我大概是一年多前就接觸卡片盒筆記的概念，那時候只是看 Youtube 學習然後慢慢拼湊自己的知識。
後來發現真的不像影片上講的這麼簡單，光是把 Notion table 建立起來就花了好幾個禮拜。
而且當時剛開始接觸的時候都是英文影片，很多專有名詞對照中文書籍都對不太上。
另外就是因為對於架構的不熟悉，導致我反而花更多時間在整理資料，並沒有享受到那個效率的提升，導致我嘗試了半年之後就放棄。
後來是看到更多人在介紹這個概念，才慢慢地重拾自信重新開始做。
直到最近才真正的把卡片盒筆記的書看完，把書本中的概念融會貫通。
以下這篇文章分享我對卡片盒筆記一書的心得，以及自己對卡片盒筆記的了解。
-
卡片盒筆記的概念是
1，Chunk down 資訊，在消化資訊後把它拆分成一張一張小的資訊點卡片
2，筆記可以分成三種：靈感筆記 (讀完後自己有想法)，文獻筆記 (讀完後知道這個資訊跟哪篇在寫的文章相關) 和永久筆記 (標上標籤和順序相關性的知識)
3，時不時把這些資訊或想法串起來 (indexing)，有點像是在串 knowledge graph，找到該資訊該落在哪個 category 以及和其他資訊點之間順向和方向的關係
4，新的永久筆記可以透過 indexing / backlink 的方式記錄和前面的卡片的相關性
5，利用關鍵字索引、專案筆記或是入口筆記 (主題式寫作時在主文上放上連結) 的方式強化筆記再利用
6，用 bottom up 的方式來去拼湊這些資訊的順序和全貌而不是一開始就用 top down 的方式寫作
7，其實讀的資料夠多變成一個想法時，還是得用 Top down 的方式加強結構
其他書中我覺得非常好的觀點
1，作者引述大量學習與動機理論，包含恆毅力、深度工作力、生產力、記憶強度，以及動機理論
2，讀書可以跳過已知的知識，閱讀最重要的是去判斷一段文字或概念是否值得閱讀，而這需要練習。分辨重要跟不重要內容的能力愈強，閱讀的效率愈高
3，作者花非常多的時間在著墨 Critical thinking 的重要性，提問法和逆思維是非常好用的方式
4，距離愈遠的知識愈有洞見，從創作者的角度思考題目和從閱讀者的角度思考題目差很多。這是 AI 無法取代的
-
那些作者沒講到的細節，以及我在讀完後幾個未解的疑問
最大的疑問：實際上當筆記開始增長時該怎麼維護？這代表著所有這種的卡片需要放在不同的 reference index 底下嗎？
不用。靈感筆記或是文獻筆記可以在分類 (Match taxonomy) 和上邊標籤 (Metadata label) 之後放入永久筆記。每張卡片利用關鍵字、index method、入口筆記 (主題式寫作在主文放上連結) 的方式可以強化筆記再利用。
第二個疑問：變成永久筆記之後要歸檔在哪邊？這個 folder 和文獻筆記是否要分開？一旦進入永久筆記，是否就很難再拿出來重複利用？
瓦基有提到關於筆記的提取方式，《How to Take Smart Notes》書中並沒有特別著墨。但是依靠卡片盒的編碼 Index method 可以建立筆記間的超連結，讓筆記能相互關聯。提供空間位置提示，讓筆記的存放位置成為記憶的一部分。數位筆記應該具備「空間功能」，如可視化排列筆記，而不僅依賴關鍵字或超連結，才能更有效發揮卡片盒筆記法的潛能。另外一個好用的方式是用數字取代 Taxonomy 的座標，好比說 1 = 文學，2 = 科學
第三個疑問：當一張卡片和多個概念有關聯時，應該要什麼編碼？
找最接近的卡片做 Index labeling，然後再用 Key word 或是 backlink 的方式串起來相關性
第四個疑問：Indexing 這個概念好像會出現在不同情境下，實際操作起來長什麼樣子？
索引 (Index) 有分成上標籤 (labeling) 和整合索引 (Aggregate Index)，每張筆記卡片從靈感卡片或是文獻卡片轉換成永久卡片時都會有上標籤的動作，當想法開始整合到一定的程度後，就可以透過整合索引，像是整理關鍵字索引的方式寫出 Top down 概念裡頭有什麼 bottom up 的論點。如果不把動名詞 (Indexing) 和成果 (Index) 分開則容易搞混
-
卡片盒筆記的專有名詞
這邊用幾個專有名詞解釋其相關性和我怎麼拆解上面沒提到的問題，順便圖解解釋流程
1，靈感筆記 (Fleeting note)：短期存取，記錄靈感與想法，還未正式進入知識系統
2，文獻筆記 (Literature note)：長期存取，記錄重要資訊、來源、參考書目
3，永久筆記 (Permanent note) ：經過整理分類，透過索引標籤與加上關鍵字建立關聯後成為系統性知識的一部分
-
4，知識種類 (Taxonomy, category)：設定主要分類 (如 1 = 數學，2 = 經濟學)
5，索引標籤 (Index label) 結構化關聯：建立筆記層級關係 (如 1a = 微積分，1b = 微積分， 1a2 = 用微積分看經濟學)
6，超連結或反向連結 (Hyperlink / Backlink)：在數位工具中用來找到相關筆記，建立動態網絡關係
7，加上關鍵字 (Keyword metadata)：在筆記後面加上關鍵字，讓搜尋更有效率
-
8，入口筆記 (Entry note)：建立主題索引，用來組織大型知識領域，類似目錄 (📖 Top-Down 結構)
9，專案筆記 (Project note)：以目標為導向，記錄專案過程與進度，適合短期完成目標
10，關鍵字索引 (Keyword indexing)：建立跨筆記的關聯，讓關鍵字能涵蓋所有相關卡片 (🔍 Bottom-Up 方式)
-
以下開始圖解不同名詞之間的相關性以及如何利用
讀了數學的書本，產生靈感筆記和文獻筆記，透過分類和標記索引標籤，得到一張永久筆記卡片。
數學的書本中有微積分的知識，產生靈感筆記和文獻筆記，透過分類和標記索引標籤，得到一張永久筆記卡片，標記在數學 1 的後面，該卡片標示為 1a。
讀了經濟學的書本，產生靈感筆記和文獻筆記，透過分類和標記索引標籤，得到一張永久筆記卡片。
多本書的卡片筆記標上索引之後就會長這樣，數學的延伸是 1a 的微積分和 1b 的代數。經濟學底下又分個體經濟和總體經濟。
利用超連結或反向連結，強化資訊結構。
可以利用透過關鍵字索引的方式開始發想想法。假如每張卡片我都有加上特定的關鍵字或是標籤 (Metadata)，那麼就可以直接 filter 關鍵字或是標籤，反向列出所有相關的卡片。
如果心中已經有想法，則可以由下而上的搜集資料準備卡片，等到概念成熟後，由上而下的挑選主題開始拼湊文章
整個 end-to-end 的流程大概是長這樣
閱讀書本或知識，寫下卡片
把卡片分類，加上索引標籤或是關鍵字轉換成永久筆記
利用關鍵字或是主題方式反向羅列出所有卡片
把卡片所涵蓋的概念打散後重新排序，寫成文章
-
寫到這邊相信對於個人知識管理有興趣的人已經躍躍欲試了，但是還是打個預防針幫忙降火一下，畢竟我自己也是摸索了一年多才漸漸建立起整個 ecosystem。
實際上執行可能遇到的困難包含：
1，系統複雜度與維護負擔
分類與標籤管理複雜：當導入 Taxonomy、索引標籤、關鍵字、超連結等多層次結構時，容易出現標籤重複或分類不一致的情況。有個 Taxonomy library 然後 dynamic maintain 會好很多
維護工作量大：隨著筆記數量增加，需要定期回顧、調整和清理，否則系統會變得混亂，難以發揮原本的檢索與連結作用
2，靈感筆記與文獻筆記轉換成永久筆記的挑戰
轉換成本高：將靈感筆記或文獻筆記經過篩選、分類、編號後變成永久筆記，需要額外的時間與思考，可能讓日常記錄變得繁瑣。書中提到的每一兩天回頭來看卡片找連結有點困難
一致性難以保持：在不同情境下，靈感筆記的內容豐富度與文獻筆記的參考價值不同，如何保持轉換後永久筆記的質量與一致性是一大挑戰。
3，工具與流程的適配
數位工具的學習曲線：若使用 Obsidian、Notion 等工具，如何設定好模板、反向連結、索引頁面等，需要一定時間去摸索與優化。我大概花了八個月習慣
工具間的兼容性：不同工具對於索引、標籤和超連結的處理方式不同，可能會造成遷移或更新上的困難。這個我覺得是最困難的，Metadata 和 Taxonomy 在不同系統中視不相容的，所以如果同時有 Google Drive，Notion，Readwise，Heptabase 同時要搞定整個 ecosystem 會瘋掉，還沒建立起來就放棄了
4，知識結構與實際使用的落差
Top-Down 與 Bottom-Up 的平衡：雖然入口筆記 (Top-Down) 與關鍵字索引 (Bottom-Up) 各有優勢，但如何平衡二者以避免資訊孤島，是一個需要不斷調整的問題
跨主題連結的挑戰：如果筆記涉及多個交叉領域，如何在不同分類之間建立有效的連結，也可能需要額外的標籤或交叉索引規則。這開始進入 Ontology 的領域，所以就不加著墨
-
以結論來說，我覺得知識管理看起來是非常強大的工具，但是 learning curve 其實蠻陡峭的。
如果有基本的資訊結構概念會更容易上手。
而以數量來說，我是在閱讀超過 100 本書之後才慢慢感受到這個需求。
盧曼一生中寫了大概 90,000 張卡片，其中 4,000 多張屬於關鍵字索引，所以這個系統適合長期耕耘和頻繁寫文章的人。
如果一年只看個五本書，文章寫不到 200 篇的受眾，其實我覺得基本的 Google drive 就很夠用了。
但是如果有野心想要經營個人品牌，那麼這個就是必修的概念。
Comments