王啟樺博士的語音卡片盒 Podcast

我們在筆記 1c 講到一個點：要做 repetition，持續做、持續重複、一直產出。當輸出的內容一直累積，內容之間有連結，就會形成一個網路，進一步解鎖網路效應，最後達到湧現。

可是 repetition 其實很難。你每天都要做，做久了有時候會覺得空轉，好像沒有產出，甚至覺得自己在浪費時間和精力。

一般來說，如果我們可以定義一些比較 tangible、比較摸得到的結果，例如最後整理成一份文件、一篇短文或一支影片，你看得到東西在成長、在累積，就比較有概念，也會覺得這些時間投入還是有 outcome。

我最近發現，如果要讓 repetition 變得更有趣，可以從資訊理論 information theory 裡的 redundancy，也就是冗餘，來思考。

資訊理論裡的冗餘，一開始是在講編碼。當我們把資訊從 A 傳到 B，資訊會先透過編碼，變成 binary，也就是 1010 這種二進位形式，然後透過傳輸通道送出去。

但在傳輸過程中，這些 1010 的碼可能會被破壞，因為路上會遇到雜訊，也會受到傳輸通道性質影響。所以在資訊理論和編碼理論裡，會設計一系列冗餘機制。這些冗餘讓資訊即使遇到噪音，也能透過演算法還原原本的內容。

如果我們把冗餘只看成成本或浪費，就會覺得它是在浪費時間，或是在做額外、不必要的安排，於是產生摩擦力。可是資訊理論的發展告訴我們：有冗餘，整個系統才不會那麼脆弱，才會比較 robust、比較可靠。

這也可以拿來理解日更。假設你每天做一個練習，一直 repeat。大部分時候都像你預期的一樣很順，可是你總會遇到意外。這時候你就會開始想：這個系統是不是可以再更精簡，或者更可靠？

以日更社群媒體為例，一開始如果時間比較多，你可能會想：每天先看一本書三到四頁，做筆記，寫心得，再去 polish 文章，配圖，加關鍵字，做 SEO，找 hook，讓文章更容易被點、傳播率更高。

這樣做一開始很有成就感，因為你把很多技術都放進文章裡。可是做幾天之後，如果工作變忙，或你需要投入另一個 project，創作的精力就幾乎沒了。

如果每做一篇文章都要兩三個小時，光想就很累。這代表這套系統不夠 robust、不夠可靠。只要遇到比較忙的時候，就很容易做不下去。

如果你想讓一件事每天都能 repeat，它勢必要低摩擦。不能因為你突然忙或突然閒，這件事做起來的時間差異就非常大。

當你先達到重複，一直重複之後，就會慢慢知道很多東西可能沒有那麼重要。例如圖案美觀、抓關鍵字、各種技巧，後來你可能會發現最核心的還是內容本身，最核心的還是輸出自己的內容。

一旦你 identify 什麼是 priority、什麼是最核心的，很多其他招數就會開始顯得像花拳繡腿。你就可以慢慢把它們降下來，把系統變得更輕。

再舉 podcast 的例子。市面上的 podcast 通常很精緻，可能是兩個人對談，到錄音室錄音，有完整的五六十分鐘，甚至一個半小時訪談。相關課程也都很 professional。這些模式很好，因為它們已經成為一種商業模式和創作模式。

可是如果你問自己：這件事我有辦法每天做嗎？通常做不了。這就沒辦法形成我說的 repetition，也就不能一直重複、一直產出，去解鎖 network、網路效應和 emergence。

所以我一直在想，怎麼用 podcast 這種創作格式，產生更多內容。Podcast 以語音為主，不一定需要畫面，精神可以更聚焦在內容上。這很適合用來做低摩擦輸出。

我們可以先看別人完整的 podcast 工作流，再一直思考：我要怎麼剪？怎麼一直剪，剪到它在我的生活中可以三分鐘完成，或十分鐘完成？也就是忙的時候仍然能抽出來做的時間長度。

一旦你把這件事想成一個可以做的版本，就可以開始 repetition，持續去做。做的過程中，你會慢慢發現這個方式是不是 work，或者還需要再加什麼東西。

這就是我一直奉行的 minimum viable effort，最小可行努力原則。

例如錄 podcast 時，你會開始測試：我應該下午錄、工作後錄、午飯後錄、早上一醒來錄、睡前錄，還是早上應該拿來閱讀？光是執行時間就有很多選項。

接著還要測試錄音長度：應該固定五分鐘，還是自然地講？內容應該都從自己的經驗出發，還是可以專門講書？要不要把插圖做得更漂亮？要不要多弄不同渠道？

這些選項都需要嘗試和裁選。每一個選項都可能是噪音，也可能是幫助系統更穩健的核心嘗試。

所以只能透過不斷 repeat，從看起來像冗餘的練習裡學到：什麼東西必要，什麼東西只是花拳繡腿。把花拳繡腿做減法，把必要的東西更加 recognize，然後更加鍛鍊，做 drill，一直練、一直練。

慢慢地，你就會對自己正在做的事情有一個自己的定義。當自己的定義出來之後，你就不會一直落到別人的標準裡玩遊戲。

你會找到最適合自己輸出的方式、最適合自己日更的方式，然後不斷產出內容。這其實就是對我們利益最大、也最有意義的方法。

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續 1b2 對線上課程講師的觀察，進一步分享我自己買線上課程時會做的判斷。

台灣線上課程常常採預購制，早鳥價格很容易讓人覺得划算。但真正要問的是：這門課對我的需求是否真的存在？它能不能應用到我的生活、研究、創作，或最近想前進的方向？

影片中也分享幾種我會買的課：音樂欣賞、編曲、和弦進行、樂理；塔羅牌、星座這類能觀察人如何理解世界的課；以及健康、運動、營養學、放鬆身心相關課程。重點不是囤課，而是把課程當成一種資料庫和觀察入口。

更重要的是觀察講師背後有沒有系統。好的線上課程不只是教知識點，而是讓你看見講師從經驗裡抽取出的 lesson、mindset、principle 和 observation。先用導師的眼睛看一個領域，再回頭讀書、文件和其他 source，就能開始做 criticism，長出自己的理解。

影片後半段用「高維度真相的投影」來說明：不同作者或講師看似矛盾，可能只是從不同方向描述同一件事。當你看得夠多，也開始形成自己的世界觀，就能投影出自己的形狀，最後整理成自己的系統。

時間軸

0:00 從 1b2 的線上課程講師觀察開始

0:13 為什麼要看講師如何構造知識系統

0:18 台灣線上課程的預購生態

0:38 折扣不等於需求：先問能否應用

0:48 音樂課：理解旋律、和弦與心情

1:15 玄學課：把它當成觀察資料庫

1:39 健康、運動與放鬆身心課程

1:59 看講師是否有作品與系統

2:20 買課是為了增廣見聞、多聽多想

2:41 連續聽課，看見講師的 lesson

2:57 先相信導師，用他的眼睛看領域

3:23 再讀書和文件，檢查 principle 是否照應

3:38 從怪怪的地方進入研究者心態

3:57 對不同 source 做 criticism

4:20 為什麼不同說法會 not consistent

4:33 不同思維系統會看見不同答案

4:45 高維度真相與不同方向的投影

5:01 長出自己的理解與系統

關鍵概念

- 線上課程

- 預購課程

- 買課判斷

- 講師系統

- lesson

- mindset

- principle

- observation

- criticism

- source

- insight

- 研究者心態

- 高維度真相

- 知識系統

#線上課程 #買課 #知識管理 #研究方法 #研究者心態 #學習方法 #AI工具 #批判性思考 #知識系統

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續筆記 1b1 的討論，進一步談什麼是 capacity，以及為什麼在 AI 時代，真正重要的不只是找到資訊，而是你能不能把資訊和既有知識連結起來。

當你有短影片剪輯、學術寫作、數學或 programming 的訓練，你就會掌握一套領域語言。這些專有名詞和思考方式，會讓你更能指揮 AI，也更能判斷 AI 產出的內容是否真的有效。

影片中用幾個例子說明 capacity：改 paper 時可以用 unity 和 coherence 看段落；數學訓練會讓你理解微積分、線性代數、泛函分析與微分方程的關係；programming 訓練會讓你看懂時間複雜度、空間複雜度、resource constraint 和演算法 trade-off。

更重要的是，真正理解一個方法，不只是知道它怎麼用，也要知道它的 boundary 在哪裡。這種邊界意識，是從學生心態轉向研究者心態的一個關鍵。

時間軸

0:00 從筆記 1b1 的 capacity 開始

0:12 AI 時代資訊很多，但能不能用取決於累積

0:27 短影片剪輯：行話與專有名詞讓 AI 更好用

0:46 改 paper：unity、coherence 與 polish

1:15 capacity 是能動用的領域語言

1:21 系統性訓練如何變成思考方式

1:31 數學訓練：微積分、線性代數與分析領域

2:05 capacity 讓你看懂更高階的知識

2:12 programming：時間與空間複雜度的 trade-off

2:33 resource constraint 與演算法選擇

2:51 在各種 case 裡 apply，才知道方法邊界

3:12 boundary：方法到底能做到什麼程度

3:18 數學訓練中的條件、證明與反例

3:24 不一定要想得很複雜，但要掌握系統

3:37 用既有 capacity 理解新的內容

3:45 為什麼有些人學新東西很快

4:10 從學生心態轉成研究者心態

關鍵概念

- capacity

- AI 時代

- 領域語言

- 專有名詞

- unity

- coherence

- paper polish

- 數學訓練

- programming

- trade-off

- resource constraint

- boundary

- 研究者心態

- mindset

#AI工具 #研究方法 #Capacity #學術寫作 #Programming #數學訓練 #知識管理 #研究者心態 #AI時代 #學習方法

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續卡片 1a 的 Gary Vee「Document, Don't Create」概念，進一步談《Day Trading Attention》如何幫助我們理解日更、平台曝光與內容創作。

Day Trading Attention 可以理解成把「注意力」當作一種資產來看。當你每天在 Threads、YouTube、Instagram、LinkedIn 或其他平台持續出現，你其實是在和不同人的注意力互動。這很像台灣常說的刷存在感，也接近中國大陸內容平台裡常見的「種草行銷」。

影片也討論 influencer 不只是「影響者」，更像是一種潛移默化的力量。你長期消費什麼內容，某個程度就會被什麼內容改變；反過來，如果你開始創作自己想看的內容，也會把自己的生活觀、品味和注意力放進作品裡。

後半段回到 Voice Zettelkasten：每天錄音、做 podcast、留下逐字稿與想法紀錄，不只是輸出內容，也是在幫自己建立新的知識連結。創作留下的東西，通常比單純消費留下的東西更多。

時間軸

0:00 從 Document, Don't Create 延伸

0:13 Gary Vee 的 Day Trading Attention

0:21 把注意力當作資產來看

0:35 日更其實是在交易平台上的注意力

0:46 各種社群平台與刷存在感

1:11 influencer 更像是潛移默化

1:38 種草行銷：每天更新讓人留下印象

1:57 讀書帳號如何建立穩定形象

2:35 透過日更影響價值觀

3:03 從內容消費者轉成創作者

3:29 Voice Zettelkasten：每天錄音與 documentation

3:49 透過說話產生新的知識連結

4:00 持之以恆帶來複利式進步

4:09 創作不只交易別人的注意力

4:27 為什麼創作比單純消費更划算

關鍵概念

- Gary Vee

- Document, Don't Create

- Day Trading Attention

- 日更

- 注意力

- influencer

- 種草行銷

- Threads

- Voice Zettelkasten

- podcast

- documentation

- 內容創作

- 知識連結

#GaryVee #DayTradingAttention #DocumentDontCreate #日更 #內容創作 #注意力 #Threads #VoiceZettelkasten #Podcast #知識管理 #AI工具 #種草行銷

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

我們在卡片 1b 詳細講過 Notion AI Meeting Notes 的功能和使用場景。這裡想進一步分享 Notion AI Meeting Notes 最近一些額外功能。

基本上，如果你用 Notion AI Meeting Notes，錄音完之後會有一個介面，分別給你 summary 和 transcript。summary 是結構化、條列式的總結，可以讓你很快看完整段錄音的大致內容。transcript 則是逐字稿。

Notion 產生的逐字稿品質沒有到 ChatGPT 那麼高，也常常會有錯字，但抓大概內容其實還滿不錯。

錄好之後，你會有一個 Notion 頁面，裡面放著逐字稿。有了逐字稿之後，你可以按斜線，打 AI，裡面會有一些額外功能。這裡特別可以看三個：AI Slides、AI Chart、AI Diagram。

AI Slides 可以把逐字稿內容變成一頁式 slides，也就是一頁式投影片。你可以看它把內容視覺化成什麼樣子，也會得到一個中文標題。某種程度上，它很適合拿來當作封面或概念圖。

第二個是 AI Chart。Chart 是圖表；第三個 AI Diagram 也是圖表，但我自己使用起來的經驗是，AI Chart 比較像是在錄音內容裡找局部的小結構，畫出一個比較局部的結構圖。

AI Diagram 則比較像是給你一張更全局的圖，從宏觀角度看整份筆記的結構。

AI Chart 和 AI Diagram 都很不錯，因為它們會把逐字稿裡某種 progression，也就是敘事推進的方式找出來。我們在做 narrative 時，常常是一個概念接著一個概念，逐步論證過去。

如果你平常有練習語音輸出，其實會慢慢形成一層一層遞進的概念。當不同概念在內容裡互相表達、互相建構時，Notion AI 幫你畫 diagram 或 chart，就可能找到一種比較好的資訊圖表，也就是 infographic 的表達方式。

這件事可以幫你很好地可視化口語輸出的概念。當你能活用這個功能，它其實是在幫你梳理想法，也幫你找到更好的表達模型。

很多時候，我們一開始沒有稿子，只是照著自己很自然的方式說話。說話的過程有點像在探索不同方向，你也不一定知道自己會講出什麼。

可是當你完成一段錄音之後，就可以從逐字稿出發，再利用 AI Diagram 或 AI Chart，把你講過的話配上一個資訊圖表。這樣後面你要再表達時，就可以更精煉。

它有點像一種知識晶體。知識晶體的結構，會把不同概念用某種空間方式組織起來。當你心裡有這個模型之後，再去理解不同資訊圖表的結構，就可以回頭思考：我在講一個段落或一段論述時，能不能把這種知識晶體的結構帶進來？

如果你這樣練習，習慣之後，某種程度上就會發現：這樣表達出來的論述比較經得起推敲。你講著講著，也會開始看得出別人一個段落背後比較立體的結構是什麼。

有了這些知識晶體之後，很值得把它們一塊一塊編列起來。當這些內容逐漸累積，你平常就可以不斷練習輸出，持續打磨它們。

這些漂亮的知識晶體，後面可以成為演講或分享想法時的雛形。平常多收集、多維持這種感覺，之後表達時就會有很多好的方式。

我覺得這會比直接套用別人的表達模式更好。知識晶體的方法也可以幫助你把很多事情 figure out 得更清楚。你也會更 appreciate 別人某些段落為什麼寫得很好、很有結構，因為重點是不容易。

很多好的段落之所以成立，背後常常是因為有知識晶體被反覆打磨。

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

我們在卡片 1c 提到湧現，也就是 emergence。這個概念我之所以有比較深的理解，要追溯到 2021 年。那時候我剛開始使用 Obsidian，接觸到一位創作者 Nick Milo。

Nick Milo 當時提出一套使用 Obsidian 的 framework，裡面就講到 Idea Emergence。Nick Milo 在 Obsidian 初期是很有影響力的 KOL，他的 workshop「Linking Your Thinking」我很早就參加過。

他一直在探索更 effortless，也就是更不用花費力氣，就能思考與管理 idea 的方式。我個人認為，他是知識管理領域非常重要的人物。

Idea Emergence 可以理解成「想法湧現」。我們前面講過，湧現需要你看過很多內容，並且做大量輸出。當這些輸出重新組合在一起，你會發現部分之和大於整體，這就達到湧現的狀態。

Nick Milo 的 Idea Emergence 分成五個等級。它其實是把「部分之和大於整體」這個 principle，在 Obsidian 裡落實出來。同時，他對卡片盒筆記法的 criticism 也滿具體。

我們知道，卡片盒筆記法用編號往下深化的方式，好處是脈絡可以持續發展，而且可以發展得更細、更深。它透過筆記與筆記之間某種線性樹狀的連結，把脈絡做深。

在 Nick Milo 的框架裡，這比較接近 Level 2 的 emergence。Level 1 則是：你從感知世界中發現某個東西抓住你的注意力，於是用筆記把它寫下來，存進 Obsidian vault。這些初始想法就變得 tangible，可以被觸碰，也進入你的筆記庫。

接著，如果你進一步思考這些 idea 之間有沒有關聯，就可以利用 Obsidian 的 red link 功能，在筆記與筆記之間創造連結。這個連結一旦做出來，就接近 Zettelkasten 的原理。

卡片筆記之間有了連結，連著連著就會長出很多脈絡。後來你會發現，不同脈絡之間可能又可以聚合在一起，變成更大的 cluster，也就是更大的集群。這個集群本身，就是 Nick Milo 當時定義的 emergence Level 3。

Level 3 很有名的一個概念叫 MOC，也就是 Maps of Content。這個詞的構造很像 table of contents，也就是目錄。只是目錄通常是對一本書：書的內容已經固定在裡面，目錄幫助我們索引回書中的內容與結構。

MOC 也是沿著這個概念而來。實作上，如果你的筆記庫裡有很多筆記，就可以用 MOC 重新組合出另一種閱讀方式。

這種閱讀方式很有趣。當你用關鍵字閱讀時，可以刻意去看一則筆記是以什麼關鍵字開頭，又以什麼關鍵字結尾。當你把關鍵字做接龍，常常可以把不同卡片接來接去，組合出很多奇怪的新文章。

從這個 sense 來看，你的筆記可以被重複組織成一些你原本想都沒想過的脈絡。這種脈絡會帶來驚喜，以及不可預期的體會和認知。

這也就是 Luhmann 一開始說，用卡片盒思考會得到的那種無法預測、很新奇的機緣。你的卡片透過不同方式組裝出沒看過的論述，也讓你發現：原來可以這樣想。

Nick Milo 談 MOC 時，當你用 MOC 組合出很多文章，這些文章本身可能又會變成一則新的筆記，或者它本身就是一張地圖。很多 MOC 做出來之後，你又可以找到更大的框架，把它們聚集在一起，這就變成 Level 4。

Level 4 可以理解成「地圖的地圖」。Level 4 的筆記會連接到很多 Level 3 的筆記，而 Level 3 的筆記裡面，又連著很多比較基礎的 Level 2 卡片和 Level 1 卡片。

到了 Level 5，則會再往上連，回歸到生活的各種面向，例如學習、理財、健康、思考、計畫等等。你都可以沿著這個方向延伸。

某種程度上，這種連接方式是在挑戰我們以前用電腦資料夾整理資料的思維。你可以把每個筆記都當成某種資料夾，透過連結得到不同索引、不同 MOC。

MOC 很像資料夾的功能：把一些檔案聚在一起。但在 Obsidian 裡，一個檔案又可以同時被很多個筆記連接。這就像一個檔案可以同時屬於很多個資料夾，因此創造了很大的彈性。

當然，這也會帶來另一種閱讀狀態：你可能有很多方式去看同一批內容，不像資料夾那樣有很明顯的 hierarchy，也就是垂直結構。

從 2021 到 2026 這四五年，我在 Nick Milo 的社群裡持續學習，也看他使用 Obsidian 的方法逐漸 evolution。後來他發展出一個概念：maps and notes，也就是地圖與筆記。

一則筆記寫著寫著，可以連接到其他內容，這就像筆記中有地圖。當你把地圖連到的內容拿過來，再擴增原本的筆記，原本地圖的部分會慢慢被內容替換。等所有 link 都消失之後，這篇文章又會變成另一則更完整的筆記。

所以在 Nick Milo 後面的哲學裡，notes 和 maps 是兩個互相運作的模式。當你寫筆記時，可以先用地圖去連接；連接多了之後，你就需要一些筆記來解釋這些連接。解釋多了之後，它又變成一則筆記，也可以成為其他地圖的內容。

如此往復，Obsidian vault 裡面的文本就會開始長出各式各樣的脈絡，跑出很多組合，變成更長的文件。

如果你有一個輸出目標，就可以利用地圖與筆記互相迭代的機制，不斷讓內容擴大。這是一種很有意思的寫作方式，常常可以突破原本的思考，看到新的認知。這也是它叫 idea emergence 的原因。

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續 1 號筆記談到的日更與大量輸出，進一步說明為什麼持續輸出不只是累積內容，而是可能讓想法之間產生 emergence，也就是湧現。

湧現的重點在於：當你看過、做過、輸出過足夠多東西，這些部分重新組合起來，可能會產生超過單一內容本身的效果。AI 大模型之所以能展現智慧，也和「看得足夠多」有關；對人來說，日更就是一種讓自己大量創造與累積材料的方式。

影片中也談到，單純照流水號累積內容，彼此關係不一定清楚。但如果用 Luhmann 卡片編號，例如 1、1a、1b、1b1、1c，內容之間就會自然形成脈絡與連結。當這些連結越來越多，就會長成一張屬於自己的思考 network。

這種 network 不是線性文章可以一次寫出來的，它更像是想法每天被語音、卡片盒與日更流程見證的過程。當你不斷講、不斷輸出，很多想法會逐漸內化，變成看事情的方式與行動原則。

最後的重點是 consistency。日更一旦變成習慣與儀式，創作會變得自然；而經年累月累積下來的思考，會提升你想事情的速度與清晰度。

時間軸

0:00 從一號筆記的日更與大量輸出開始

0:09 emergence：湧現是什麼

0:39 AI 大模型與「看得足夠多」

0:56 人如何利用湧現：大量創造自己的東西

1:05 日更作為持續輸出的 vehicle

1:20 repetition 比單次品質更重要

1:32 數量、連結與 network 自身效果

1:47 流水號和 Luhmann 卡片編號的差別

1:56 1、1a、1b、1b1、1c 如何形成脈絡

2:13 日更讓內容長成單向網路

2:37 推進思維邊界，形成更立體的整體

2:51 卡片盒見證 thinking 的發展過程

3:07 語音輸出如何幫助內化

3:26 日更習慣讓創作變自然

3:42 consistency 帶來思考速度與清晰度

關鍵概念

- 日更

- 湧現

- emergence

- repetition

- Luhmann 卡片編號

- Zettelkasten

- Voice Zettelkasten

- network

- consistency

- 語音輸出

- 內化

- 思考清晰度

#日更 #湧現 #Emergence #Zettelkasten #Luhmann #VoiceZettelkasten #知識管理 #內容創作 #語音輸出 #Consistency #AI工具 #思考方法

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續 1b 提到的 Notion AI Meeting Notes 與逐字稿整理，進一步談線上課程可以怎麼使用。

很多人買線上課程，不一定是因為當下有強烈需求，而是因為早鳥價格、題目相關、怕之後漲價，所以先買下來。真正困難的地方，通常不是買課，而是後面要不要看完、怎麼看、什麼時候看。

影片中分享一個新的使用方式：把線上課程當成背景音與知識資料庫。當 Codex 或 ChatGPT Pro 正在跑任務、等待 10 到 15 分鐘時，可以播放以前買過的課程，讓那些零碎空白變成學習時間。

這和看 YouTube 教學影片、用 Heptabase AI tutor 學習不太一樣。AI tutor 比較貼合你的程度，學起來舒服；YouTube 影片容易取得，但系統性通常比較弱。線上課程的價值，則在於講師背後的知識系統、經驗層次，以及課程之間連貫的脈絡。

最後的重點是：線上課程在不同學習階段有不同作用。沒實作經驗時可能聽不下去；有一點經驗後，會開始得到啟發；等你足夠熟練，可能反而覺得老師講得不夠精準。這不一定代表課沒用，而可能代表你已經內化，開始形成自己的做法。

時間軸

0:00 從 1b 的線上課程與逐字稿開始

0:08 為什麼很多人會先買線上課程

0:30 買完之後，真正困難是看完

0:38 把線上課程當成工作空檔的背景音

0:56 ChatGPT Pro 與 Codex 執行時的等待時間

1:05 YouTube 教學影片和線上課程的差別

1:25 Heptabase AI tutor 的學習體驗

1:38 線上課程的價值：講師的系統與層次

2:06 沒有實作經驗時，課通常聽不下去

2:13 有實作經驗後，課程開始提供啟發

2:28 很熟之後，可能會覺得老師在亂講

2:47 把線上課程當作資料庫買下來

3:10 課程幫你突破基礎階段

3:28 內化之後，開始形成自己的做法

關鍵概念

- 線上課程

- 學習資料庫

- 背景音學習

- Notion AI Meeting Notes

- 逐字稿

- Codex

- ChatGPT Pro

- Heptabase AI tutor

- YouTube 教學影片

- 實作經驗

- 知識系統

- 能力內化

#線上課程 #學習方法 #知識管理 #NotionAI #Codex #ChatGPT #Heptabase #AI工具 #逐字稿 #能力內化 #背景音學習

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續 1a1 的 by-product 思維，進一步討論 use case：不是先問哪個工具最好，而是先把自己真正要完成的場景、任務、頻率與輸出講清楚。

影片用每日 podcast 工作流作為例子：每天美國東部時間晚上 8 點發布一集，包含錄音、逐字稿、封面圖、字幕影片、1.5 倍速 MP3、YouTube 與 Substack 上架。當這些條件都被具體描述，use case 才真的清楚。

接著就可以回頭評估工具：Notion AI Meeting Notes 是否適合錄音與逐字稿？ChatGPT 是否比其他工具更適合產生繁中封面圖？Codex 是否能穩定把圖片、音訊和字幕合成影片？工具不是目的，而是要看它有沒有讓整個 workflow 更快、更順。

更重要的是，use case 清楚之後，工具就可以被替換與迭代。新的錄音工具、新的 AI 圖像能力，或目前工具的新版本，都可以放回同一個流程裡測試，看它是否真的改善 input 到 output 之間的步驟。

最後的重點是：每天跑同一個流程，本身會讓工作流持續進化。當流程越來越熟，會逐漸變成 skill，也會累積成穩定的知識資本與思考複利。

時間軸

0:00 從 1a1 的 by-product 與 use case 開始

0:21 use case 不只是「怎麼使用」

0:55 定義 use case 要回答誰、做什麼、目標是什麼

1:26 每日 podcast 作為具體 use case

2:11 時間、平台、格式與輸出要講清楚

2:39 用工具效率檢查工作流程

3:03 Notion AI Meeting Notes 到逐字稿

3:26 ChatGPT 產生封面圖，Codex 合成影片

4:00 1.5 倍速影片、MP3 與 timestamp

4:16 YouTube 與 Substack 發布設定

4:36 同一個 use case 裡可以替換工具

5:28 用 ChatGPT 取代舊的圖像工具

6:02 描述 use case 的幾個欄位

6:46 把流程畫成圖或 SOP

7:19 從 input 到 output 模組化改善

7:47 每天執行讓 workflow 持續進化

8:07 穩定輸出會累積知識資本與思考複利

關鍵概念

- use case

- by-product 思維

- workflow

- Notion AI Meeting Notes

- ChatGPT

- Codex

- Substack

- YouTube

- timestamp

- input / output

- SOP

- 知識資本

#UseCase #Workflow #ByProduct #NotionAI #ChatGPT #Codex #Substack #YouTube #知識管理 #Podcast #AI工具 #工作流

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com

這支影片延續 1b1 卡片的「認知鷹架」概念，進一步討論工具、模板、AI 和作品本身，如何成為帶我們抵達某個目的地的 vehicle。

模板、課程、寫作方法或 AI 工具，不一定是目的本身。它們更像是暫時協助我們 build 作品的載體：先讓我們做出東西，接著逐漸形成自己的工作流，最後從 practice 慢慢走向 performance。

影片中用「日更」作為例子：你可以自己寫、用模板寫、用 AI 協助，也可以讀完別人的內容後消化成自己的觀點。這些方法都能抵達日更這個目的，但每一種 vehicle 會訓練出不同能力，也會帶來不同風險。

後半段則用 Netflix 影集《安眠書店》和拉岡慾望理論說明：同一個作品可以被重複觀看，但每次觀看的目的地不同，它就會成為不同的 vehicle。真正重要的不是表面上有沒有重複，而是你每一次想抵達哪一層理解。

最後回到 AI：ChatGPT 可以是一種 thinking machine，也可以是思考的 vehicle。但前提是你要先知道自己的 intention 和目的地，並且用自己的真實經驗去驗證 AI 帶你抵達的地方。

時間軸

0:00 從 1b1 的認知鷹架開始

0:11 工具、課程與模板作為鷹架

0:39 從 practice 走向 performance

1:05 認知鷹架是一種 support

1:17 vehicle：從交通工具到載體

1:46 日更可以有不同 vehicle

2:21 AI、自寫與摘要各自的風險

3:23 不同 vehicle 會強化不同能力

3:39 目的地與載體都重要

3:52 用《安眠書店》理解重複觀看

4:10 拉岡慾望理論帶來新的觀看目的

4:42 同一部影集可以成為不同 vehicle

5:07 repetition 背後可能是不同目的地

5:47 每天思考也是一種 vehicle

5:55 AI 作為 thinking machine

6:22 自己思考與 AI 思考的差異

6:41 同一件事可以帶你到不同旅途

關鍵概念

- 認知鷹架

- vehicle

- 目的地

- practice

- performance

- 日更

- ChatGPT

- thinking machine

- AI 寫作

- 拉岡慾望理論

- 安眠書店

- repetition

#認知鷹架 #Vehicle #ChatGPT #AI工具 #日更 #寫作方法 #知識管理 #ThinkingMachine #拉岡 #安眠書店 #學習方法 #重複練習

This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit voicezettelkasten.substack.com