构建知识库的基本框架。

有人问我：你每次找东西都很快是怎么做到的？

但实际上，我的内容很分散，找东西快是因为我有意识地建立索引并具有可靠的存储。

在索引（index）方面，我用的是 MOC 方法。MOC 是创建内容地图的意思。它通常由节点（node）和连接线（link）组成，节点代表特定的内容或主题，而连接线表示节点之间的关系。通过创建内容地图，我才能更好理解和管理复杂的信息网络。

我把 index 看成脑子里的内存，当我联想到某事物时就可以快速反射出一个关键词来，为我的搜索提供依据。这个方法有点像第二代数据库，如果你对一个关键词和关联关系有印象，那么你就很容易去找到曾经你接触过的东西。而这个过程是一种“回路”，它会反过来会加深你对当前事物的印象。

这有一点像游戏《十三机兵防卫圈》中的“思维云图”。只记住一个关键词，剩下的功夫全部交给 search。

在知识库储存方面，我使用的软件是 Obsdian。search 依赖于可靠的存储，使用 Obsdian 就是看中它的“本地优先”。数据都在自己手里，会比很多云厂商最后用来裹挟你压力小很多。

而且 search 也是有技巧的，你不应该直接在浏览器里搜索，否则你没必要建立个人知识库。

通常我的习惯是按照信任度从高到低逐级搜索：
1. 第一是授信域。比如知识库，这里只应该存储你自己生产、收集的，并且信任的内容。
2. 第二是订阅池。比如你因为对方有真材实料或者价值观相同而订阅的人。但我之前企图用离线 RSS 打造一个用于归档的全文搜索域，最后失败了。
3. 第三才是分散在互联网上的其他碎片域。

以上三个层级范围逐渐扩散，搜索的时间也相对会增加。不过这三个层级并不是完全独立的，而是重叠的。比如你可能因为第一和第二的域产生了新的问题或捕获了新的关键词，然后直接去浏览器进行搜索。

总之，这个搜索的方法就是为了塑造“复利”。如果不是带着新问题，你之前搜索过的内容，其实没理由再花费一次深度搜索的时间。

我一直很讨厌“AI 出来了就不需要做笔记了” 的论调，AI 的确能帮你搜索，但它没办法帮你解决index的问题。当你的 index 都没建立起来时，你可能连问 AI 什么问题都不知道。