ESC
输入关键词搜索文章
目录

我怎么把博客当成笔记库

Agent 驱动的个人知识工作流
一边提问,一边整理,一边把知识沉淀成能长期生长的文章
1个人博客
N可复用 Skill
24/7随时可看
持续迭代
起因
我为什么越来越喜欢把博客直接当成笔记库

我现在越来越不想把“博客”和“笔记”分开了。以前总觉得,博客是写给别人看的,笔记是写给自己看的,所以应该放在两套系统里。后来我慢慢觉得,这样有点折腾。同样一份东西,整理一遍,理解一遍,最后还要再搬一次,很多时候纯粹是在重复劳动。

所以我后来干脆往前走了一步:直接把博客当成笔记库。准确一点说,是把博客当成一个长期维护的知识界面。平时我让 Agent 帮我读资料、整理课程内容、做 deep research、起草结构,然后把这些东西继续沉淀进博客。这样博客对我来说就不只是展示页了,它本身就是我在用的知识系统。

我的核心想法:博客不是写完就结束的成品,而是一份可以一直追问、一直补充、一直改的活文档。
好处
这样做最吸引我的地方

我喜欢这套方法,原因其实挺现实的。它确实好用,而且上限很高。

我自己最明显的体会

  1. HTML、CSS、JS 这套东西本来就很强,再加上 Agent 现在已经能直接帮着写代码了,所以博客想加什么功能,很多时候真能自己堆出来。通常不用花太久,几个小时就能把一个还不错的页面或者功能搭起来。
  2. GitHub Pages 这类东西很省心。它直接给一个域名,所以我的笔记天然就是在线的,在哪都能看,电脑上看,手机上看,都很方便。
  3. 博客天然适合做分类、跳转、搜索、链接和导航。很多原本零散的笔记,放进博客之后会慢慢长出结构,这一点我很喜欢。
  4. 这还是一个很适合“花 token”的地方。只要 token 够,真的可以让 AI 一直去调研、一直去整理、一直去想。很多以前迟迟不开头的事,至少可以先推进到第一步:了解。
  5. 而且这个过程对人来说很无痛。像学日语、学画画这种事,很多时候不是完全不想做,而是根本懒得开始。现在可以先让 AI 帮我查资料、列路线、做第一轮整理。哪怕我最后没继续,至少已经开了个头。

我觉得这里面最舒服的一点,是整理知识这件事终于没那么痛了。以前做笔记,经常会有一种额外负担感。现在更像是我在调度一个会读、会写、会查、会改的助手,把脑子里那些本来散着的问题慢慢摁成一篇东西。

工具
为什么我会选 Hanako 这类 Agent 工具

我现在主要还是用 Hanako。理由不复杂,就是它比较适合我这种工作流。

  • 第一,美观。这个其实比很多人想的更重要。界面舒服,你才愿意一直开着它。
  • 第二,多 Agent。这个对我很重要。有些事情本来就适合拆开做,比如一个去查资料,一个整理结构,一个润色表达。分开之后效率会高很多。
  • 第三,接社交平台方便。很多时候我是在一种比较松散的状态里记东西,能直接在熟悉的平台里继续问、继续补,会自然很多。

不过也顺手吐槽一句:现在主流社交平台连接 Agent 这件事,功能还是少了很多。很多地方只是“能接上”,离“真的适合 Agent 工作”还差得远。我有时候会想,如果有一个专门为连接 Agent 设计的社交平台,可能会很有意思。

流程
我平时怎么拿 Agent 来做笔记

这套方法的底层逻辑

能固定下来的流程就固定,能复用的步骤就复用,能写回原文的问题就别散落在聊天记录里。最后让笔记越来越像一个可维护项目,而不是一次性产物。

  1. 把固定工作流整理成 skill。比如 deep research 这种东西,一旦流程稳定了,我就更愿意把它整理成 skill。之后再让 AI 去看别人的 skill,慢慢吸收、慢慢改,把自己的流程一点点补全。
  2. 课程笔记直接交给 AI 起步。PDF、PPT、讲义这些东西整理好,丢给 AI 就行。它先帮我抽结构、提重点、分章节,我再继续追问,看看哪里不对,哪里太空,哪里需要补。
  3. deep research 直接沉淀成博客文章。因为很多调研如果只停在聊天框里,过几天基本就散了。沉淀成文章之后,它至少成了一个可链接、可修改、可继续长下去的节点。
  4. 题目图片可以直接丢给 AI。这一点真的很方便。很多题目、截图、书页,直接扔进去,让 AI 先转成文字、先整理,再继续分析,比手敲省事太多。
  5. 一直问,然后一直更新笔记。这是我自己特别喜欢的一点。不是说生成完一版就结束,而是你后面想到什么问题,就继续问,再把问题和答案都写回原文。这样笔记会越长越像“我真的思考过”的版本。
模型
我自己用不同模型的一些感受

下面这些都只是我的主观体验,不是什么正式测评。主要就是我平时写博客、改笔记、整理工作流时用出来的感觉。

模型我的感受我更愿意拿它做什么
Kimi写代码能力差一些,但指令遵循通常还可以。任务清楚、流程明确的整理型工作
GLM效果挺好,整体给我的感觉比较稳。日常主力使用,尤其是结构化输出
MiniMax量大,但说实话有时候真的有点弱智,甚至会不小心把我的 skill 删除。还有一个问题是,它经常学不会我博客里已经设好的语法。低风险、粗加工、量大的任务
ChatGPT这个基本不用多说,综合体验非常强,很多时候确实接近完美。代码、复杂推理、写作打磨、精修

所以我现在的想法已经不是找一个“万能模型”了,而是更像在分工。不同模型像不同员工。有的更听话,有的更能打,有的适合做体力活,有的适合做最后那层收尾。

弊端
这套方法最大的坑,其实也很明显

问题也很明显,而且我自己已经踩到了。最主要的坑就是:笔记写得很好,不代表我真的会了。

  • 有些笔记看起来已经非常完整了,结构清楚,表达也顺,甚至比我自己手写时整洁得多。
  • 但这不等于我真的掌握了。很多时候只是 AI 替我把知识整理得很好看,我自己其实没有真正消化。
  • 如果一直沉迷于“把笔记做漂亮”,而不去复习、不去手推、不去自己上手做题,那最后大概率只是拥有了一堆写得不错的页面。

我后来对这个问题的真实感觉

表面问题:我现在会有一种感觉,就是有些笔记明明是“我的”,但其实更像是 AI 写的,我自己并没有真正掌握。

再想一步:但话又说回来,我以前手动记笔记的时候,好像也没有经常复习。

我现在的判断:所以问题不完全在 AI 身上。AI 只是把整理这一步做得太轻松了,于是把真正的缺口暴露出来了。那个缺口一直都在,就是我没有稳定地复习,也没有稳定地上手。

真正危险的地方:不是让 AI 帮我写笔记,而是我会不会把“已经生成了一篇笔记”误当成“已经学会了”。
技巧
几个我觉得确实很好用的小技巧

我自己常用的做法

  • 别停在第一版。想到什么问题就继续问,让 AI 把你的问题也一并吸收进笔记里。
  • 图片直接丢。题目图片、截图、书页都可以直接给 AI,它先帮你整理成文字,后面就顺畅很多。
  • 重复三次以上的流程就考虑做成 skill。这样后面能省很多力气。
  • 把调研当成启动器。那些一直没开始的计划,先别要求自己立刻坚持,先让 AI 帮你做第一轮了解。
  • 把文章当成活的。不要把博客文章看成最终稿,它更像是一个持续生长的知识节点。

我自己现在最喜欢的,其实就是这种感觉:边问,边改,边沉淀。笔记不再是一次性记完就算,而是会随着我的问题慢慢变得越来越完整。

结尾

我现在很喜欢把博客当成笔记库,因为它同时满足了两个东西。一边是 Agent 带来的低门槛,你可以很轻松地开始整理。另一边是 HTML 博客带来的高上限,你可以一直加功能,一直调结构,一直把它养大。最后这套方法有没有意义,还是得看我自己会不会回头复习,会不会亲自上手,会不会把这些页面里的东西真正变成自己的东西。