个好的 PKM 系统应该让笔记**越积越多，而不是越积越乱**。 ## 三层架构：资料 → 原子 → 索引 我的笔记系统采用三层架构，每层有明确的职责： ### 第一层：资料笔记（Material Notes） 这是信息的原始来源——读过的文章、书籍笔记、会议记录、灵感随想。 特点： - 保留原始出处和上下文 - 可能比较长、比较杂 - 是原材料，不是最终产品 ### 第二层：原子笔记（Atom Notes） 这是系统的核心。常青笔记应当是**原子化的**——每个笔记只表达一个核心想法，便于独立使用和组合。 特点： - 一个笔记，一个想法 - 用自己的话重写，不是简单摘录 - 可以被其他笔记引用和链接 ### 第三层：索引笔记（Index Notes） 相当于笔记的「目录」和「地图」，将相关原子笔记组织起来。 常见形式： - 主题索引：汇总某个主题下的所有笔记 - 概念索引：解释一个复杂概念及其关联 - 项目索引：特定项目相关的笔记集合 ``` 资料笔记 ──提取──> 原子笔记 ──组织──> 索引笔记 ↓ ↑ └────────── 双向链接 ←─────────┘ ``` ## 命名方法论：陈述句标题 命名是我笔记系统中非常重要的一环。一个好的标题应该： ### 用陈述句，而不是短语 | ❌ 避免 | ✅ 推荐 | |---------|---------| | 写作技巧 | 写作时先完成再完善 | | 复利效应 | 复利效应让小的优势不断累积 | | 深度工作 | 深度工作需要刻意练习 | ### 以概念为导向 标题应该指向一个**概念**或**观点**，而不是一个任务或项目。 ### 便于未来检索 当你三个月后搜索时，输入什么能最快找到这篇笔记？标题应该能回答这个问题。 ## 链接的艺术：密集链接原则 > "笔记之间的链接比笔记本身更重要。" 这是我最常跟别人分享的一句话。单个笔记的价值有限，但当笔记形成网络，就会产生 **1+1>2** 的效果。 ### 为什么要密集链接 - **触发联想**：看到一篇笔记，能想到相关的其他笔记 - **发现洞见**：通过链接发现意想不到的连接 - **构建视角**：不同的索引方式呈现不同的知识结构 ### 链接的实践技巧 1. **看到任何相关就链接**：不要等"完美"时机，现在就链接 2. **双向思考**：链接到 A 时，想一想 A 会链接到什么 3. **用链接代替分类**：与其把笔记放在某个文件夹，不如用链接连接它 ## 笔记的生命周期：种子 → 萌芽 → 常青 不是所有笔记生来平等。我的笔记有三种状态： ### 🌱 种子笔记（Seed Notes） 初级的、想法萌芽状态的笔记。 - 零碎的想法、待验证的信息 - 需要进一步加工 - 可能是资料笔记的摘录 ### 🌿 萌芽笔记（Sprout Notes） 已经整理过但还不够成熟的笔记。 - 用自己的话写过 - 有基本的结构 - 但还需要更多链接和补充 ### 🌲 常青笔记（Evergreen Notes） 成熟的、可以独立存在的笔记。 - 原子化的：一个笔记，一个核心想法 - 可复用的：可以被多个上下文引用 - 链接充分的：与相关笔记形成网络 ``` 🌱 种子 → 🌿 萌芽 → 🌲 常青 ↓ ↓ ↓ 需加工 整理中 可复用 ``` 笔记应该在这个生命周期中流动，而不是静止在某个状态。 ## 实践工作流：从阅读到输出 最后分享我的完整工作流： ### 1. 收集阶段 遇到有价值的内容，先快速保存。可以使用： - 稍后读工具（Pocket、Instapaper） - 微信/Flomo 快捷输入 - 直接保存到笔记库的收件箱 ### 2. 处理阶段 定期（建议每天或每周）处理收集的内容： - 提取核心想法 - 用自己的话重写 - 归类到相关主题 ### 3. 链接阶段 这是最容易被忽视但最重要的步骤： - 思考这篇笔记与哪些已有笔记相关 - 主动建立双向链接 - 更新相关索引笔记 ### 4. 输出阶段 当你积累到一定程度，写作就变得自然： - 笔记网络本身就是写作素材 - 索引笔记就是文章大纲 - 常青笔记就是文章段落 ## 总结 我的 PKM 核心原则： 1. **原子化**：一个笔记，一个想法 2. **链接优先**：笔记之间的连接比笔记本身重要 3. **持续演进**：笔记有生命周期，要不断迭代 4. **命名即思考**：好的标题是思考的开始 工具永远不是重点，重点是**建立思考的习惯**。当你开始认真对待每一篇笔记，你会发现知识真的会「生长」。 --- # 这是我们 blog 发布一篇合集的样子 这是我们写的一篇用来展示 a collection 会看起来什么样子的 demo 我在测试，写一篇 collection 文章会是什么样的？我期待的是我们可以在 Blog 里创建一个很深的，层层深入的合集文去探索和分享我们关心的一些深度的内容。 --- # Agentic 时代，软件不再稀缺 Agentic 时代软件创作廉价且极大丰富。过去软件短缺，现在最稀缺的是软件能解决的现实问题。 Agentic 时代，软件创作变得简单、轻松、廉价。极低的人力物力就能创建、更新、迭代，甚至做到极高质量。软件极大丰富，正面临范式转移。 过去几十年门槛高，软件供小于求。切中痛点的软件是短缺的。原因有两个。一是写软件难。二是懂技术的人缺行业经验：会写的不懂产品，懂产品和行业的不会写代码。两边对不上，好软件就少。 现在难点收敛到做产品。懂产品的人可以通过交互快速吸收行业经验；有行业经验的人也能以极低成本和敏捷迭代，把业务认知沉淀为产品。这会促进对各行各业的赋能。靠提供 SaaS 轻松获取超额利润的时代，已经过去。 未来软件会像汽车一样重塑协作。汽车出现前，跨省协作可能要数周数月。交通网络把各地的经济、资源、工厂连成供应链。过去缺软件，个体生产力的天花板低，像没有盔甲的步兵，只能堆人力。未来个体被软件武装，作战效能巨大，分发的边际成本几乎为零。 核心是这一句：以前做软件，是为了解决软件本身的稀缺。新时代软件不再稀缺。最稀缺的，是借助软件能解决的现实问题——医学研究、新材料与下一代电池、外太空、前沿物理与数学、更强芯片。计算机和软件从被追求的目标，回归并升格为真正的超级工具。 这篇还是草稿。论点在，展开可以再补。 --- # vibe to automate your life instead of vibe big project 做能帮上生活的小自动化，比闷头做一个大项目更值。 > It is ok to vibe big project, but vibe small projects are more sweet and give actual help to your life. --- # 在 Agent 时代，我们要做什么 智力与执行力都变得充沛之后，工作还剩下什么。 > 智力是充沛的，执行力也可以交给 AI。一个人的能力会被放大，短板会被补齐。——然后呢，what are we going to do? ## 前提已经变了 现在的 AI，几乎能做数字世界里你能想到的事。它不只是帮你写一段话、改一个函数。它可以很快帮你建立对一个领域的认识，把你不会的那一块补上。 以前，短板会挡住你。现在，短板还可以被补齐。一个人能做的事，被放到了一个以前不像是「一个人」的尺度。 How are we going to do it，这个问题也变轻了。方法、资料、实现，都可以找 AI 一起做。 真正还在的问题是：What are we going to do? What is the meaning of our work? ## 能力不再是瓶颈 当「能不能做」变得便宜，稀缺的就换成了另一面：你选择做什么，你为什么做，中间你怎么想。 AI 可以帮你快速认识一个领域。它不能替你决定，这个领域值不值得你把名字放上去。 它也不能替你留下：这个念头是怎么来的，你在哪一次转了向，你最后做成的那个东西，为什么是这个而不是另一个。 这些东西，还是得你自己做，也还是得你自己写下来。 ## 所以工作还剩下什么 我自己的答案还在想。眼下比较清楚的只有这一层： 工作的意义，从「我能做」变成「我选择做」。 选择本身，就是工作。把选择做成一个别人能看见的东西，也是工作。把过程里的想法留下来，让别人知道你是怎样一个人，也是工作。 这就是我还要写博客、还要把项目写下来的原因。Agent 可以放大我，但它放大的，应该是我真正要做的那件事。 --- # 说服力的目标是改变他人的行为。 草稿摘要，发布前改成可检验的陈述句。 在这里用 Markdown 写这一页。 --- # Aletheia 英文阅读时的语境查词与复习 Aletheia，意思是「照亮」——像灯一样点亮阅读时的困惑和迷茫。希腊语词根也常被译作「去蔽」。这是我做的第二个项目，核心是在英文阅读时进行查词；它也是我对「研究与分析工具」的早期实验——在长文里划词、高亮，把生词摘出来生成可复习的卡片。 ## 非侵略性的查词 查词的交互没有侵略性，做得相对简洁，不会剧烈改变阅读样式，不会搞出五六种颜色标注把注意力全吸走。传统词典可能给出 5 到 10 种含义，用户需要自行匹配，这对阅读过程是巨大的阻力。 我们调用 LLM，将查词所在的上下文发送给 AI Agent，让其返回相关的语境含义——结合 context 查询单词在语境中的含义，而不是调用传统词典。 ## 查词后的复习 查词后如果不复习，效率很低。因此又做了一个简单的复习模块，复习交互直接引用了第一个项目（创客计划）中使用的左滑、右滑、上滑、下滑等手势，实现了复用。 这条 **highlight → 结构化 → 卡片** 流水线没有留在草稿里，而是在 [Trace](/projects/trace) 中被收敛成独立产品。Aletheia 是实验室，Trace 是产品。 --- # Chunk 面向海量笔记的内容组织系统 Chunk 是一个内容组织系统的实验，探索当笔记数量增长到数千条之后，如何依然保持「越积越多，而不是越积越乱」。 它在数据模型上继承了 [Networks](/projects/network) 的卡片范式，在入口上吸收了 [Robert](/projects/robert) 的低摩擦捕获——当卡片涨到数千条，结构还能撑住吗？ 它与我在 [PKM 实践](/articles/pkm-method) 中写到的三层架构一脉相承。Chunk 不是从零发明组织方式，而是把已经在 Network 里跑通的卡片单元，推到更大的规模。 --- # Craft Space 工作空间管理与生产力工具集 Craft Space 是一组围绕「工作空间」展开的生产力工具实验——如何让一次深度工作所需的一切（资料、工具、上下文）一键就位。 --- # Deeptalk AI 驱动的对话与学习助手 Deeptalk 是一个 AI 对话与学习助手的原型，探索「对话」作为深度学习媒介的可能性。 --- # ethanchang.io 你正在体验的这个超媒体容器 这个网站本身就是一件作品——不是列表里的又一张卡片，而是展示所有实验的容器：把文字、演示、规则玩具和**软件级交互**组织在同一套媒介引擎里。 它不是博客：文章只是它承载的媒介档位之一。它更像一个可以持续加功能的软件产品。 ## 技术架构 - **框架**：Astro 5（islands 架构 + MDX 内容集合） - **交互岛屿**：Svelte 5（runes） - **滚动叙事**：GSAP ScrollTrigger - **样式**：Tailwind CSS v4 设计 token - **部署**：Cloudflare Pages。D1 和 KV 已经在跑。账户那一层接过，导航上不再放登录。 想知道它是怎么工作的？到 [/lab](/lab) 看全部媒介组件的现场演示。 --- # 创客计划 极简、易用的复习卡片编写与复习软件 我的第一个软件项目。动机很直接：市面上流行的复习软件要么噪音很多、界面不干净，要么功能实现得很糟。 所谓「不干净」，指的是 UI 非常凌乱，复习功能不是一等公民，而是被隐藏在二级入口。复习时常常要求你先选择要复习的 deck，而不是直接开启一天的复习——这会产生很多阻力和噪音。编辑卡片的编辑器也做得很拧巴，功能不够强大和完善。 ## 我想做好的事 **卡片编辑器**应支持： - QA 卡片的闭合挖空 - 图片支招挖空 - 遮罩文本挖空：将不同的支招块合并为同一个复习内容，合并成同一个复习的遮罩块后进行回忆；每一次回忆时将其他支招块隐藏——即「hide one, test all」与「merge different clozes」。这种能力在很多编辑器中都没有实现 **批量导入**：做好单一输入后，能够一次性导入大量 flashcard，像写笔记一样编写复习卡片，并将它们合适地归类到内容中。 我想把它做成一个极简、易用的小软件。 --- # Robert 带 robert agent 的个人上下文管理器 我的第四个项目。名称来自「管家」——我想让它做我们的 personal context manager。 与桌面端的 [Networks](/projects/network) 并行，Robert 把**语音**放在第一入口——受 flomo 启发，但记录的摩擦力更低：语音进来，Whisper 转写，再落成块级卡片。记录越容易，捕获的想法越多。 它和 Network 一个管口袋、一个管桌面，却在同一条线上：都在问怎样让知识以**块**的形式流入系统，而不是以文档的形式堆在文件夹里。这条低摩擦捕获，后来被 [Chunk](/projects/chunk) 吸收。 ## 结构设计 笔记结构沿用 Networks 中的设计：一条笔记可以有多个 parent card，每一条笔记既是一个 folder 也是一个 document。它既可以用来存储笔记内容，也可以用来导航、探索并找到笔记。 ## robert agent 多个 parent card 过分灵活：如果由用户手动匹配这些 parent，就相当于原来只需要给一条笔记找一个 folder，现在需要找多个 folder——会带来非常大的阻力和使用疲惫。 因此我们引入了 robert agent，尝试创建一种异步 agent 确认机制，跟用户达成哪些内容需要保留和不保留的共识。设计的思路是：每天晚上 agent 会获取一部分用户给定的 context，结合它已知的信息进行结构探索。比如用户原来就有一些编程笔记的 card，今天写了 5 条编程心得，agent 读完后会想到以前创建的「编程笔记」，然后发送一条确认：是否要将这 5 张卡片连接为「编程笔记」的子卡片。 --- # Networks 卡片既是文件夹也是文档的笔记工具 我的第三个项目。简单来说，我希望把它做成一个 Heptabase，但每一张卡片的能力都被强化——既可以作为文件夹，也可以作为文档。规划中有 5、6 种不同类型的卡片，包括 Excalidraw、Whiteboard、普通卡片等。 这也是我第一个认真**发布**的桌面笔记工具。核心赌注很简单：重度写作者愿意为了速度，把双手永远放在键盘上。整款产品围绕**卡片**组织——每张卡片是一个独立的 Markdown 单元，方向键在卡片间跳转，Enter 进入编辑，Esc 保存退出。这不是装饰性的「卡片 UI」，而是内容的数据模型：笔记天然被切成可搬运、可链接、可重组的块。 它验证了两件事：卡片作为内容单元是成立的；键盘导航可以覆盖从浏览到编辑的完整闭环。后者后来被 [Chunk](/projects/chunk) 直接继承。 ## 为什么停下来了 我发现自己的开发过分发散，直接做崩溃了。以当时的精力与时间，只能支持做好一个单一的 card + folder 机制；而完整愿景的难度要大得多，必须将多种卡片类型与 folder/card 机制统一协调——这超出了我当时的承载能力。 项目暂停，但「一条笔记既是 folder 也是 document」的结构设计，延续到了后来的 Robert。 --- # Trace 带学习能力的 agent 阅读聊天器 我的第五个项目。功能与定位是一个 agent 阅读聊天器，但又结合了学习能力。 ## 三个核心能力 **1. 子 thread 聊天** 它是一个 AI chat 软件，但支持子 thread 能力——允许你在聊天中开启新的分支，保留清晰的 context，轻松深入任何你好奇的领域。 **2. highlight → flashcard** 它是 agent 辅助的 flashcard 软件。当你阅读了好奇的内容，将想要学习与记忆的内容进行 highlight，agent 会为你的 highlight 生成 flashcards。 **3. 语境生词卡片** 因为我想阅读英文内容、直接学习原文，所以引入了 Aletheia 中做过的生词卡片能力：它能结合 context 查询生词的语境义，并且允许收藏生成单词卡片复习。 Aletheia 是实验室；Trace 把那条 highlight → 结构化 → 卡片流水线，打磨成专注阅读场景的独立产品。 Trace 把前面几个项目的脉络收拢在一起：创客计划的复习交互、Aletheia 的语境查词、以及 agent 驱动的阅读与学习流程。