找回知识图谱的力量:Lattics易用有效的笔记软件和写作助手内容功能

自从RoamResearch以来,开启了双向链接的狂潮。如今,出现了很多双向链接笔记软件,比如,Obsidian、Logseq,一些其他类别的笔记软件和文档甚至写作软件也逐步加入了双向链接功能。比如,Notion、FlowUs息流、Capacities等。

双向链接确实好用,是构建知识管理体系和网络的利器。与此同时,知识图谱也是双向链接笔记软件的主要功能。

然而,在使用形形色色的各类双链笔记软件之后,发现我实际上很少使用图谱功能。

这是我自己的问题吗?还是当前知识图谱的设计还需要进化?

细细想来,主要由于图谱功能对于我个人的知识管理帮助不大。

对于知识管理使用的迷思,我需要问自己一个问题:知识图谱究竟为了带来了什么?如果把这个问题具体化,那便需要回答知识图谱的优点和缺点。

通过知识图谱功能实现了知识关系的可视化,用户可以快速查看多个知识内容之间关联。

然而,在使用过程中,却依然存在不少不尽人意之处。

目前多数知识图谱可能存在的缺点如下:

针对知识图谱的现有问题,存在两个解决方案:

使用其他工具进行辅助。比如,使用白板作为载体。目前,Obsidian等笔记软件逐步支持了Canvas、Whiteboard等功能。

使用白板作为思维工具:

在Obsidian、Roam等工具社区,已经有不少资深知识管理用户认识到了原生图谱的功能局限。

解决方案包括MOC笔记法、KG笔记法。

MOC笔记法,即MapofContents.一般翻译为「内容地图」,核心思想是在文字表达过程中善用双向链接,即通过文字将不同内容进行关联。用户可以文字的灵活性,轻松表达多种关系。

KG笔记法,即KnowledgeGraphNotes,核心思想是先对笔记内容进行识别,将笔记区分为概念笔记、实体笔记、关系笔记,再通过图谱功能展示内容之间的关系。KG笔记法由于引入了「关系笔记」,间接实现了关系描述。这种方法的优点是不局限于笔记软件,只要这个笔记软件支持基本的双向链接、图谱功能就可以践行。

具体介绍,推荐阅读原文:「释放双链笔记图谱的力量——KG笔记法」

目前,国内外已经出现了各种形形色色的知识管理工具。其中,经典代表产品便是Obsidian和Notion.

每个产品都是多种设计思想和功能的集合体。Obsidian和Notion则具有Obsidian由于其强大的扩展系统、丰富的第三方生态等特征,能满足多种用户群体的使用需求。

这些工具不一定要非此即彼。

目前,这些工具都在使用,主要使用场景如下:

在这些工具之外,Lattics也进入了我的工具箱组合。

选择原因:Lattics上手简单、图谱易用方便强大、提供诸多写作辅助功能。我个人是选择多款工具,并根据使用场景分别采用不同工具。如果你感觉使用多种工具比较麻烦,只选择一款工具的话,那优先推荐Lattics.Lattics既具有优秀笔记软件的诸多优点,更是一款聚焦辅助思考以及帮助创作的专业写作工具。

使用场景:Lattics基于项目的笔记记录和写作。

操作示范

单从图谱角度进行对比,Lattics也解决了以往双链笔记软件的一些存在的不少问题。

Obsidian等笔记软件,可以通过插件强化或者通过某种笔记法和特定插件的结合,提高图谱的实用性。

作为对比,从实际的工作和学习场景来看,Lattics的图谱对于多数普通用户,更加容易上手,更好用一些。

具体而言,Lattics的图谱具有以下特点:

打开即用,即便是新用户也能立即学会。

图谱和内容之间切换十分丝滑,实现了见树又见林。

支持多种视图,可根据需求自由切换。目前,提供了思维导图、情节视图和鸟瞰视图,方便用户逐步预览不同信息层级的内容。

图谱提供有箭头方向的关联,属于真正的关系图谱。用户可以轻松创建相互关联的内容。随着记笔记、写作过程的展开,图谱自然“同步生长“,逐步形成一个动态网络知识库。

具体GIF动态演示

2.继续头脑风暴,不断自由扩展想法

3.1将图谱从思维导图切换至鸟瞰视图,基于大纲的思路,展开卡片写作

3.2当然了,你也可以选择直接进入项目中的页面开始写作。此时,可以进一步选择「专注模式」展开写作。

3.4创作不是线性的。思考、笔记、写作之间是非线性关系。我们在写作过程中,经常还需要返回修改图谱,重新组织以前的大纲内容。

以下是使用图谱的一些小技巧:

4.如此循环往复。不断优化大纲和内容细节。最后,当对内容笔记满意,点击项目左上角的箭头,便可以一键将所有内容顺序合并为一篇长文。

Lattics兼具了笔记软件和写作软件的诸多优点。Lattics在自己的官网强调自己是以“类脑式”理念进行设计的。大家平时提到的“第二大脑”更倾向于知识管理,强调使用软件高效存储和整理各种海量知识。

作为对比,Lattics的“类脑式”理念更重视将用户作为创作者,强调帮助用户深化思考和提升创作能力。体验下来,很多功能都是根据人脑思考的特性进行设计的。并且,实现了易上手好用的操作体验。

下面是Lattics除了图谱之外,其他主要功能的总结:

以下是简要演示:

双链:反向链接、链接预览、链接发现

悬浮目录、标签体系

专门为创作而设计的功能:

卡片库、图谱、闪卡、文档拆分

沉浸模式、打字机模式、字数统计、写作目标、样式模版、写作统计

THE END
1.关于启用超星学习通平台知识图谱建设功能模块及开展专题培训的通知根据《北京建筑大学推进数字教育行动计划(2023-2025年)》(北建大教发〔2024〕1号)文件精神,为进一步深化我校教育数字化转型,加速数字化技术在教育教学中的赋能作用,现已正式在超星学习通网络教学平台上开通知识图谱建设功能模块。 一、 知识图谱功能简介 https://jwc.bucea.edu.cn/tzgg/d225f7abcbf34a2fa657f2a82175b1b7.htm
2.什么是人工智能的知识图谱?知识图谱的组成构建应用有哪些人工智能(Artificial Intelligence,AI)是一种通过计算机模拟人类智能的技术,其应用范围越来越广泛。知识图谱(Knowledge Graph,KG)则是人工智能技术中的重要组成部分,它是一种结构化的、语义化的知识表示方式,能够帮助计算机理解和处理人类语言。 知识图谱的定义 https://cloud.tencent.com/developer/article/2286418
3.知识图谱平台:功能作用与发展阶段深度解析五、知识图谱平台在各行业的应用 知识图谱平台以其强大的知识表示、学习、推理和可视化功能,已经在多个行业中得到广泛应用,并展现出巨大的潜力。 1、金融行业 在金融行业,知识图谱平台能够帮助银行、保险、证券等机构更好地管理风险、识别欺诈行为,以及为客户提供更加个性化的金融服务。例如,通过对客户的交易行为、信用记https://www.udesk.cn/ucm/faq/59858
4.人工智能知识图谱可视化实践探索美团技术团队知识图谱可视化除了上述的基础交互功能外,我们还探索了一些特殊场景的交互。在图谱可视化中交互的目的,是为了从庞大的知识图谱中找到自己关心数据的关联关系,同时也能够观察到这些关联关系在全局画布中的位置。 路径锁定 通过选取不同的节点,自动计算出节点之间的合适路径,做锁定展现,方便观察两个或多个节点是如何关联起来的。 https://blog.csdn.net/shumeizwb/article/details/135710347
5.知识图谱的作用有哪些?知识图谱的作用2:提升机器语言认知。 知识图谱本身的特性就是具有丰富的语义关系,能够将概念、属性以及实体之间的关系相互连接,让机器可以更好地理解自然语言,更好地理解用户想法以及所需反馈。 知识图谱的作用3:可解释性。 可解释性是人工智能的重要加强功能。当人工智能实现深度学习后,用户会感觉从理解性和反馈性上https://yueshu.com.cn/posts/what-does-the-knowledge-graph-do
6.什么是知识图谱可视化工具?这篇文章带你深入探索!知识图谱可视化工具可以同时展示多个维度的信息,例如实体属性、关系类型、时间轴等。通过这种多维展示,用户可以更全面地了解知识图谱中的内容,并发现不同维度之间的关联。 本文所有涉及到的示例图片均为FineBI中的案例,基于FineBI强大的大数据分析功能,用户只需简单拖拽即可创建丰富多样的数据可视化信息,轻松对数据进行深入https://www.finebi.com/visualization/smszhshtpkshh
7.什么是知识图谱?组成的网状的知识结构 也就是数据结构中的图 Graph br 2.每个节点表示现实世界中存在的实体Entity 每条边为实体与实体之间的关系 br 3.每个节点代表的实体还存在着一些属性 比如 梅西 这个节点 可以把生日 国籍 球队等一些基本信息作为属性 br 4.知识图谱由一条条知识组成 https://m.baidu.com/bh/m/detail/ar_6651722492301978691
8.人工智能技术基础系列之:知识图谱51CTO博客知识图谱(Knowledge Graph, KG)是一种表示实体(entity)及其关系(relation)的数据结构,它可以被计算机理解和推理。知识图谱的核心是将实体和关系建模成图的节点和边,从而实现对知识的高效存储和查询。知识图谱技术在人工智能领域具有广泛的应用,如语义搜索、问答系统、推荐系统等。 https://blog.51cto.com/universsky/8996522
9.知识图谱管理平台主要功能简介知识定义,也称数据描述规范(Schema),是知识图谱数据生产所必需的一套规范。“知识定义”用于描述规范化数据的结构。拥有一套完善的数据描述规范,也是计算机理解知识的必要条件。建立“知识定义”是创建知识图谱的首要步骤。知识图谱的所有构建策略全部依赖于知识定义进行。知识定义的是否准确与全面将直接影响知识图谱的构建效https://www.jianshu.com/p/59d5587a1945
10.知识图谱系列01初识知识图谱:了解基础原理应用与价值编辑导语:“无知识图谱,不AI”,知识图谱一直是AI领域不可不谈的话题,各大公司都在搭建各自领域的知识图谱,还有许多靠做知识图谱起家的独角兽公司。那么知识图谱到底是什么?它为什么会被大家热衷?它与传统的数据库存储数据的方式有何不同?让我们一起看看吧。 https://www.163.com/dy/article/H82GMH4I0511805E.html
11.知识图谱功能上新!让你的思维导图知识体系可视化!亿图脑图双向链接,搭建个性化知识体系! 00:30 知识图谱功能上新!让你的思维导图知识体系可视化! 00:35 是时候展示真正的技术了! 01:12 思维导图 | Ai 助手 3.0! 01:05 AI读书?这样用思维导图让学习变得上瘾! 00:42 学会这些快捷键用法 做导图超爽!! 00:44 只要3步,教你快速打印思维导图! https://www.bilibili.com/video/BV1d94y1i7yr
12.知识图谱的应用1. 知识图谱是一种语义网络,即一个具有图结构的知识库,这里图的节点可以是概念(比如说大学),可以是实例(比如说东南大学),可以是一个literal(比如说一个数字,一个日期,一个字符串),而图的边就是一个关系(比如说漆桂林 就职于 东南大学,这里“就职于”就是一个关系)。 https://maimai.cn/article/detail?fid=735230561&efid=dpiMmQA2HfySJLryussXIA