個人知識庫各家有各家強項，非要選一個嗎？ AI知識庫 能不能讓我們不用選擇因為全都有？
不論是學烘焙、外文，或是 AI，你是否曾經從零自學一門知識？
我自學 Python 數據分析時，先去網上找大神提供的「攻略」，然後雄心勃勃照表操課，結果是：
- 攻略之間差很大：不只內容不同，而是人人重點不同，我自己做統計表，像請大神投票一樣列出我的攻略，實做發現也不對；
- 「重要基礎」可跳過：統計學、線性代數、微積分是 3 大必要基礎？狠 K 統計學課本兩週後，發現大神已寫成 Python 函式，會套函式即可！
- 「重要技術」可跳過：都強調 SQL 重要，買了 IBM 線上課程兩週拼命完成，後發現 Python 裡用的機會極稀少，而且並不鼓勵這樣用！
是大神的攻略出錯了嗎？
我是「實用學習」主義者，只想掌握技能。如果為了考證照、求職或入學的「學術學習」，學半年一年不怪。但學術學習很容易難倒自己，最後就算沒放棄，要應用時還是要「實用學習」一次，把大堆頭的知識「忘招」！
本文目錄
索引，網狀或樹狀？
老師會提供攻略（或叫講義、學習地圖），它就像書籍目錄，分部、章、節、段…，排放整齊的樹狀架構讓人心安。
攻略是「自上而下的分類法（Top-Down Classification）」，生物學家把生物分類成：界、門、綱、目、科、屬、種，把所有生物畫成一株大樹，每種生物都可以分到一個位置，這就是一種「索引」，索引是這門學問的分類結構，同時讓你能找到相關筆記。
寫樹狀索引要開「上帝視角」，生物學家知識淵博，看過各種生物，所以能分類。
但有時候非自學不可，從零開始，就失去上帝視角，有幾種情形：
- 冷門到找不到攻略：例如想在臺灣學秘魯料理、印地語，根本找不到人教，沒有攻略只能自己摸索；
- 發展太快還沒攻略：像區塊鏈、AI，剛開始沒人懂沒有攻略，漸漸有人開課，但很抱歉，這種以「日」為迭代單位的知識，結業那一瞬間攻略就過時了，最後還是得要自己整理；
- 沉迷自學破關多巴胺上頭：例如我自學慣了，搞懂一件事會狂喜，去上課就少這點多巴胺！
小學生硬要畫樹狀索引，八九成是猜的，越用功填滿每根樹枝，錯的時候就更慘！假設剛開始生物學家把蜘蛛分類到昆蟲，後來蜘蛛被分到節肢動物，於是要改 1 萬筆記錄，真是苦工。
學習者只能把資料、筆記、圖片都塞進一個檔案夾，等進入狀況，就可以靈活移動、修改、串接，這是用「自下而上的探索法（Bottom-Up Exploration）」，這就是「卡片筆記知識庫」（Zettelkasten）的功能，它讓文件互為對方的索引，就像用線串起資料，想起一部分能沿線頭找到。
這種方法，整理資訊碎片，對發展太快的領域特別好用，用久了你就是寫出攻略的大神。
不同的學習法有不同工具
樹狀或網狀，筆記要有索引。
如果你是大神，你需要一個 Top-down 工具，如 Notion，它的資料庫很容易變成像書的目錄，每個目錄打開再加一層，最後你有一套完整的樹狀索引。另外 Evernote，或 Apple 內建筆記 App，都是這種哲學的產物，當然心智圖（Mind Mapping）是代表作。
Top-down 工具也不是不能寫 Bottom-up 筆記，就很吃力，我曾用 Notion 自製 Zettelkasten，但看到專業工具就果斷放棄。
專業的 Bottom-up 筆記軟體，多可實現 Zettelkasten 觀念，如聲量最大的免費軟體 Obsidian、開源軟體 Logseq、學術圈常用的 Roam Research、新創瞄準學習者的 RemNote，或台灣之光 Heptabase 等，它們都可以建立 Bottom-up 的知識庫。
Zettelkasten 知識庫的搬家非常困難，一篇篇筆記可以存檔輸出，但標籤、連結、參照… 等功能，經我測試搬家後多數丟失，如果你有幾千篇筆記，而且你很依賴它們，那搬家後花半年整理並不誇張。
所以，有些考量要先想清楚。
很久以前我就寫了《個人知識庫 軟體怎麼選？》分享如何選擇筆記軟體的個人見解，經過這麼久有新體會，本文是補充版。
存資料庫還是檔案？
相較於專家才能寫出的樹狀索引（目錄）可以簡單印成幾頁紙，自學者的 Bottom-up 筆記叫做「網狀索引」，它不像樹狀索引放在固定位置，要很容易更動，不然就不能配合你的知識成長變化，技術比樹狀困難。
我主力工具是 RemNote，但曾在《這篇文章》試用 Logseq，那時覺得兩者很像，都用點列（Bullets）和內縮（Indents）的 Outliner 整理邏輯，於是有一陣子 RemNote 開發受阻時，我轉用 Logseq 一個月，才發現外表雖然很像，但技術差別導致性能天差地別。
最明顯的差異是 Obsidian 和 Logseq 用 Markdown 「檔案」儲存筆記，打開檔案夾會看到每篇筆記有一個檔案，用越久檔案數量越多。而 RemNote 用「資料庫」儲存，同步檔案夾隱藏起來，如果你打開會發現就算你有 5000 篇筆記，卻全部存在幾個檔案裡。
這讓兩者性能差異巨大。
無法層級搜尋
RemNote 有一個好用功能叫「hierarchical Search」（階層式搜尋），想起上一層筆記標題，就可以展開找到下一層，對記性差的人太方便了。
李阿祖經過 5 代，家族有 1000 個子孫，你要找你的同學李小明，就算忘了名字，可以往上、往下找到他爸爸、妹妹、叔叔的名字再找到他；就算有很多個同名同姓，看他在家族樹的位置就知道是不是你的同學李小明。
因為 RemNote 每段文字都記錄在資料庫，就像「戶政事務所」登記了每個孩子的「身份證字號」和「爸爸的名字」，找一個名字，就能列出家譜，這就是層級筆記。
階層搜尋很容易，它原本就是按照 ID 和 Parent 關係組成頁面的。
Logseq 就沒有這個功能，Obsidian 也沒有，用檔案儲存的軟體沒有「戶政事務所」，它有層級筆記，也有親屬關係，卻沒記錄 ID 和 Parent。
就算有強大搜尋引擎，就算用關鍵字搜出 5000 個姓李的人，沒親屬關係不知是不是李阿祖的後代，你記性要很好，因為不記得李小明的全名就找不到你同學。
嵌套引用受限
RemNote 的說明文件老強調「RemNote 裡的一切都是 Rem」，到底想說什麼？是 Rem 又如何？我就是要叫它「段」會怎麼樣？用 Logseq 才知道這個設計概念之妙。
Logseq 基本單位是檔案，例如筆記《資料庫 or 檔案》會存為一個「資料庫 or 檔案.md」檔，如果這篇筆記參照了《資料庫》和《檔案》兩篇筆記，就是從「資料庫 or 檔案.md」建立了到「資料庫.md」和「檔案.md」的超連結。
檔案下還有「段落」，因為通常會參照文章的一段而不是全文。
在資料庫中，要參照誰就無腦連過去，可以無數層；而檔案就要考慮要連到檔案還是段落（兩層）？你習慣也好，但這種架構會造成嵌套問題。
當習慣了分層點列整理邏輯神器後，層級會越用越多，如果 A 筆記引用了一段 B 筆記，而 B 筆記中有一部分從 C 筆記引用過來… 就像俄羅斯娃娃那樣層層嵌套，對 RemNote 完全沒影響，只要改變「parent」就好了，但 Obsidian, Logseq 就變成檔案中套檔案再套檔案再套檔案……，變得很複雜。
無法移動影響靈活編輯
- 我在 A 筆記寫了「段落甲」，有 10 篇筆記引用它。
- 我發現寫錯了，應該把「段落甲」移動到 B 筆記。
- 移動完畢，所有指向「A 筆記/段落甲」的 10 篇筆記都要勞師動衆地改成「B 筆記/段落甲」。
Logseq 如何處理這個改指向？有兩個選擇：
- 建立批次修改功能：它沒這麼做，這個功能要自動跨檔案剪下貼上，再自動把所有相關檔案修改指向新檔案，很容易出錯。
- 不讓你搬家：它選擇這麼做，Logseq 沒有「移動」功能，避免參照到不存在的段落。
剛開始用不能移動我還到處找到底功能隱藏在哪裡，原來沒有啊！
我認為移動很重要，因為 Bottom-up 筆記給學習者用，表示我筆記時還是外行，很容易分類錯誤，少了搬動功能，就像奇異筆寫了就擦不掉，只好塗塗抹抹，結果整本筆記塗得亂七八糟。
RemNote 可輕鬆移動「段落甲」（Rem 甲），因為引用它的筆記只是指向資料庫中的 Rem ID，根本沒有「檔案」觀念，ID 不變，引用者都不用改，Logseq 的難題，RemNote 輕易解決。
層級筆記適合整理邏輯，用資料庫可做到半自動維護，用檔案結構則是純手工維護，當知識庫越來越大，手動會複雜到難以維護，花越來越多時間在整理上。
筆記控都有同感，書寫可讓腦中模糊的概念清晰好記憶，如果筆記軟體很複雜就提高門檻，就不願寫筆記了。
Obsidian 和 Logseq 是純手動筆記系統，而 RemNote 是半自動筆記系統，還不夠？還想更省時省力？沒關係，AI 來了。
很高興知道 Logseq 也在開發資料庫版！團隊知道現行架構會限制發展，乾脆換成資料庫，但討論區很多用戶質疑幹嘛要改？我則「曾經滄海難為水」，用 RemNote 這麼久，檔案版已經用不來了。
用 AI知識庫 協助索引
要找到很久以前寫的筆記，要不靠索引，要不靠搜尋（背後也是索引）。
人類索引靠串聯，透過標籤、引用等方式讓彼此互為索引，比如我在筆記裡貼了 5 個標籤，段落裡引用被引用各 5 次，這樣就很難遺失了。
AI 讀書的「嵌入模型」(Embeddings model) 用近 1300 個維度把資料完善索引，難怪讀遍全世界知識的 ChatGPT 一瞬間就能回答問題。
LLM 能把我的筆記當訓練資料，貼上千個標籤精密讀，那它會更好的索引，甚至可以自動貼標籤，或建議貼什麼標籤，在筆記中建議連接到曾經寫過的其他筆記，雙重保障讓筆記更好索引，我夢想過這種筆記，不知是否存在？
居然真有這種筆記軟體，介紹 MEM！
MEM（https://get.mem.ai/），1.0 版要付費，開發中的 2.0 版免費使用，去試試 AI 輔助筆記的感覺吧！感想是，對我這重度依賴筆記軟體的人，筆記功能不足，但 AI 部分已具雛形。
它左半邊筆記，右邊 AI，AI 分做 Chat 和 Copilot。
- 在左半邊寫筆記時，AI 透過嵌入模型掃讀、分析，更新記憶；
- 但只有 Markdown，無法用 outliner 分層整理邏輯，類似 Obsidian；
- 更新完成，你可以在右邊 Chat 問問題，它會以你的筆記為基礎回覆（類似 NotebookLM）；
- 反應較慢，可能是免費的關係，因為大語言模型很貴；
- 認得中文，但每個回覆要很長時間，server 運算就慢了，還要透過網路就更慢了吧！
- Copilot 應該在你寫作時給你建議，不過當前只會列出跟當前筆記相關的筆記。
無界 AI知識庫 筆記軟體的 USB
雖然 Mem 類似夢想筆記，但我心裡總覺得「天啊！又一個軟體！」，因為 ZK 知識庫搬家很難，我心裡的夢想筆記是不用搬家的，構想如下。
每個能生存的軟體都有強項，為了用某功能而裝某軟體，但它們彼此無法串連，只能靠我 Copy & Paste，因為每個軟體廠商都希望你用它的不要用別人的，刻意讓它不通，就像 USB 出現之前，每家公司都用自己奇形怪狀的接頭，例如 Apple 的 Lightening 和 Sony 特殊規格的記憶卡。
夢想筆記不是一套新軟體，而是讓「資料存入知識庫」和「知識從知識庫提取」這雙向過程能跨軟體，在 Google Docs 寫計劃書可以引用 RemNote 的筆記，就是「筆記軟體的 USB」。
好吧！只是個夢想，目前沒有這種軟體，如果你知道請分享給我，如果你打算要開發，我樂意協助！