Рабочий процесс PKM для постепенного сохранения (и поиска) всего

Бесконечное знание. Цифровое искусство.

Контекст

Технический менеджер, имя которого я пока не назову, рассказал мне свою историю о том, как он пытался найти решение технической проблемы в Интернете. Это типичный question -> google -> stack overflow -> answer путь с изюминкой: когда он, наконец, нашел ответ, он понял, что он сам создал вопрос годом ранее.

Мне нравится эта история, потому что ее легко понять. Разве мы все не искали что-то, что оказалось проблемой, с которой мы уже сталкивались?

Процесс поиска ответов в Интернете — это то, на что похоже создание программного обеспечения (и большая часть умственной работы) в 20-м веке.

Нам необходимо обработать огромное количество информации, чтобы просто выполнять свою работу. Невозможно (и не полезно) держать эту информацию в голове, поэтому мы полагаемся на такие сервисы, как Google, чтобы найти то, чего мы не знаем (или забыли).

Хотя это может работать, возникает проблема, когда мы начинаем зависеть от этого рабочего процесса в течение дня. Это все равно, что полагаться только на карты Google, чтобы добраться до дома — пока это работает, вы также теряете способность ориентироваться самостоятельно в процессе.

Это петля дня сурка — сколько бы вы ни искали, знания быстро забываются, а мастерство никогда не достигается.

Теперь представьте себе тот же рабочий процесс, когда вместо поиска вы просматриваете информацию в своем личном кэше знаний. Этот кеш содержит все проблемы, с которыми вы когда-либо сталкивались, и доступен за считанные секунды. Если вы найдете ответ, все готово, а если нет, то можете быть уверены, что его здесь нет. Только после этого вы возвращаетесь к поиску. Когда вы найдете ответ, вы добавите его в свой кеш, чтобы использовать в будущем.

Это петля мастерства — вместо того, чтобы терять свое место по каждому вопросу, вы строите и укрепляете свое понимание вещей с каждой проблемой, с которой сталкиваетесь.

Ключом к построению этого конкретного цикла мастерства является объединение следующих рабочих процессов PKM:

Вместе они позволяют кэшировать все!

Прогрессивное суммирование

Если вы не знакомы с этим термином, прогрессивное обобщение – это средство постепенного сохранения информации из текста для использования в будущем. Он построен на пяти уровнях обобщения и впервые введен Тиаго Форте, влиятельным лицом в пространстве ПКМ.

Шаги описаны более подробно ниже:

  1. Если вам попадется полезная информация, сохраните выдержки из нее. Это слой 1. Преимущество: в следующий раз, когда вы вернетесь к заметкам, вы можете просто просмотреть свои выдержки, а не весь текст.
  2. Если вам снова понадобится текст, выделите жирным шрифтом отдельные отрывки, которые выделяются при просмотре. Это слой 2, он служит для облегчения скимминга в будущем.
  3. Если вам снова потребуется текст, ==выделите из выделенных полужирным шрифтом частей== наиболее важные идеи. Это слой 3, и он представляет собой наиболее качественные выводы, которые вы получили из конкретного текста.
  4. Если вам все еще нужен текст, составьте его краткое содержание своими словами. Это слой 4, который представляет собой начало переформулирования текста своими словами.
  5. Если затем вы обнаружите, что текст подходит для какого-то текущего проекта, последним шагом будет его ремикс в ваш собственный материал. Это слой 5, представляющий собой кульминацию всех предыдущих слоев.

У последовательного суммирования есть несколько весьма желательных характеристик:

  • точно вовремя или раньше времени: вы выполняете работу только тогда, когда вам нужно
  • дополнительная работа: вы выполняете только минимальную работу на каждом уровне, которую затем можно использовать на более поздних уровнях.
  • активный и пассивный: вы активно читаете текст, а не просматриваете его.

Иерархический первый подход к управлению знаниями

Первый иерархический подход к управлению знаниями превосходно помогает людям систематизировать большое количество информации последовательно структурированным способом для последующего поиска.

Он обеспечивает основу для создания базы знаний, которая может расти до любого размера, обеспечивая при этом доступность информации. Вы можете прочитать больше о деталях этого рабочего процесса в исходной записи блога — Это не вы — это ваша база знаний.

Кэшировать все вещи

Прогрессивное суммирование помогает сохранить ключевые идеи из текста, иерархический подход помогает организовать эти сводки, чтобы их можно было найти позже. Комбинация этих двух способов позволяет нам создать базу знаний из точных идей, к которым можно получить доступ в любой момент.

Эта гибридная техника состоит из пяти уровней, и ниже мы уделим некоторое время более подробному объяснению каждого из них.

Уровень 1 — Примечание

Когда вы столкнетесь с информацией, которая окажется полезной, запишите ее. Это делается путем копирования соответствующих выдержек из исходного материала.

Грег — новый инженер в Literal, социальной компании виртуальной реальности. Их первое задание — изменить жестко запрограммированную строку приветствия на интернационализированную строку. Их наставник рекомендует использовать инструмент командной строки grep, чтобы найти все экземпляры строки. Грег никогда раньше не использовал grep, поэтому тратит некоторое время на изучение этого вопроса. В своих заметках он приводит базовый пример выполнения команды.

grep [OPTIONS] PATTERN [FILE...] grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]
grep 'python' *

Уровень 2 — Расширить

Если вы обнаружите, что постоянно возвращаетесь к исходному материалу, потому что в конечном итоге используете больше функций, инвестируйте в добавление дополнительной информации в свою заметку. Например, это могут быть подробные инструкции по новым функциям или с трудом добытые идеи, которые вы обнаружили методом проб и ошибок.

Грег завершает свое первое задание и продолжает работу по локализации. Он довольно часто использует grep и обнаруживает, что может использовать регулярное выражение для ускорения своего рабочего процесса. Он также в этот момент заметил некоторые ошибки, которые он продолжает делать с вариантами. Грег записывает все это.

grep [OPTIONS] PATTERN [FILE...] grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]
grep 'python' *

Уровень 3 — Сплит

Если вы продолжите расширять заметку, она в конечном итоге превысит ограничение в одну страницу (например, 800 слов). На этом этапе вы хотите разделить свои заметки на более мелкие заметки.

ПРИМЕЧАНИЕ. Процесс разделения больших заметок на более мелкие также известен как схема амебы

Грег постоянно использует команду grep, и теперь ему приходится тратить время на пролистывание своей grep заметки, чтобы найти то, что ему нужно. У него есть раздел фрагментов, который составляет большую часть заметки, поэтому он решил выделить ее в отдельную заметку.

.
└── grep
    └── snippets

Уровень 4 — стандартизировать

По мере того, как вы продолжаете процесс расширения и разделения нот, вы обнаружите, что определенные кластеры нот будут иметь одинаковую форму. Когда этот шаблон начнет проявляться, вы можете стандартизировать эти шаблоны в иерархии.

Поскольку Грег берется за более масштабные задания, он также расширяет свой арсенал команд интерфейса командной строки. Через некоторое время Грег понимает, что все команды CLI имеют схожую структуру, поэтому он объединяет ее в иерархию.

.
└── cli/
    ├── grep
    │   └── snippets
    ├── sed
    ├── awk
    │   └── snippets
    ├── git
    ├── test
    └── ...

Уровень 5 — Рефакторинг

В программной инженерии рефакторинг — это процесс реструктуризации существующей (информации) — изменение факторинга — без изменения его внешнего поведения

Рефакторинг проводится потому, что исходная структура может перерасти свою полезность. Иногда меняется основная информация или ваше понимание ее. В любом случае это означает, что вам нужно будет обновить свои иерархии, чтобы учесть это изменение.

Грегу поручено новое задание, которое предполагает работу с Windows и PowerShell вместо терминала Linux. Он обнаруживает, что PowerShell имеет свой собственный набор команд и что те же самые команды в Linux будут вести себя для Powershell несколько иначе. Грег приступает к реорганизации исходной иерархии

.
└── cli/
    ├── linux
    │   ├── grep
    │   │   └── snippets
    │   ├── sed
    │   ├── awk
    │   │   └── snippets
    │   ├── git
    │   └── test
    │   └── ...
    └── powershell
        ├── CopyCmd
        ├── grep
        └── ...

Проблемы

Только что описанный нами рабочий процесс можно применять вне CLI команд, чтобы охватить любую информацию, которую вы, возможно, захотите отслеживать. Это позволяет вам систематически создавать как вашу ссылку на «факты» в предметной области, так и базовую ментальную модель указанной предметной области.

Проблема реализации этого рабочего процесса обычно проявляется на двух последних уровнях: стандартизация и рефакторинг.

Стандартизация иерархий затруднена, потому что создание иерархий обычно занимает много времени и создает трудности как при поиске, так и при сборе новой информации.

Рефакторинг сложен, потому что он обычно основан на ручном перемещении старых заметок в новые иерархии, а также разрывает связи в процессе.

Вот почему мы создали Dendron — инструмент для создания заметок, который помогает людям организовывать и реорганизовывать свои заметки.

Упрощая стандартизацию иерархий и рефакторинг по мере необходимости, Dendron позволяет создавать, поддерживать и использовать базы знаний, охватывающие от одного файла README до сотен тысяч заметок!

Заключение

Информация может быть подавляющей, но это не обязательно.

Мы давно прошли точку, когда можем держать все в голове. Хотя эта информация доступна в Интернете, ее поиск требует времени и ее трудно сохранить.

Объединив прогрессивное суммирование с иерархическим подходом к управлению знаниями, мы создали рабочий процесс, который позволяет нам извлекать неограниченное количество информации извне, а также средства быстро находить ее снова. при необходимости.

Это постепенное кэширование всего представляет собой выход из бесконечного цикла поиска того, что мы уже сделали, и вместо этого позволяет нам сосредоточить наши усилия на новых и более серьезных задачах дня.

Представьте, насколько эффективнее мы могли бы быть как отдельные личности, команды и как общество, если бы мы могли опираться на то, что знали, вместо того, чтобы тратить время на забвение и повторное открытие с трудом заработанных знаний?

А теперь перестаньте воображать и приступайте к кэшированию!

Первоначально опубликовано на https://blog.dendron.so 26 сентября 2022 г.