背景介绍
Ness Labs 的「思想工具」系列，致力于采访那些致力于帮助人们充分利用大脑的工具创始人。
本期采访的是 Heptabase —— 一款帮助人们学习复杂主题的可视化笔记工具 —— 的联合创始人 Alan Chan。
在本次采访中，Alan 谈到了智能产品设计的内在困境、如何创建一个共同进化系统来解决这一困境、知识生命周期的五个部分、如何用元应用程序解决不同用例之间的互操作性、如何支持个人和集体知识创造，等等。
原文链接：https://nesslabs.com/heptabase-featured-tool
Table of contents
愿景
Q：你希望建立一个真正通用的开放式超文本系统。这意味着什么？
A：Heptabase 的愿景是创造一个人人都能有效深入理解任何事物的世界。而这个通用的开放式超文件系统（OHS, Open Hyperdocument System）就是实现这一目标的手段。如果没有上下文，很难解释什么是 OHS，所以我想首先分享一下我是如何接触到这个概念的。
我一生中最快乐的事情之一就是学习我感兴趣的东西。初中时，我学的是数学。高中时，是物理。所以，上大学时，我主修物理和数学。
在这些学科中，我最欣赏的一点是，数学中的一个概念可以应用到物理学的许多不同领域，而物理学的一个理论可以解释世界上的许多现象。有很多时候，我开始理解所有这些事物是如何相互关联的，以及事物是如何既简单又复杂的。这就是我所说的「深刻理解」。
大二时，我想花更多时间探索其他学科，如历史学、心理学、计算机科学、商学等。我从根本上渴望了解世界上的一切，我想尽力读更多的书，看看自己能走多远。
于是，我从大学辍学，买了很多书来读，并开始建立自己的知识系统来管理我写的所有读书笔记。我用过一段时间的 Evernote，后来又换成了 Notion，我立刻发现 Notion 有很多有趣而强大的功能。
我查看了 Notion 的网站，发现了这些人机交互领域的大人物：Douglas Engelbart、Alan Kay、Ted Nelson、Bret Victor 等。我阅读并观看了 Bret Victor 网站上的所有内容。我阅读了 Douglas Engelbart 研究所网站上的大部分内容，包括《增强人类智力》报告(Augment Human Intellect)。我读了很多 Alan Kay 的文章、Ted Nelson 的《文学机器》(Literary Machines)和 Seymour Papert 的《头脑风暴》(Mindstorms)。然后，我读了一本令人震撼的书《梦想机器》（The Dream Machine），我至今仍认为这是计算机史上最好的一本书。
读完这些书后，对我启发最大的一点是，这些计算机先驱和思想家是如何思考人类和计算机如何合作解决复杂问题的。
例如，Engelbart 提出了利用计算机提高一群人集体智商的方法。他所建议的是建立一种名为动态知识库（DKRs, Dynamic Knowledge Repositories）的新型工具，这种工具可以整合和更新来自一群人的最新知识，而且世界上所有的动态知识库都将由同一个开放式超文件系统（OHS）提供支持。
这引起了我的注意，于是我研究了 OHS 的规格，发现它的功能与 Notion 非常相似。然后我意识到，Notion 所做的是，他们实现了 OHS 的许多功能，并将其包装成现代用户界面，作为团队协作产品出售。但从根本上说，它与 Engelbart 的 OHS 规格非常相似。
因此，我接下来想到的是：为什么要实施 20 世纪末的旧规范？如果 Engelbart 生活在 21 世纪，熟悉我们现在拥有的所有计算机技术，他将如何设计 OHS 呢？
Engelbart 的初衷是增强人类的集体智慧，而我认为现代数字协作工作空间离这一点还很远。最初的 OHS 似乎并没有过多地涉及人类如何发现和提炼知识、促进对不同主题的深刻理解的过程，以及这一过程中哪一部分是独立发生的，哪一部分是集体发生的。
对这个问题的思考激发了我的智力，而且这个问题在我脑海中已经存在了好几年。就在那时，Heptabase 的想法开始成形。我想在 21 世纪设计并创建一个新的开放式超文件系统，作为所有现代知识库的基础。
建立在这一系统之上的一切都应具备内在的能力，使人们能够有效地深入理解他们正在学习和研究的任何知识。
挑战
Q：这是一段怎样的旅程？要实现这一愿景为何如此具有挑战性？
A：我认为最具挑战性的部分在于，你将面临这样一个两难的选择：一方面要建立一个足够通用的系统，使其成为许多事情的基础；另一方面又要建立一个足够有用的产品，使最终用户能够解决他们的问题。
我见过很多公司的做法是，首先考虑一个完美的系统应该是什么样的，应该具备哪些功能。他们为该系统编写明确的规格，然后根据这些规格构建一切。这种方法的最大挑战在于，你最终得到的是一把功能繁多的瑞士刀，虽然它可能能做很多事情，但对于最终用户来说，它可能会让人望而生畏。
大多数人只想找到一个开箱即用的解决方案。大多数人并不关心你在系统中引入的所有概念和功能。而且，不管你的技术有多好，如果没有多少人使用，你最终也会一事无成。因此，这些公司通常需要花费大量时间来提高可用性、简化产品和了解用户需求。
就我个人而言，我更倾向于在系统设计和用户工作之间建立一个「共同进化」的过程。这是 Engelbart 提出的另一个重要概念，他用来描述人类如何与他们使用的工具共同进化，以及工具如何与使用工具的人类共同进化的前后过程。
Bret Victor 的项目 Dynamicland 就是这样一个很好的例子。我认为，在这个项目中，人们可以探索和理解系统，并通过编写动态的可视化数据表示进行数据驱动的对话。该系统包括大量包含程序的纸质卡片，以及一个能让人们在这些卡片上提出要求和愿望的协议，以促进程序间的交流。
令我着迷的是他们是如何建立这个系统的。他们邀请了许多具有不同背景的人来到 Dynamicland，观察这些人是如何与 Dynamicland 互动的，然后利用这种学习来发展整个系统的设计和协议。
因此，这两种方法的最大区别在于，你认为自己知道多少，以及你认为自己不知道多少。如果你认为自己什么都知道，那么你就会从一开始就设计整个系统，而风险在于你可能会在很多事情上出错。
如果你认为自己只知道几件事情，那么你可以先设计一个能很好地处理这几件事情的系统，然后将其投入使用，看看人们是如何使用它的，从而获得更多关于人们如何工作的知识，并利用这些知识来发展你的系统，以适应更多的功能，同时兼顾可用性。
这种方法最具挑战性的地方在于，要克制从一开始就试图设计出一个完美系统的冲动，并承认自己还有不了解的地方。一旦你承认了这一点，你就会开始思考如何从用户那里获得这些见解。
Q：那么，Heptabase 是如何处理这个问题的呢？
A：在创建 Heptabase 时，我从一开始就一直在使用一些心智模式和指导原则。
第一个心智模型叫做「知识生命周期」（The Knowledge Lifecycle），由五个部分组成：探索、收集、思考、创造和共享。我们要确保知识能够无缝地从一个部分传递到另一个部分，确保生命周期的每个部分都能做到这一点，这样我们才能设计和构建一个出色的解决方案，真正解决人们面临的问题。归根结底，关键在于我们能否在生命周期的所有五个部分中创造出这种协同效应。我们从 2021 年开始进行「思考」部分的工作，然后从 2023 年开始进行「收集」和「创建」部分的工作，并将在 2024 年进行「分享」和「探索」部分的工作。
第二个心智模式是系统分层（System Layering）。我对我们正在构建的系统进行的抽象是，它将有多个独立的层，每个层都专注于一项独特的工作。例如，用于保存思维上下文的上下文层，用于管理类别和添加属性的描述层，用于注释静态文件的注释层，用于为第三方数据创建别名的集成层，用于让一群人构建对复杂主题的深刻理解的交流层，以及供用户将来在我们的系统之上构建基于卡片的软件的应用层，等等。
因此，当许多用户要求一项功能时，我首先考虑的是它属于知识生命周期的哪一部分，以及我们如何在生命周期的这一部分设计这项功能并将其与我们现有的解决方案整合在一起。
第二件事是考虑该功能属于哪个抽象层，这样我就能清楚地了解系统设计是如何发展的。另一方面，有时我们会认为自己在构建一个抽象层时已经做了大量工作，希望将重点转移到构建下一个抽象层的能力上。然后，我将考虑这种能力对知识生命周期的哪个部分有用，以及如何解决用户的实际问题。我所说的「共同进化」就是在构建产品的过程中在这两种心智模型之间切换的过程。
至于在执行方面，有两大指导原则。我们公司最重要的原则是，我们要确保我们所建立的一切都与我们的最终目标相一致，即帮助人们获得并建立对他们所关心事物的深刻理解。我们非常清楚不能被其他目的所干扰。第二个原则是，我们希望产品尽可能友好和直观。我们的目标用户应该能够在打开产品后立即进入思考状态。
Q：Heptabase 究竟是如何工作的？
A：目前，可以将 Heptabase 视为一个可视化笔记工具，帮助使用者学习和研究复杂的课题。我们目前只关注个人使用案例，因为我们希望在建立集体思考的交流层之前，确保每个人都能首先掌握独立思考的最佳工具。
因此，目前的产品侧重于解决知识生命周期中收集→思考→创建这几个环节的问题。大多数用户使用 Heptabase 来消化复杂的文献，将这些知识与自己的想法相结合，创造出高质量的成果。
正如我之前提到的，在 2021-2022 年，我们主要关注「思考」部分。在此期间，我们专门设计了一块白板，用于增强复杂知识工作的能力，而不仅仅是绘图和头脑风暴。
Heptabase 中白板的设计有两点启示。第一个是显而易见的：人类在进行形象思维时，思维能力要强得多。第二点则不那么明显：要想通过视觉思维深入理解一个主题，首先需要将所学概念原子化。真正深刻的理解不是来自「两本书之间的关系」，而是来自「这两本书中所有概念之间的关系」。
这就是为什么在 Heptabase 的白板中，你可以轻松地将冗长的卡片笔记分解成原子概念笔记。我相信，这种「提取概念」的过程才是深入理解的真正基础。
一旦分解了这些概念，你就可以使用章节、思维导图、嵌套白板和我们建立的许多其他功能来理解它们，甚至可以在不同的白板上重复使用一个概念。如果你想通过实际案例进一步了解这一过程是如何运作的，我建议你看看我写的一篇题为《从阅读中获取知识的最佳方法》的文章。
2023 年，我们分配了更多资源来改进知识生命周期中的「收集」部分。除了在所有平台上推出移动应用程序和网络应用程序等显而易见的任务外，这里还有大量工作侧重于帮助您从不同类型的来源收集知识。例如，您可以将 PDF、音频、视频、图像和 Readwise Highlights 引入 Heptabase。对于 PDF 文件，您可以通过创建高亮和注释并将其拖到白板上，执行完全相同的「提取概念」过程。
在接下来的几个月中，我们将让用户从音频、视频和图像中提取概念。如果将浏览器与 Heptabase 并排打开，还可以将网页内容拖到 Heptabase 的白板上，并将其转化为卡片。从根本上说，我们希望确保用户能从任何类型的知识源中提取概念，并建立自己的概念卡片库，这样就可以随时重用和应用学到的所有知识。
Heptabase 的工作原理很难在此一一介绍。因此，如果你想了解更多，可以查看我们的公共维基。
Q：用户在 Heptabase 中存储的信息的互操作性如何？
A：在讨论 Heptabase 如何看待互操作性之前，我想先分享一下大多数其他公司是如何看待互操作性的，以便大家了解我们是如何以不同的方式思考的。互操作性有两种常见的思考方式，一种是跨用例的互操作性，另一种是跨应用的互操作性。
解决跨用例互操作性的常见方法是：要么构建一个一体化产品，通过定制来适应多种用例；要么允许第三方用户在您的产品之上构建功能级插件，这样您就可以安装多个插件，为您的特定用例添加功能。
这两种方法都会带来复杂性，增加产品的学习曲线。虽然有很多人喜欢定制自己的系统，但也有很多人讨厌这种做法，因为他们不想为了完成简单的工作而学习和设置一大堆东西。
至于跨应用程序的互操作性，也有两种常见的方法。要么使用 API 公开数据供其他应用程序使用，要么使用其他应用程序可以读取的通用文件格式，如 Markdown。但这两种方法都有各自的问题。
在 API 方法中，需要两个应用程序都有 API 接口，并建立集成以实现数据互操作，你永远无法保证这一点。在 Markdown 文件方法中，你会发现有大量 Markdown 不支持的功能，因此人们会在这些 Markdown 文件上添加额外的元数据来支持这些功能。如果你用不同的应用程序打开这些文件，它们仍然不知道如何处理这些元数据，或者它们可能会以不同的方式处理这些元数据，从而破坏文件，因为在这些文件的读写方面并没有通用的协议。
因此，我在考虑如何解决跨用例和跨应用的互操作性问题时，希望 Heptabase 最终能成为一个系统，让人们可以在此基础上构建并发布自己的「元应用（meta-app）」。虽然目前我们还不允许第三方开发人员构建元应用程序，但我们已经在 Heptabase 中构建了六个本地元应用程序。这些元应用程序不是数据库模板，也不是为现有数据提供新视图的功能级插件。它们是服务级应用程序，具有独立的用户界面、工作流程和功能，可以帮助用户处理特定的用例。
元应用程序最酷的地方在于它们都运行在「卡片」之上，而「卡片」是 Heptabase 系统的基本元素。目前，我们有笔记卡片、日志卡片、PDF 卡片，不久还将推出高亮显示卡片、音频卡片、视频卡片、图像卡片等。这些卡片可以在元应用程序之间互操作，每个元应用程序都可以按照相同的协议在这些卡片上读写特定于应用程序的元数据。
通过这种方法，Heptabase 本质上是元应用程序的操作系统，同时也是卡片的浏览器。这样做的好处是，我们可以降低安装大量功能级插件或设置大量属性和视图的复杂性，而这仅仅是为了处理一个简单的用例。我们也不需要浪费时间在元应用程序之间建立 API 集成。
当然，有时你仍然会希望将 Heptabase 与我们生态系统之外的应用程序连接起来，因此我们仍然支持将所有数据导出为 Markdown + YAML 格式，并最终将提供我们的 API 供其他人使用。但我认为，随着时间的推移，随着整个元应用生态系统的成长和成熟，这方面的需求会越来越少。
Q：另一个挑战是支持个人和集体的知识创造。
A：当然。虽然我们从 2021 年开始就一直关注个人学习和研究过程，但集体研究是我们计划在 2024 年解决的主要问题之一。它之所以重要，是因为人类解决的大多数重要问题都是集体解决的。我们必须把分散在人们大脑中的知识拼图拼凑起来。
现代集体研究解决方案的棘手之处在于，人们似乎认为只需要一个协同工作空间，一群人就可以一起编辑和连接文档。这样的解决方案对于建立维基或确保人们在项目中保持一致非常有用，但我认为它并没有真正解决集体研究的核心问题，即如何通过每个人对某个主题的投入，逐渐加深每个人对该主题的理解。
很显然，你需要一个地方，让每个人都能贡献自己的知识和想法。非显而易见的部分是，如何以一种可以避免群体思维的方式来组织这些信息，引导大家关注对自己有用的东西，确保每个人在利用他人贡献的知识的同时仍能进行独立思考，并促进讨论，从而加深对主题的理解。这些都是我们在 Heptabase 基础上构建交流层时要解决的一些问题。
关于如何解决这个问题，我们一开始有两个核心理念。首先是在个人工作区和集体工作区之间建立一个来回切换的过程，这样人们仍然可以有自己独立的思考过程。其次是帮助集体工作区中的人们创建目标、构建这些目标，并利用他们的集体知识为相同的目标创建不同的表述。设计这将是一个巨大的挑战，我认为我们不可能在第一个版本中就把它做好。我们要做的是进行内部测试，看看整个 Heptabase 团队是如何运作的。然后，我们可以让更多的社区成员参与进来，逐步向更多人开放。
案例
Q：你是如何使用 Heptabase 的？
A：我主要用 Heptabase 来学习、研究、计划和写作。每天早上，我会先打开我的日志，看看当天需要做的任务。这里会有一堆我几天前写的或分配的待办事项。比方说，现在是月底，我需要写一份投资者更新报告。我还想研究一下这个新的产品功能设计，花点时间研究一下增长战略，再读一章我正在读的书。
我最喜欢 Heptabase 的功能之一是，每当我打开白板、卡片或标签时，都可以像打开浏览器标签一样在左侧边栏打开它们。我可以把经常访问的标签固定下来，并为不同类型的工作创建标签组。
例如，我想先写投资者更新。我会进入「公司运营」标签组，打开 「#investor-update」 标签，然后创建一张新卡片开始写作。在撰写过程中，我可能会搜索并打开右侧边栏上的一些现有卡片作为参考。
写完后，我会检查日志中的待办事项，然后继续进行产品研究。我会进入「产品研究」标签组，打开一个名为「更好地收集→思考」的固定白板，上面有我对这个问题的所有产品想法和用户洞察。我可能会添加一些新想法，盯着它们看，重新排列，分组，并完善白板结构，直到我觉得自己对这个问题有了更好的理解。然后，我会利用白板上的想法编写一份功能说明书，并将该说明书发送给设计人员以征求反馈意见。
完成后，我会查看日志中的待办事项列表，然后进入「增长研究」标签组，打开「留存与参与」白板。在该白板中，我从网上剪下了几篇长文章，我会把这些长卡片拆分成小的概念卡片，用自己的话改写我学到的知识。每张概念卡的标题通常是一句话，内容包括支持论点和证据
我最喜欢做的一件事就是阅读大量文章，提炼知识，并利用从这些文章中获得的知识在白板上形成自己独特的理解。然后，我再根据这些理解制定发展战略。
现在，我已经完成了今天的所有工作，我会进入「个人学习」标签组，打开「读书笔记」白板。假设我正在阅读一本名为《创新者的窘境》的书，我将为这本书建立一个以书名为名的子白板。在这个子白板上，我还会把从这本书中学到的所有知识分解成概念卡片。
假设今天我读的是关于硬盘市场竞争的这一章，我就会制作很多关于这一章的概念卡片。这让我想起了我为其他同样关于竞争的书籍制作的概念卡片。因此，我喜欢做的另一件事是，我可能会创建一个名为「竞争哲学」的白板，然后从《创新者的窘境》白板和其他书籍的白板（如《从0到1》、《孙子兵法》和《芯片战争》）中导入所有关于竞争的概念卡。
这是我在 Heptabase 中经常做的事情，本质上就是创建不同主题的白板，并将从不同书籍、文章、视频和 PDF 中提取的概念卡片重复用于这些主题的白板，随着时间的推移逐渐形成更深入的理解。
Q：你建议如何开始使用 Heptabase？
A：我认为，开始使用 Heptabase 的最佳方法就是找到你感兴趣的主题或书籍，然后创建一个白板。
例如，如果你对深度学习感兴趣，有三篇长文章你想读，你可以用 Heptabase 并排打开这些文章，然后提取内容到 Heptabase 的白板上，创建概念卡。每张概念卡都应包含一个你认为重要的想法。
Heptabase 的「啊哈」时刻（顿悟时刻）在于，你会逐渐从越来越多的来源积累越来越多的卡片，你会发现在白板上进行理解的过程非常顺畅。会发现自己很容易进入思考的流程，几个小时后，你会形成对这个主题的独特理解。你会知道接下来要阅读什么，如何将新知识与现有知识整合，你会知道这种理解将永远以视觉形式存储在这里。
下一步
Q：最后一个问题，Heptabase 的下一步计划是什么？
A：接下来的三个月，我们有三个优先事项。首先，正如我前面提到的，我们希望引入更多类型的卡片，尤其是多媒体卡片，并允许用户突出显示、注释和提取这些不同类型卡片中的知识。第二个优先事项是在 Heptabase 的基础上建立一个通信层，以实现集体研究过程。第三个优先事项是升级我们的后台基础设施，因为我们现在面临的用户规模要比 2022 年大得多。
当然，我们还将继续完善和改进白板、卡片和标签等现有功能的体验，它们是我们一切工作的基础。归根结底，这一切都要回归到我们的愿景，那就是我们要竭尽全力创造一个人人都能有效深入理解任何事物的世界。
Q：人们从哪里可以了解更多关于 Heptabase 的信息？
您可以在我们的网站上试用 Heptabase。了解更多信息的最佳途径是我们的公共维基。如果你想了解我们的理念，我推荐你阅读《我的愿景 —— 路线图》和《从阅读中获取知识的最佳方式》。如果你只想了解当前产品的工作原理，我推荐你阅读《Heptabase 入门》和《Heptabase 1.0》。我们拥有一个活跃的 Discord 社区，成员超过 12800 人，欢迎您的加入。我们偶尔也会在 Twitter 上分享一些产品更新。