利用 Heptabase 把近期在看的书，重新整理一遍。后续看书贯彻原则：阅读记录可追溯——即电子书优先，原文标注优先

用 highlight 在源文件上标记，替代单独文档摘录，这样每条记录才能被追溯

基于 Heptabase 解决知识管理中的3个问题：
1、主题知识的体系化管理与可视；
2、知识纵深层级的管理；
3、知识体系中的具体知识的快速定位；
---
以“大模型解决方案”为例：

知识管理到一定程度，深度比广度更重要；同理，在知识管理工具中，知识的组织方式也是深度优先，而不是铺广度——因此，使用白板管理知识，并不是一味的在一张无限白板上横向铺开，而是要实现知识的纵向管理，并让“知识的深度”能被看见！

JASP：一种全新的统计分析解决方案 - jasp-stats.org

数据分析是一个庞杂的体系，过去做项目时，时不时听到算法同学说 XX 分析、XX 算法，大部分时候是听得一头雾水。正好这两天看到一本书《数据挖掘 - 你必须知道的 32 个经典案例》，虽然算法讲得很浅，但好的是把各种数据分析算法进行了分类，并且和对应的业务场景作了关联，正好借此机会，把数据分析算法体系理一个全貌，便于从整体上看清各种算法间的关系。

在这一波 AI 热中，谁最有可能在日常生活中欣然接受 AI？

根据发表在《Journal of Marketing》期刊上的一项研究，不是熟悉 AI 工作原理的人，而是对 AI 了解越少的人越愿意使用 AI。

研究人员将普及倾向差异称之为“识字率越低——接受度越高”关联。这种关联不仅仅发生在不同群体中，也发生在不同国家中。研究人员发现，在 27 个国家中，AI 素养越低的国家越愿意普及 AI；在美国大学本科生中，对 AI 了解越少的学生越可能表示在作业中使用 AI。熟悉 AI 工作原理的人知道算法、训练数据和计算模型如何运作，AI 对他们并不神秘。不熟悉 AI 的人则被其表现震撼了，感到不可思议，这种感受促使他们更可能使用 AI 工具。

数据分析方法之：因子分析

孤独生活指南

信息源少，消息闭塞；信息源多，应接不暇。人工智能介入信息获取考虑几个视角：
1、在现有的圈子里，过滤粗糙的、无效的信息；
2、在现有的圈子外，挖掘隐藏的、深度的信息；
3、对已有的圈子，构建散碎信息间的关系；