最近幾天我持續在體驗 OpenAI 的 Deep Research 功能，也持續在分享心得。今天在 Twitter 上面有個人回我：「發現以後不用記筆記、整理筆記了。你要失業了😂」
我感覺他是友善的想開開玩笑，因為這確實是個直覺上容易產生的想法：「當 Deep Research 這麼容易就能產生高品質的內容，我們為何還要學習？或者說，為何還要透過 Heptabase 學習？」
在高強度體驗了目前最強的 Deep Research 與 o1 Pro 後，我目前的想法是，我還是需要學習，而且 Heptabase 就是目前最適合搭配 ChatGPT 與其他大型語言模型的最佳夥伴。
為什麼我還是要學習？
這些越來越強的 AI 給了我無窮無盡的高品質資訊，但即使有了這些資訊，我還是需要學習怎麼去彙整與汲取其中的知識，我還是需要學習怎樣應用這些知識來解決問題；假設接下來 AI 也可以介入解決問題，我還是需要學習怎樣判斷 AI 是否有正確解決問題、是否有使用最有效率的方式解決問題；假設 AI 這一切都做得很好，我更想做、更想學的事情是，能否創造全新的問題給 AI 挑戰解決。
這些都需要學習，而且我感覺迫切度與強度比以往更高，比方說幾年以前可能是只要學會下 prompt 指令讓 AI 產出的文字「更好一點」，接下來要學的可能是監督指揮 AI 規劃與執行非常多的複雜任務，如果我對於這些「要做的事」毫無理解，就不可能有辦法指揮監督，因此我需要學習。
為什麼我需要 Heptabase 幫助我學習？
這幾天下來我已經累積了數萬英文字的高品質資訊等著我消化，我也知道我只要花上幾分鐘，又可以繼續有一萬字的高品質資訊，而隨著我產出越多高品質資訊，我想知道想學習的東西就變得越來越多，我已經累積了數十個想要請 Deep Research 產出內容的問題意識準備要問他，在這個過程中，我大量用 Heptabase 來消化、處理、理解這些高品質資訊。
Heptabase 的白板功能可以幫助我同時放置許多資訊；Heptabase 的卡片功能可以幫助我把複雜資訊建立成一則又一則的原子知識卡片；Heptabase 的心智圖功能可以幫助我迅速將原子資知識卡片整理成邏輯樹狀圖。我發現，自從 Deep Research 推出後，我每天專注使用 Heptabase 的時間可能從一小時左右暴增到三四個小時，如果沒有工作的話肯定還會用更多，因為 Heptabase 就是目前我用過最適合拿來整理、拆解、消化複雜資訊的軟體。
我總覺得如果我沒有很有意識地去處理，那麼 Deep Research 產出的內容也只會跟無窮無盡的 wikipedia 與網路文章一樣，成為我「知道在那邊，但沒什麼動力去消化」的內容，但我發現 Deep Research 的內容比維基更好讀、更客製，加上更貴，所以我有種動力去認真處理他們，而 Heptabase 是我現在覺得最適合搭配的夥伴。
未來是否會有某一天，ChatGPT 也建構出了更容易讓我學習的環境？我不確定，我猜有機會，但在那之前，我會繼續用 Heptabase 累積資訊與學習他們，這件事讓我感到非常過癮！