如何將Heptabase應用於個人知識系統

以課堂筆記及這篇文章為例

知識就是力量……嗎？

這已經是好幾個世代以前的結論了，在21世界網路普及的環境下，隨手獲取知識並非難事，路邊擦鞋童拿出手機獲得的股市資訊也許並不會遜你一籌。而在這樣資訊爆炸的年代，我認為價值會反映在從"知識"中提煉出的"智慧"上。這也是我為何開始打造個人的知識系統，我想透過這個系統加速學習的效率、增進思考及批判能力。而Heptabase是讓我有幸窺見個人知識系統，並運用其強大的功能實現系統流程的工具。

大致介紹一下Heptabase，一款由台灣23歲的創辦人詹雨安領頭開發的筆記軟體，雖然我覺得筆記軟體並不能很好的詮釋這款產品的功能，且開發者的理念也不僅僅是要開發一款新的筆記軟體，但為了方便理解我還是姑且稱其是一款前所未見的"筆記軟體"。Hepta打破了我們以往寫線性筆記的思維，藉由”card”與"connection"讓使用者能快速地建構網狀思維。另外，他也不照傳統的儲存方式 — 一層一層的資料夾放入相同類別的檔案，而是把所有資訊都放置在一塊大白板下(whiteboard)，這樣的好處在於，你能夠隨時放大檢視每張card的小細節，也能同時縮小畫面看到這張卡片在整個whiteboard扮演的腳色以及架構。

你是否有類似的經驗，寫下了筆記卻只有在考試前拿出來複習，偏偏自己還看不懂當初寫的是什麼鬼畫符？認真的寫了很多本的筆記，卻想不起來當初寫的某項筆記在什麼位置？或是抄下了滿滿的板書，卻不曾實際運用過內容？也許這篇文章以及Heptabase可以幫助你改善這些困擾。

學習過程

先來談談我們的學習模式，我把人的學習過程簡單化分成四個階段：輸入、轉化、輸出、回饋與修正

人的一天會有多少資訊輸入腦中？然而又有多少被我們捕捉到價值？當我們在上課、讀書、聽Podcast、看YT、FB、IG，這些都是資訊的輸入，也是流程的第一步。

轉化通常會在腦中進行，代表從接收到的資訊中得到了某些可以利用的訊息，用自己的語言、自己的邏輯消化了這些資訊，也許未來的某個場合能拿出來加以運用。不過，接下來我會以自身經驗舉例，如何用Hepta讓這個過程視覺化呈現。

考試、寫作、教學等，就是知識的輸出。從上一個階段消化過後的這些資訊，變成自己獨有的結論，然而我們並不確定這些結論的實用程度以及正確性。所以藉由輸出，可以讓外界評斷得到結論的價值，同時他也是一種更深層的轉化，有時輸出者甚至能比接收者得到更多收穫。

接著是是整個系統的收尾，學習流程中最容易輕忽的步驟：回饋與修正。在我們輸出後，會收到一些回饋，比如說考卷的錯誤、網友的留言回饋，或是自己發覺的缺失。就像機器學習一樣，透過一次一次的訓練，得知對錯才能進一步更新下一次作法，取得更好的成果，如果少了這個步驟，可能會讓自己已經走火入魔了卻還渾然不知。

為什麼我要設計一套個人知識系統?

1. 人類的大腦天生非常不擅長多工，而這是演化的結果，如果要讓腦袋同時負擔記憶、運算、思考等流程，會得到非常劣質的結果。所以我把學習流程切割成了不同階段，每個階段專注處理一件事情，讓大腦能以最高效率模式運行。
2. 外界的資訊，大部分是經由別人的腦袋思考過後的產出，而這些資訊的格式也許並不適合自己的腦迴路，單純記下外界得出的結論、外界傳遞的知識架構，我們只能夠學習到最表層的表面特徵，而難以在另外一個不同的場合，運用其更深層的結構。因此，進入大腦後，必須經過自身的消化，才能夠變成"自己的東西"，增加知識遷移的機會。
3. 在試著轉化自己接收到的各種輸入訊息(我喜歡稱之為raw data)時，我們也許會發現自己並沒有完全了解這些raw data的意義，這時就是回頭補足缺漏的一個絕佳時機。
4. 在一步步整理、濃縮資訊精華時，我們也同時在複習這些資訊，這能夠帶來很好的學習效果。
5. 最後，如果我們能記錄下這整個知識的轉化的過程，下一次(也許已經過了很久)我們需要再次運用這些轉化過後的智慧時，可以很快地藉由整個可視化的思考脈絡，釐清當時的思考流程。而Hepta正是能夠幫助我完成這個步驟的工具。

怎麼做？

我分成五個步驟

1. 記錄下raw data
2. 轉換成常用的格式(我是使用markdown)
3. 分解
4. 尋找關聯
5. 轉換成輸出、儲存格式

接下來我會用兩個案例來說明，一是我目前一堂研究所的上課筆記，二是這篇文章

案例1 上課筆記

這是我的初始上課筆記，~~字醜到靠北~~，

我會快速的用紙筆記下重點，產生出第一版的raw data。為什麼不用電腦做筆記？因為我考量到這堂課有很多的數學式、畫圖等電腦沒辦法快速紀錄的資訊格式，而紙筆是我認為與這堂課最match的一種紀錄方法。

圖1. 用紙筆紀錄的原始raw data

紀錄raw data 的步驟有三個小重點

1. 發散式的紀錄，接收到什麼感覺重要就寫下來，至於實際重不重要交由後續整理思緒時再做判斷，就算漏掉也可以之後再補。
2. 不要期待自己能在接收資訊的當下就期待自己能完成像學霸那樣又美又有架構的筆記。讓大腦的工作流程切開，一次只做一件事。
3. 紀錄的工具、方法因人、環境而異，沒有最強筆記法，只有最適合你的。

接著我把這些原始的data寫成markdown的格式記錄進Hepta，可以看到我在這層的轉換增加了一些架構，比如說大標題、順序、巢狀層級，我也汰除了一些我認為不重要的資訊，啊!老師最後才說功課跟影片壓縮有關，剛剛漏掉了，趕快補上。

圖2. 在Hepta上的第一次加工資訊 轉換成markdown格式

接下來是第三步 decompose ，我會把剛剛這些發散的小重點，各自拆解成一張張的小卡片，卡片可以打開來看內容，也可以收合。

圖3. 經拆解後的知識小碎片

為什麼要做拆解？有時我們會遇到可以做知識遷移的場景，亦即某些不相關的領域，有類似的思考方式或邏輯存在，我們可以藉由熟悉領域的認知，來加速對陌生領域的理解速度，將知識拆分得夠細，未來我們想要對卡片間做雙向連結的時候，比較能迅速抓到重點及脈絡，還原當下的思考。

舉個例子，我發現強化式學習(Reinforcement Learning,簡稱 RL)的原理其實跟人類的學習原理非常類似，因此我想在兩者之間做個連結，如果我記錄的格式是像圖2.那樣一大張的筆記，未來回來查看時，會很難抓到重點，畢竟RL跟人類學習也許只有在原理層面相似，細節卻是迴然不同，難以互相類比。

順帶一提，如果是依照以往傳統的筆記軟體，其實很難做到筆記與筆記間的互相連結、互相提及，但在Hepta就像喝水一般容易。

接下來，我們要在這些零散的card之間建立連結。

圖4. 建立連結後的card

經由建立連結後，原本一張線性的筆記，就可以藉由線條快速的組織成為網絡，加速理解card與card之間的關聯性。

最後一個步驟，轉化為自己要的輸出或儲存格式。

我做這份筆記的目的是為了下禮拜的電腦視覺期中考，而考試的方法是名詞解釋，所以我需要的儲存格式基本上就是把名詞列在card的標題，讓我能夠快速理解該名詞的意義，以及在電腦視覺中扮演的腳色。

因此，這個步驟也是因人、視需求而異，如果你的目的不是為了考試，也許你會有更適合的歸納方法。下一個例子，我就會轉化出不一樣的格式，而目的就是為了寫出這篇文章。

案例2 這篇文章

如同前面提到的步驟，我一樣用發散式的思考，先把我想要分享的內容全部撒在card上，不管先後順序、不管層級。

圖5. 寫這篇文章的初始想法

接著分解，分解有個小原則，如果一張卡片的巢狀結構大於兩層，那也許在拆分細一點會是個好選擇。

圖6. 拆分

連結

圖7. 連結

因為這次的目的是為了寫出這篇文章，所以我在第五步的轉化成輸出格式時，是依照我安排的文章架構下去編排的，這樣我在撰寫文章時，只需一邊對照已經勾勒出來的文章架構，填入對應的內容即可。

透過這兩個案例可以發現，步驟一與步驟五可能會因為正在學習的項目不同，想達到的目的不同，而有不一樣的形式，所以請不必照般我的作法，尋找自己適合的方法才是最重要的。

結語

上個月(2021/11/29)剛開始使用Heptabase的時候，其實我也停滯了蠻久，不知道如何去使用這款「另類」的筆記軟體，然而這個禮拜的幾次嘗試讓我歸納出了前面五個步驟，「悟道」的當晚我真的興奮到睡不著，隔天起床一股腦地就寫下了這篇文章，思緒就像湧泉一般源源不絕。

整個學習系統運用到Hepta的流程，大致上涵蓋了一小部分的"輸入"，以及比例較多的"轉化"，我的使用方式並不適合每一個人，但也希望在此能有個拋磚引玉的效果，期待後續Hepta更加完整後，能有更多的人分享他們的思維流程。