收益：
- 能够快速捕获原始笔记，然后通过人工智能将其构建为决策/行动/开放问题，从而将其转化为可重复使用的信息
- 通过限制人工智能“仅使用文本中所写的内容”，能够防止人工智能将不确定性转化为确定性并添加捏造的内容
- 能够将升华留给人工智能，并应用到人类通过写出自己的推论来学习。
一年前解决的问题今天解决了，不记得会议上的决定，找不到读过的好文章——所有这些都是知识管理的缺乏。个人知识管理 (PKM) 是一门捕捉您所学内容、笔记和想法并使其可查找和可重用的学科。人工智能是这个领域的强大合作伙伴：它整理分散的笔记，提炼长内容，链接笔记，帮助你找到你要找的东西。但请记住：您是让信息变得有意义的人；人工智能只是加速这个过程，它不会为你学习。
条款。这里的笔记是广义的：会议笔记、阅读笔记、想法、待办事项。第二个大脑的想法是将所有信息保存在外部的可靠系统中，这样你的大脑就专注于思考而不是记忆。标签是按主题对笔记进行分组的标记。原子笔记是一个小笔记，包含一个本身有意义的想法。蒸馏是将冗长的内容还原为本质的过程。
为什么使用人工智能进行知识管理
问题通常不是你不做笔记，而是笔记一直处于死状态——写在某个地方，永远不会再被打开。人工智能让这些死笔记变得栩栩如生：它构建了一份凌乱的会议笔记，将十页报告缩减为三个要点，总结并关联了类似的笔记。因此，记笔记不再是“归档”，而是变成“产生可重复使用的信息”。
关键原则：首先捕获原始数据，然后使用人工智能进行处理。尝试在会议期间做适当的笔记；快速保持生食。然后告诉AI“构造原始音符”。放慢捕捉瞬间；稍后再进行编辑。
一步一步：处理一条信息
- 抓住它。将其以其原始形式（想法、引用、决定、问题）放在某个地方。
- 把它绑起来。这是关于什么的？哪个项目、哪个主题？
- 蒸馏。让AI提炼出它的精髓：“把这篇笔记的3个主要思想做成文章”。
- 配置。添加标题、标签、日期；使其可搜索。
- 联系。 “这和我上个月收到的那张纸条有什么关系？”你可能会问。
- 查看。验证蒸馏输出的保真度；人工智能不应该添加任何东西。
提示：在向 AI 总结注释时，将其限制为“仅使用文本中的内容，不要添加注释或无关信息”。否则，人工智能可能会通过添加你笔记中没有的“一般信息”来污染笔记——你以后可能会误认为它是你的想法。
转换会议和阅读笔记
最常见的两种笔记类型：会议笔记和阅读笔记。在这两者中，人工智能的工作是相同的：将原始人群转化为结构。
会议记录的理想输出分为三个部分：决策、行动（谁-什么-何时）、开放式问题。阅读分数的理想输出：主要论文、3 个支持点、我的结论/问题。最后一行很关键——人工智能不会写“我的结论”部分，而是你写的；因为当你将知识与其背景联系起来时，学习就会发生。
注释类型
人工智能是做什么的？
你做什么
会议
配置、提取操作
确认决策的准确性
阅读
提炼、提取主要论文
添加自己的推论
想法/头脑风暴
展开、分组
选择有效的
档案搜索
查找并总结相关注释
解释上下文
四个可复制的笔记模板
构建我的原始会议记录：- 标题“决策”、“行动（谁-什么-何时）”、“开放问题”。- 只需使用记录中的内容即可；如有遗漏，写“不清楚”，补上。原始注释：“”“[粘贴]”“”
将以下文章/报告变成阅读笔记：- 主要论文（1 句话）。- 3 个支持点。- 1 个作者遗漏或可能有争议的点。添加评论，将“我的结论”部分留空，我会填写。文本：“”“[粘贴]”“”
将这个混乱的想法转储分组： - 在主题下收集类似的想法。 - 为每个主题提供 1 句话摘要。 - 标记相互冲突的想法。细分：“”“[原始想法]”“”
总结并关联我的旧笔记如下：- 找到共同主题。- 指出矛盾和重复。- “我的下一步应该是什么？” 2条建议。注释：“”“[粘贴一些注释]”“”
弱提示/强提示
弱：“总结一下这个会议记录。” （人工智能返回一般摘要；行动丢失，决策变得不清楚。）
Güçlü：“在三个标题下构建这份原始会议记录：决策、行动（谁-什么-何时）、开放式问题。仅使用记录中所写的内容；如果不清楚谁将执行此操作，请写下“未指定”，然后进行弥补。”强大的版本提供了可操作的输出；最重要的是，它禁止人们弥补缺失的信息。
三个迷你箱子
案例一——死笔记的复活。一位顾问将 2 年的 400 多份会议记录放在一个文件夹中，但从未打开过。他根据主题用人工智能总结笔记；出现了 5 个重复出现的客户问题。他专门针对这些问题准备了现成的解决方案文档，平均每个客户的咨询时间缩短了40分钟。
案例 2——虚构的决策陷阱。一位项目经理分享了人工智能结构的会议记录中的“预算已批准”行，但没有进行验证。不过，会议上表示将“讨论”预算案；人工智能将这个模棱两可的短语四舍五入为“已批准”。该团队继续进行错误的假设。教训：人工智能可以将不确定性变为确定性；确认决定。
案例 3——未能将学习外化。一名学生让人工智能总结了他所有的阅读笔记，并让人工智能写下了“我的收获”部分。他记不起考试的内容——因为他没有用自己的话来处理这些信息。下一个时期只是将蒸馏留给AI，自己编写提取；持久性显着增加。
常见错误
- 捕捉瞬间的完美主义：保持原始状态，稍后再处理；放慢这一刻的速度。
- 让人工智能添加评论：如果不说“只使用文本中的内容”，摘要就会变得肮脏。
- 将不确定性四舍五入为精确：人工智能澄清模棱两可的决策；确认决定。
- 并写下对AI的推论：学习是你的工作；写下你自己的结论。
- 未加标签的存档：不可搜索的注释是不存在的注释。
- 永远不要再打开笔记：如果没有定期审查，系统就会死掉。
注意：处理 AI 笔记时，请将包含敏感个人数据（姓名、健康状况、财务）的笔记匿名化。您的个人档案由您有一天粘贴到第三方服务器上的片段组成 - 知道您将什么放在哪里。
总之
- 问题不在于不做笔记，而在于笔记仍然是死的；人工智能将它们转化为可重复使用的信息。
- 首先捕获原始数据，然后利用人工智能进行结构化和提炼；减慢捕捉的瞬间。
- 会议记录=决策+行动+开放式问题；阅读笔记=论文+支持+我自己的结论。
- 限制人工智能“只使用文本中的内容，不进行编造”；不要让它把不确定性变成确定性。
- 让人工智能进行蒸馏，但你编写推理——当你自己处理信息时，学习就会发生。
应用任务
记录原始会议记录（不含敏感数据）并使用第一个模板构建它。将输出中的每个“决策”行与原始注释进行比较，看看人工智能是否已将不确定性转化为确定性。然后用第四个模板总结最后5篇读书笔记，并提取它们之间的关系；添加您自己的下一步。
清单
- [ ] 我捕获了原始笔记，然后用 AI 对其进行了处理。
- [ ] 我给 AI 的约束是“只使用文本中的内容”。
- [ ] 我确认分辨率与原始分辨率相符。
- [ ] 我向自己口述了自己的结论，而不是向人工智能口述。
- [ ] 我标记了笔记并使其可搜索。
- [ ] 我对包含敏感数据的笔记进行了匿名处理。