从笔记到第二大脑：Flowith 2.0 知识库实测与反思

知识流动本就该如此轻松。不是吗？

痛点

在日常的知识工作中，我一直希望让记录和输出都变得更加简单。简要来说，我的目标是不肯花大功夫整理笔记，却希望获得卡片笔记写作法带来的收益。所以，这些年，你看到了，我没少折腾各种笔记应用。正如我之前所说：

作为一个懒人，我一直希望知识的处理与输出能变得更加容易一些。这些年，我尝试了各种笔记工具，包括 Evernote, Notion, Obsidian, Logseq, Roam Research, Heptabase 等，就是希望能够无压记录，精准回顾，流畅输出。

然而，这些工具对我来说依然不够轻松。在使用 AI 之前，我必须人为地给信息打标签或建立链接，才能后期检索到它们。这种额外负担在实际使用中并没有真正减轻我的工作量。我也曾在文章中表达过自己真切的期待：

…… 随时去记录，而不必操心加工整理的事儿。当我真正想要调用之前的知识储备时，只需要一个自然语言简单查询，AI 就能遍历我的笔记库，自己根据语义找寻相关记录，然后总结输出，给我一个满意的答案。

有了 AI 以后，我也试用多种基于 RAG 技术的工具，例如 Notion AI, Quivr, Elephas, GPTs, Obsidian Copilot, Cursor 等等，却发现它们对懒人仍不够友好。尤其是设置过程复杂，更新不便，对新手来说有门槛。如很多人在配置 Obsidian Copilot 时，会被各种设置问题和不匹配的选项弄得手忙脚乱。

不少工具在用户输入了大量文件后，找寻的准确率和回答的精准度还有很大提升空间，这一点也让 我在使用过程中深有体会。我曾经尝试通过更好的 embedding 模型和排序方法来解决，但这显然不符合「懒人法则」，不够「开箱即用」。

因此，当我得知 Flowith 2.0 增加了知识库功能，而且很多小伙伴试用后反馈效果很好时，便想测试一下它是否能解决我在知识管理和利用上的痛点。我期待通过这种方式，不用再面对繁琐的设置步骤，就能准确提取出相关笔记，并实现更顺畅的创作过程，也希望它能够成为真正意义上的 「第二大脑」。

这篇文章，就是我的实践过程和反思总结，希望对你的知识工作有帮助。

构建

Flowith 这东西，半年多以前，我就给你推荐过。最近它邀请用户参与 2.0 Beta 版本内测，我立即就填写了表格，很快被工作人员拉入群里，且给了 Premium 兑换码。

我于是立即开始尝试构建知识库。方法是选择 "Manage Your Knowledge Base"，进入知识库管理页面。

然后选择左上角的加号，添加新的知识库。

你可以随意给知识库起个名。但是我强烈建议你起个自己后来能分辨的名字，不然使用的时候会不方便找寻。

下面，你就可以点击添加文件。

我建议你使用 Markdown 格式的文件。我平时发布的文章，存储的都是这种格式。它其实就是带标记的纯文本，比较符合大语言模型的偏好。

接着，你会看到 Flowith 开始忙活，逐个文件进行抽取（Extraction）等处理。

你根本无需操心它是怎么做的。关上页面，等处理好了再说。

过了一会儿，处理完毕。我点开其中某一个文件看看。处理过后它包含 3 个 seeds，也就是因为长度关系，切分成了 3 个部分。

你可以在知识库管理页面测试检索。例如我这里输入「卡片」，就可以过滤出与「卡片」直接相关的发布文章内容。

这就是知识库的构建方法 —— 新建、拖拽、等待、搞定。

按照类似的逻辑，我分别构建了「《玉树芝兰》公众号文章」和「《玉树芝兰》知识星球文章」两个知识库。

知识库构建好了，咱们尝试一下问答吧。

尝试

我们先来尝试一下利用「《玉树芝兰》公众号文章」来回答问题。

我这里的设定是使用普通模式（其他模式包括绘图、视频制作、在线检索、提示词优化……）。选择用 Claude 3.5 Sonnet 作为大模型，然后注意只选择「《玉树芝兰》公众号文章」这一个知识库。

我提出的问题为：

如何用 AI 辅助数据分析？

这是 Flowith 给出的答案：