双向链接笔记软件的好处以及问题

[AndyAO]

最近出现了很多双向链接笔记软件，形成了新的风潮。

它之所以更好，是因为这种方式符合人脑的记忆原理。

人的大脑记忆信息靠神经元之间的连接，这就意味着记忆的本质就是发散的，而不是线性的。

纸以及传统的笔记软件都是线性的，它们学习效果比较差，而超链接很像大脑之间神经元的连接，效果比较好。

但这不意味着传统的线性叙述方式已经被彻底淘汰，相反它有自己的好处。

人类之间的沟通本质上是线性的，不管是靠最原始的听还是后来才发展出的看，都是如此，像计算机这样的超链接是很晚才出现的。

千百年来人类之间沟通的方式都是，将大脑中的网状信息转换成线性，然后通过介质发送到别人的大脑中，然后那个人在进行解码。

这种方式有个很大的特点，就是效率比较低，传输速度比较慢。

虽然看起来效率会变差，但也有个好处就是给大脑造成的认知负荷比较轻，人类已经习惯了这种方式。

信息如果以网状形式提供，那么一篇文章的信息量就会爆炸式增长，这样人就会难以应付，反而导致了学习效率的下降。

这就是传统的纸质书仍然存在的重要原因。

维基百科是这些现象的重灾区，由于到处都是超链接，所以看的时候经常点来点去打开了很多页面，眼睛扫来扫去，貌似看了很多东西，但是好像什么也没记住。

甚至有人写了个脚本，直接禁止在维基百科的超链接之间进行跳转[^1]。

[^1]：阻止维基漫游

网状的超链接笔记适合用来学习，但用来传播的话，可能也会带来很多的问题。

[AndyAO]

经常会看见这样的现象，有新手来问如何学习某项技能，结果很多人推荐直接看文档。

实际上对于很多新手来说这是不行的，因为会极大的增加其认知负荷，可能还没入门呢，就被吓跑了，把持不住！

无论文档多么完善循序渐进的入门教程，都是有必要的。

买本书，听个课程，再烂起码也不会立即从入门到放弃。

[Windn0]

很多时候，知识系统间建立双向链接是不可靠的，一是各种知识间的层级不一致，二是双向链接太多难于管理反而造成负担。三双链的制作成本太高。四所谓的知识网络图除了装 B 外还有其他的用处吗？不会有人记忆这个网络图吧？

[bnm965321]

双向链接主要是在输入层面简化流程，如果真的使用过 Roam Research 或者 Logseq 就会明白我在说什么。

普通的笔记软件需要耗费大量的精力管理样式，笔记的文件夹层级分类，笔记的标签。但是这些东西真的有用吗？

[arischow]

我觉得不是你说的那样，问题不在工具，「工具好不好用是取决于你使用它的能力」。笔记类型也分成了很多种，把内容采集到笔记软件后你还需要把最原始的（ fleeting ）笔记用自己的语言（而不是复制粘贴）重写，以上观点引用自 How to Take Smart Notes

[arischow]

我认为双向链接的笔记软件学习曲线是比较高的，如果我们本身对笔记管理的能力就比较糟糕，会使得一切更为灾难。

[WilsonGGG]

盖尔定律(Gall's Law)

从头开始设计的复杂系统根本不切实可行，无法修修补补让它切实可行。 你必须由一个切实可行的简单系统重新开始。 盖尔定律说明了设计高度复杂的系统很可能会失败。 它们很难一蹴而就，更多是从简单的系统逐渐演变而来。

[err1y]

都是工具，让工具发挥其长处就好了。我们不会用斧子钉钉子，也不会使用锤子劈柴。
我喜欢读书的线性的感觉，我也喜欢在维基中漫游的感觉，我觉得这两种方式都让我学到了很多东西。
如果一种方式不合适就换一种方式，最终把问题解决 /学到东西不就达成目的了吗？

[explorerproxy]

网状不适合分享
但是网状和树状并不是对立的

[wdssmq]

我想问有没有适合直接用 VSCode 编辑的双链笔记产品，，用 VSCode 写，在网页里看。。

[bmpidev2019]

双链的好处在于补充笔记的上下文，记得久了，再次看到链接可以方便回忆上下文。当然记笔记不是目的，是为了解决问题。我现在用 logseq 解决了管理目标、时间、与笔记，具体见这篇《 OKR + GTD + Note => Logseq 》： https://www.bmpi.dev/self/okr-gtd-note-logseq/

[kilala2020]

之前也一直找各种工具，后来醒悟了，重要的不是应该要记到脑子里么？笔记软件能全局搜索就 OK 了啊。

[cdd2zju]

@Windn0 哈哈，兄弟，我 1 个月前，跟你想法完全一样。
但后来还是硬着头皮尝试了 obsidian ，现在体验了 1 个月了，的确用着很爽，双链的制作成本远低于当初我以为的成本，双链的管理成本，目前也没看到，不需要去可以管理，当然可以是因为现在规模还不够大，我主要放自己思考的内容，没有把其他笔记一股脑儿都放进来。
等我再搞几个月，看看这个所谓神经网络图有没有实际用出。