Writing

我覺得這樣子體驗很好，雖然是簡化、摘要後的內容，但實際上卻增加了我的閱讀量。我甚至不太在意產出的摘要是否有幻覺或者誤讀，對我來說那是可以容忍的錯誤空間，因為現在的模型已經好到八九成以上的內容都沒什麼問題，而且我也是基於原文生成，而不是請他搜尋或依照訓練的資料生成，這也讓幻覺的比率降低了不少。

我覺得如果工作或生活上需要大量、頻繁的快速搜尋正確資料，那麼使用 Perplexity Pro 的 Research 功能可以得到很不錯的結果。假設沒有這樣的需求，那麼同樣的錢拿來訂閱 ChatGPT Plus 並使用 o3 + Deep Research 應該更划算。假設有深度研究的需求，則不用考慮，訂閱 ChatGPT 就好。

這些都不直接等於「更好的體驗」。好像沒有遇過哪種狀況是廣告帶給我更好的體驗，特定少數廣告可能有讓我覺得有趣、新鮮、學到東西，但那也不是整體的好體驗。

我預期隨著 AI 功能愈來愈強，會用 AI 做的事也會愈來愈多。但我也認為，即使 AI 變得再強，有些事我還是不會用 AI 來完成。

我自己覺得這樣做比起傳統透過「開信率」來追蹤與退訂的作法更好，原因有兩個：1. 很多注重隱私的信箱服務會擋掉開信這類的追蹤，因此有可能有讀者有在讀，但是從發信者的角度來看這個人完全都沒有開信，結果就被誤刪了。2. 比起你不一定會知道的開信率追蹤，主動點擊「已讀」更像是個積極同意續訂的告知，我覺得更符合我的價值觀。

我發現在 Blog 頁面留下來，捨不得丟入歸檔區的，都是那些我還感興趣的主題。這些文章大概只佔原本一半不到，但我現在反而更有動力重新編輯整修他們。

這篇想簡單介紹昨天我跟 Claude 協作的一個小工具，準確來說是一個 Keyboard Maestro 的腳本，它的用處是可以在 Mac 任何可以複製貼上文字的輸入框，都能呼叫 OpenAI 的 API ，根據你設定好的 prompt 去處理文字。

藉由這次的機會，我有意識到研究所與指導老師對我最大的幫助之一，就是不斷地訓練我「提問、限縮範圍、回答問題」的能力，這樣的能力不會有什麼證書去認證，但對我後來在工作上或者跟 AI 的互動上都肯定有幫助！

透過前兩個步驟產出的原子卡片有點像是空有標題，但內容還不明確，為了讓現在與未來的我更容易理解，我就反過來丟給 o1 Pro 產介紹文章，這時他就會擴寫標題，並且提供對應的案例。最後，我會再回到原本的卡片，把 ChatGPT 產的說明與案例補充進去。這時我就有了一個有豐富內容的「卡片起點」，可以讓我未來持續擴寫、改寫與補充我自己的案例。

雖然對 R1 的表現沒有想像中驚艷，但這次測試仍有很多很重要的收穫，第一個是我發現，原來要在自己電腦上運作一個本地模型竟然這麼簡單，這讓我開始想要到處測試各種不同的模型效果了，真有趣。為什麼我之前從來沒有想要這樣玩過呢？感覺好像是因為「覺得他們不夠強，所以用 ChatGPT 訂閱版就好」，但這次體驗後我覺得，即使比不上 ChatGPT 訂閱版，也應該要試著幫本地模型找找看適合的使用情境才對。

在 Heptabase 中思考這些東西的過程非常愉悅與沉浸，我開始期待運用這組精煉過的「思考與製作卡片原則」們再去提煉我存下的各種不同領域的文章段落，產出更多卡片！

「用英文寫筆記、做卡片」是個我一直在猶豫要不要做的事，想要做的原因主要有兩個，第一是因為我閱讀的很多資訊都是英文資訊，許多單字翻譯成中文後就會感覺怪怪的，我希望我寫的東西能夠更貼近原始的文字。第二個原因是我希望更加強我的英文寫作與口說能力。這兩項一直都是我比較弱的能力，尤其是口說。前幾個月有上了幾堂線上課，我發現我的問題好像在於字彙量不足，導致我即使知道我想講什麼，但就是講不太出來，因為腦中一直在想辦法翻譯、想辦法找出那個字。

我原本覺得我會順利付費，因為這幾乎就是我想像中的那個產品，但過了幾天我發現，不行，還是太麻煩了。我光想到要為我已經認識的人與未來可能認識的人都建立 contacts ，我就覺得好累，想放棄了。我再想到如果每次跟這些人的互動都要記錄，那真的好累，不行，我肯定做不到。

這兩個契機都指向「要多與人交流」這件我並不特別擅長的事。那麼，有什麼事是我擅長，又可以達到類似效果的呢？我就想到了一對一文字諮詢這個方案。

除了 Snooze 以外，email 這種古老協定的一些機制也很符合我的需求，例如可以存圖片、可以留下時間戳記、可以從不同地方都很容易地傳內容進來，這些都讓我覺得「對了，就是這個」。

在短短幾個小時的使用時間內，我只要出一張嘴，跟 Cursor AI 講我的需求，並指定我覺得他需要參考的程式碼檔案，它就為我解決了好幾個需求、改了一些我以前不知道怎麼改的地方，還幫我微調了一些設定。體驗真的很棒。

我覺得這樣不太好，因為這些直覺或衝動沒有一個固定的標準，也欠缺合理的理由與資訊，常常需要花時間回憶與思考「我以前為什麼要追蹤這人？」「我現在真的要退追蹤嗎？」這些思考有時蠻花時間，也沒有實質意義。

對我來說，光是命名為「電子報」或者「信」，就會在動機面產生巨大無比的差異，後者讓我覺得分享起來更自在，因此也更能夠持續產出。

本次電子報想分享兩篇文章的閱讀心得，我覺得兩篇雖然講的是不同事情，但背後有個相近的概念是：讓你在職場上的協作對象清楚地知道你想幹嘛以及你在幹嘛。

這篇文章對我的幫助很大，它提醒我幾件重要的事：1. 將複雜的知識打碎成許多原子化的概念，是建立深度理解的必要條件。2. 將概念建立成「原子化」的卡片並不代表這張卡片只能有「短短的內容」，而是在於整張卡片的各項論點都只用來支撐這個概念。3. 每張原子化的卡片、以及對應的 Section 群組，都要認真地命名，目標是用一句話講出這張卡片的核心概念，讓未來的自己一看到，就能理解這張卡片或這個群組在講什麼。

這些核心的概念再進一步收攏歸納後，共通點是，我在使用 AI 工具上可以更有效率。我不會因為用了某工具反而做得更差、我也不會迷失在萬千 AI 工具裡面不知道接下來要幹嘛、該選哪個用。

從 ChatGPT 問世後，我一直深刻感覺、也很認同，生成式 AI 是在為我賦能。以 ChatGPT 來說，他讓我用更少的時間做我原本就會做的事、讓我更容易做到我原本不會做的事，也讓我把我原本就擅長的事做得更好。

整個過程測試下來，我發現目前若要大量串接使用 API 協助我，「prompts 的設定方式」還是很重要的，不僅可以更有效率得到自己想要的內容，也可以省下寶貴的 tokens 。但更重要的應該還是釐清自己的需求是什麼，先有某個很想要解決或尋求幫助的任務，再來考慮如何請 AI 幫忙，就會更省力也更容易達成目標。

我覺得「脈絡問題」與「把握度問題」，在我身上造成的影響主要是浪費時間，我必須反覆重新對話以取得符合上下文脈絡的回答，我也必須花額外的時間去驗證不熟悉答案的正確性。這些都會降低我的使用效率。

Substack 的問題在於它讓寫作者無法選擇「不追蹤讀者」；另一方面，它也讓讀者無法選擇「不被追蹤」，假設有任一方可以行使積極同意權，我覺得對我來說都很好，但 Substack 沒給大家這樣的選擇機會。

這篇文章會依照使用的情境與工作流，把工具分為三大類別，分別是「個人知識管理」、「內容輸出與分享」與「工作記錄與溝通」

在某些新選擇出現後，我有了更好的解決方案，不再需要他們。這對我來說好像是很自然而然的一件事，也持續因為這個嘗試與改變的過程讓自己的工作流越來越穩定、越來越能發揮作用。

2022 年是我分享地最頻繁的一年，也是最無壓力的一年，我感覺關鍵有兩個，一、我真心認可「不成熟的隻字片語也有價值」，因此願意把很多不成熟的東西都丟出來。二、我持續從分享中得到正面的回饋，無論是觀看、按讚、分享數，或者是其他人基於我分享的話題而分享給我的新東西、新想法，都讓我更願意分享。

在命名的架構裡面，時間是一個通用的單位，能讓這件事情可以跟其他事情產生比較的維度。動詞是為了讓自己更快進入執行的狀況，避免陷入「好像不知道該怎麼著手」。而任務範圍則是給自己及協作者的條件限制，讓自己不會陷入無止盡的查找與研究中。

Twitter 上面可以匿名，可以鎖帳號，完全不用管現實生活的「關係」，而能基於自己真正感興趣的內容去追蹤以及維護動態牆，藉此持續汲取自己有興趣、可能會喜歡的內容。

Heptabase 對我來說是當前市面上最符合我需求的「個人知識管理工具」，無論是拿來做筆記、思考、或者是學習新知，它在「輸入、處理、輸出」這三個讓「資訊」成為「知識」的不同階段上，都表現得很好，而且越來越好。在用了 Heptabase 之後，我一直感覺到自己有種被「賦能」的感覺，因為使用它，而產生了更多的可能性與收穫。

就這樣一個牽一個，我不知不覺地接觸到了許多之前從來沒聽過的服務或軟體。很神奇的是，這些工具彼此之間通常整合度還很高。也就是說，一整套一起用，用起來更順手。