引言：何为知识管理#
知识管理是一个相对冷门的词汇。倘若说起记笔记，每个中国学生应该都不陌生，这是一个从小到大都会被要求去做的事情：上课要记笔记，读书要做笔记，看完电影最好也记下来以免后面作文出相关的题目。
但记笔记并不等同于知识管理。
笔记只是个人知识管理系统中的一种载体，而不是知识管理本身。我们真正想解决的问题，是如何在一个足够长的时间尺度上，形成、保存和发展自己的理解，并让这些理解最终参与学习、判断和创造。
从这个视角重新看记笔记，会发现它只覆盖了知识管理流程中的很小一部分。
一篇文章读完后摘录了几段文字，一节课结束后整理出了十页笔记，这些都只能证明信息被记录了下来。之后是否还能找到它，能否理解它为什么重要，能否与已有知识产生联系，半年后自己的理解发生变化时是否会重新修改它，以及真正遇到问题时它能否重新进入思考过程，都是另外的问题。
很多笔记最后都会经历类似的命运：认认真真地记下来，然后再也没打开过。
我从高中时就在思考如何解决，我先后用过印象笔记、飞书云文档和 iPad 上的手写笔记。我得出的结论是工具并不能解决这个问题。我在上面提到这是一个系统，如果我们最初就只关注整个系统中的一部分，那系统上的缺陷是不能只通过工具来弥补的。
这篇文章我想从系统的角度来思考知识管理，去引出我的一些想法，最后落到 AI 带来的变化上。
从方法上升到系统：如何理解知识管理#
《系统之美》提出了的系统观是：系统是一组相互连接的要素，因为这些连接而共同表现出某种功能。
可以把这个定义简化成四个问题：
-
系统中有哪些要素？
-
这些要素如何相互作用？
-
这些相互作用长期会产生什么整体行为？
-
这些行为最终指向什么目的？
用这四个问题重新看个人知识管理，很多原本混在一起的概念就会自然分开。
传统的个人知识管理系统至少包含三类基本要素：人、外部信息和知识载体。
人不必过多解释，是系统中所有行为的主观发起者。
外部信息是书籍、论文、观点等等想要吸纳进系统的内容
知识载体是笔记、文件夹、标签、双向链接、知识图谱等用来承载知识的
它们之间发生的活动，大致可以分成五类：
-
获取：把外部信息带入自己的知识环境。
-
加工：从信息中形成自己的理解，而不是简单复制原文。
-
组织：让不同的理解之间产生结构，例如分类、建立关系、形成某个主题的脉络。
-
调用：在新的问题出现时，让过去积累的知识重新进入当前思考。
-
行动：让知识最终参与写作、学习、判断、决策和创造。
一个好的知识管理系统应该是一个不断循环的过程：
信息进入系统，经过理解成为自己的知识；知识在长期积累中形成结构；当新的问题出现时，过去的知识重新被调用；使用知识的过程又会暴露新的问题，从而促使人继续学习、修正和重组原有的理解。
知识管理因此天然带有反馈。
我们读书并不是为了把一本书完整地塞进笔记软件里。恰恰相反，一篇文章、一场讨论甚至一次失败的实践，都可能让我们重新修改几年前留下的判断。
系统真正保存的，并不只是“我过去看过什么”，而是我的理解如何随着时间持续变化。
基于系统角度的思考，我有两个核心的观点。
第一个是：个人知识管理不存在脱离个人目标和习惯的全局最优解。
《系统之美》书中有几个偏哲学的表述，比如：
- 系统是动态的
- 系统不存在一劳永逸的最优设计
- 好的系统应该能够演化
我把套到个人知识管理领域，我觉得就是尊重差异性，尊重自己和别人的差异，也尊重今天的自己、昨天的自己和明天自己之间的差异性。
社区中有喜欢钻研的，去设计各种复杂的工作流；也有尊崇大道至简只用记事本。这些行为都是他们总结出最适合他们自己的，但是不一定可以硬套到我们自己身上。
此外就是自己所设计的知识系统，也会伴随个人的成长、需求的变化而有所改变。
比如我高中时代用印象笔记去管理我的知识点和错题就足够了，但是大学期间我需要更好用的绘图工具，于是就转向了飞书云文档。现在我需要借助 AI Agent 的能力，于是我开始使用基于本地文件目录和 md 格式的 Obsidian。
第二个观点是：不要让已有工具决定我们对知识管理问题的想象。
过去的十多年间我们经历了一次从纸质笔记到数字化笔记到转变，未来一定还会经历一次 AI 化。
我们现在保留的很多习惯其实是纸质时代的局限性导致的，比如纸质笔记一条内容只能写在一个地方，想找到以前记过的东西只能靠目录和索引，所以我们很自然地会思考“这条笔记应该放在哪里”。到了数字时代，搜索、标签和链接让一条内容可以有很多种组织方式，这时候再花大量精力设计一个绝对正确的文件夹结构，可能就没有过去那么重要了。
进一步地想，当我们迁移到一个基于新技术的媒介时，不需要把原来的做法一并迁移过来，那相当于用 Java 的思维写 Golang。可以重新想一下：如果没有过去那些限制，我真正想要的知识管理是什么样的？不从现有功能和组件出发，而是从问题出发。
这点正是 Obsidian 的创始人 Erica Xu 和 Shida Li 做到的，他们认为现有的 wiki 类笔记工具不好用，于是自己做了当今最好用的笔记软件之一。
AI 带来的改变#
在传统的知识管理中，人是唯一一个具有主观性的要素，但是 LLM Agent 展现出的能力，使得它们可以成为系统中第二个动作发起者。
我把知识管理系统中的要素相互作用分为五类：获取、加工、组织、调用和行动。
这五类相互作用都可以引入 AI 形成更多丰富的相互作用。
过去需要人来阅读从书本中提取知识并记录，现在 AI 可以完成读书，按照规定的读书方法去摘录出所需要的内容。人阅读后完成的摘要也可以由 AI 去审阅和校验。
过去人工维护的知识管理系统需要担心数据量增长后的腐化问题，现在 AI 可以介入参与维护。还可以超出人的思维方式，去建立跨界的连接，将知识串联。
最值得思考的是调用和行动部分。
过去我们建立知识库，本质上是在为未来的自己保存一份外部记忆。今天记录下来的内容，可能在几个月后写文章、做项目或者遇到类似问题时再次被搜索出来。无论工具如何变化，知识的使用者始终还是自己。
AI Agent 使得个人知识第一次可以不经过人的阅读，直接被另一个智能参与者调用，并进一步参与思考和行动。
以现在的技术视角来看，可以将一部分知识 skill 化。
比如我长期形成了一套处理数据的方法论，与其把它们散落在几十篇笔记里，不如进一步整理成一套完整的方法：什么情况下应该调用哪些知识，先看什么，再看什么，遇到什么问题应该如何判断，有哪些过去踩过的坑。以后当 Agent 帮我处理类似问题时，它调用的不只是几条相关笔记，而是我过去逐渐形成的一整套解决问题的方式。
个人知识正在从只供自己阅读的外部记忆，变成能够被其他智能参与者调用的认知基础设施。
Next Reads
