首页  思维导图  详情

个人知识管理

2020-02-28 10:44:45   3  举报





AI智能生成

参考其他大佬并根据自己实际进行进一步整理。还在不停的完善中。

个人知识体系管理

知识管理

作者其他创作

大纲/内容

收集

为什么收集(why)

资料胡乱存放，不再看或不知道去哪里找

平台过多，如果都收藏在各自平台的收藏夹，有跟没有没区别

不能指导行动的不是知识，只是信息

收集什么(what)

收集来自各个来源的信息，并统一存放至一处。方便后续学习、查询等。

文章、笔记、资讯、文档、点子、工具、素材、任务、待办.....

信息断、舍、离

从目标维度出发,断绝不需要的信息输入，判断信息是否符合当前的学习或者工作的克服信息输入太多的问题

从质量维度，舍弃粗陋低质量的信息输入，克服信息输入太粗的问题

从心理维度，脱离对信息囤积占有的执念，克服对信息输入太混杂的问题，

怎么收集(how)

信息来源

读书（纸质+电子）

实体纸笔记

便利贴

拍照、扫描、OCR识别

网上碎片阅读（app+web）

微信

微博

得到

知乎

开源中国

极客时间

.......

与人碰撞

和老婆谈理想

和朋友扯淡

和同事领导交流

行家经验分享

自己生产

工作中的复盘总结

学习中国的灵感孵化

生活中的胡思乱想

随手写、随手拍

收集到inbox方式

实体纸质信息

拍照，扫描，直接保存为图片

拍照，扫描，OCR识别文字内容

语音识别录入

手动打字录入

手机

录音

电子书（+摘要）+记事本

截图

app、web、小程序直接分享

电脑

浏览器插件，或直接复制

文件

收集到哪里(where)

为知笔记

知道分类的，标题前加上分类码

文章

资讯

笔记

滴答清单

点子、灵感

代办事项

任务

习惯

计划、目标

硬盘、百度网盘、NAS

文件，文档，电子书，视频教程，图片影音等素材

注意：一二级目录或类别要统一

加工整理

为什么加工整理(why)

记录笔记记不住

只看不费曼，不是真理解

记得太简陋

知识焦虑，又没有时间去学

只有收集，没有加工整理，就是自欺欺人

过滤掉垃圾信息

分类整理构建自己的知识树

加工整理什么(what)

康奈尔笔记+费曼=学知识

回顾原文，学得更多

迭代笔记（加新改错）

加入新观点和知识

收录原文，作为素材

优先费曼+其次摘抄

原文

外链

笔记流程操作简单

Q&amp;A笔记是学习好坏的反馈

做ppt、表达和写作变清晰

如何加工整理(how)

费曼技巧

明确目标

学的概念、内容

识别概念、文章结构

带着任务驱动力学习，才最有效

你能用出来的知识，才是真正的知识。

以教促学

说出、写出理解+小组讨论

无论多复杂的知识，如果你能让一无所知的人听懂，才代表你掌握了。

也会清楚地知道自己的知识盲点在哪。

化整为零

拆解内容+查资料

重点梳理学习不懂的地方

总结提炼（公开表达输出）

合并内容，简化并提炼核心内容通过联想来打比方、怎么用

将你学到的东西做成作品发布出来，方式可以是写文章、拍视频、录播客。

必须彻底弄懂、逻辑清晰、生动形象，这样你才有信心表达出来。

才能获取真实反馈，在别人不断地吐槽中完善迭代（输出倒逼输入）

费曼技巧，是最高效，最实用的学习方法。

概念延伸

提问方式学习（5W2H分析法、七问分析法）

（1）WHAT——是什么？目的是什么？做什么工作？

（2）WHY——为什么要做？可不可以不做？有没有替代方案？

（3）WHO——谁？由谁来做？

（4）WHEN——何时？什么时间做？什么时机最适宜？

（5）WHERE——何处？在哪里做？

（6）HOW ——怎么做？如何提高效率？如何实施？方法是什么？

（7）HOW MUCH——多少？做到什么程度？数量如何？质量水平如何？费用产出如何？

HAS —— 有没有成功案例？

比较概念的相同点和不同点

康奈尔笔记法

内容

重点摘录

提取要点

缩写、空行、符号

Q&amp;A笔记

回答目录

拆分成小概念

容易复习

加工整理

1*1表格+标黄+知识树

观点+深入理解+连接新旧

费曼总结全文

概要

重点

感想、心得

应用、举例

主动回忆

根据要点和知识树来回忆内容、多次达到记忆

知识体系

why

笔记分类混乱，找不回来

资料堆积，搜索困难

建立笔记体系有利于复盘

what

为知笔记+杜威分类法

存放易搜+减轻大脑负荷

外脑内化

为知笔记成为用户的外脑

知道新内容放哪里

用关键词搜索

知道为知笔记有什么分类和内容

how

学习=画树=知识分类

快速了解全貌

学习执行单个概念

过早看一个个概念，会走弯路

分类原则

唯一分类维度

Wikipedia的分类维度

按性质分类

分类这件事情，只有贯穿着唯一维度，才能实现MECE（Mutually Exclusive, Collectively Exhaustive）原则(「不重复，不遗漏」原则)

分类维度比分类结果更重要

粗放分类

先分类，能用起来，发现问题后完善

简洁体系+搜索

体系版本要同步到思维导图上

体系当作书目录，便于查找

外脑内化

①我们必须知道自己建立笔记本体系的思路是什么？

②清晰的知道自己有哪些笔记本，

③这一切都和笔记本的数量多少没有关系。

笔记本编码：杜威十进制编码系统

构成

数字编号：十进制

DC采用阿拉伯数字作标记符号，并采用小数制（即十进制）的层累标记制。以三位数(000～999)形成前三级的等级结构。在三位数中，凡带“0” 的号码均表示总论性类目：后二位为“0” 的号码表示一级类（大类），末一位为“0” 的号码表示二级类，凡末尾不带“0” 的三位数号码均属三级类。凡在三位数之后展开的号码，均须在三位数后面加一小数点隔开。

四大分类：工作、学习、生活、兴趣

具体名称：科目

注意

每一类不超过10条，要超过10，就添加小数点往后延伸

中英文双重命名

快速跳转

优势

1、自动排列

2、丰俭由人

3、可延展性

GTD流程与人生信息流

「Getting Things Done」的缩写，这是一套任务处理、信息处理的高效机制。

分支主题

碎片化知识收集整理流程

1. 随时随地收集信息资料

2. 滴答清单设置打卡，每晚睡前整理分析收集的信息

3. 删除无价值信息

标题党

软文

重复内容

4. 直接归档分类参考类信息

排行榜

说明书

票据

5. 单独存放有价值但暂时无法分类处理信息

6. 立即阅读学习的信息，归档对应分类

7. 暂缓阅读的滴答清单设置截止时间，设置提醒，阅读后归档对应分类

命名规则

文件夹（目录）

名称由三部分构成：数字编号，顶级分类名，具体名称；

数字编号是杜威十进制分类

细分用小数点分隔，后面跟着两位附加码

最大5层分类

211.01.01 ：学习-计算机-操作系统-Linux-命令

四大类是参考维基百科，按照性质把全部笔记本分为工作学习生活和兴趣爱好，

另外有分类存储如电子书，视频教程，素材等到其他地方的需求，另外增加几个大类，但其实这些内容都被以上四大类包含；因此在这些增加的大类分类下的子孙类可添加中括号包含以上分类编码，用以关联。

具体名称就是具体的笔记本或文件的名称。

笔记(文件)

1. {作者}[类别编码]主题-版本号

2. {作者}[类别编码]主题-时间

例：

{panqq}[250]知识分类管理系统-V1.0.0.md

{收集}[211.01.01]Linux系统命令大全-2020-02-27 152350.md

作者

可以写具体作者名称

或内容来源平台

知识体系分类V1.0.1

特有分类标记

为知笔记

滴答清单

硬盘/百度网盘/NAS

000-INBOX体系

010-inbox-碎片化阅读

020-inbox-工作学习资料

030-inbox-和别人的碰撞

040-inbox-想法、灵感

050-inbox-备忘-计划

主体知识库

100-work-工作

110-work-工作总结

120-work-

200-learning-学习

230-learning-读书

240-learning-写作

250-learning-知识管理

260-learning-创业学习

210-learning-计算机

211-learning-操作系统

211.01-Linux

211.02-Mac OS X

211.03-Windows

212-learning-Java

220-learning-工具

300-life-生活

310-life-人生规划

320-life-手工制作

330-life-装修

340-life-常识

350-life-生活记录

400-hobby-兴趣

410-hobby-个人建站

420-hobby-玩转NAS

500-material-素材材料

510-material-图片素材

520-material-音乐素材

530-material-视频素材

540-material-电子书

550-material-安装包

560-material-源码素材

600-video course-视频教程

610-计算机教程

700-data-基础数据

Z-Archive-存档/废弃项目

修改日志

打造私人知识体系

快捷键

操作

搜索→看标题和概况→看高光/关键词内容

原因

搜索功能强大

关键词建议