我分别使用了 Grok、Perplexity 和 Manus 三个AI研究工具进行探索。比较后发现，只有 Manus 生成的报告质量最高，内容详实且可以直接参考使用。报告链接：Grok、Perplexity 和 Manus

Steph Ango 的“自下而上”

• 自下而上「涌现式」构建，大量使用双链，不分类，以减少认知开销
• 极力避免使用嵌套文件夹，只使用以下几个核心文件夹：

Root (根目录)
References (参考)
Clippings (剪报)
Daily (日记)
Attachments (附件)

• 使用元数据(YAML frontmatter)和属性(Properties)配合 Obsidian Bases 功能来结构化笔记
• 笔记创作主要发生在 Daily Note，通过定期或随机回顾，从中提取并固化为「长青笔记」
• 刻意不使用 AI 进行整理，手动整理笔记可深化理解、发现模式和建立心智模型的重要环节，这一过程的价值远超其带来的效率损失

我的 PKM 实践：Journal 核心流

文件夹：Notes(双链创建的笔记)、Resources(所有非自己创造的内容，比如图片/附件/引用等)
主笔记：Journal
标签：later、todo/high、todo/low、doing、done/date

• Journal 以日期为自然分隔线
• 格式完全自由——采用流水账式记录
• 唯一硬性要求：每条内容尽量建立双向链接并打上状态标签
• 这种方式将记录的摩擦力降到了最低

如下图：

核心理念：接受混乱和遗忘

极简主义：始于放弃，成于生长

• 放弃对完美结构的执念：停止为了分类而分类的机械劳动。
• 开启一则简单的笔记：像 Karpathy 的极简流派那样，只管记录，不要预设终点 。
• 让系统随需求自然生长：结构不应是预设的牢笼，而应是需求驱动下长出的果实。

可爱的 Alma 死神来了😆

Alma 内置的记忆功能非常实用，但要启用该功能需要配置 OpenAI 提供商来调用嵌入模型。

考虑到许多用户没有官方的 OpenAI API 密钥，且第三方服务商很少提供符合要求的嵌入模型，同时为了最大限度地节省使用成本，我决定探索本地部署方案。本教程将详细介绍如何使用 Ollama 在本地搭建嵌入模型环境，实测效果良好，与云端服务无明显差异。

环境配置

• 设备：MacBook Air M1（8GB 内存）
• 软件：Ollama
• 模型：qwen3-embedding:0.6b

操作步骤

第一步：安装 Ollama

虽然官网提供了带 GUI 的安装包，但后续操作（如下载模型）仍需在终端中进行。因此推荐使用 Homebrew 直接安装：

brew install ollama

第二步：启动服务并下载模型

在终端中依次执行以下命令：

# 启动 Ollama 服务（后台运行）
ollama serve &
# 拉取嵌入模型
ollama pull qwen3-embedding:0.6b

第三步：在 Alma 中添加自定义提供商

1. 进入 Alma 的提供商设置页面，选择“添加自定义提供商”
2. API 端点填写：http://localhost:11434/v1
3. API 密钥可以任意填写（本地部署无需验证）
4. 点击下方的“Fetch”按钮，此时应该能看到刚刚下载的 qwen3-embedding 模型出现在列表中

第四步：启用并测试记忆功能

1. 打开 Alma 的记忆设置页面，开启记忆功能
2. 在嵌入模型下拉菜单中选择 qwen3-embedding
3. 尝试在“添加记忆”区域手动添加一条测试记忆
4. 如果添加成功，说明配置已完成；若遇到错误，可根据提示信息进一步排查或咨询 AI 助手获取解决方案

总结

通过以上四步，即可在本地免费使用嵌入模型，完整激活 Alma 的记忆功能。

尽情享受 Alma 吧！

还是聊聊前些天爆火的 Youmind 吧。作为 SaaS 产品，它堪称典范——交互顺滑，设计考究，用户体验几乎无可挑剔。

但我翻遍社交网络上那些赞誉有加的分享，看到的却是千篇一律的：批量生产爆款文案、AI 一键生成笔记。所谓"个人知识管理"的华丽外衣下，包裹的不过是另一条极其高效的营销流水线，源源不断地为数字时代制造着快餐饲料。

这让我想起自己为什么在今年夏天卸载了小红书。因为我曾关注的技术领域，不知从何时起变成了 AI 生成内容的重灾区——从配图到文字，从经验分享到教程指南，全都是算法算出的"最优解"，全都是最迎合大众口味的安全表达。那些零风险、高共鸣、完美符合流量公式的内容，像是一场复制粘贴的人类情感模拟秀，冷冰冰地透着一种令人不适的精准

而我真正想看的，从来不是一个完美无缺的 AI 总结，而是一个有血有肉、会犯错、有偏见的真实个体，在真实场景里的切身体验。那些笨拙的摸索、自相矛盾的纠结、以及那些不够聪明但足够真诚的思考痕迹——这些才是知识分享最珍贵，最有温度和不可替代的部分。

Youmind 的问题不在于它不好，恰恰相反，它太成功了。成功到让批量炮制"伪个性化"内容的门槛降到了地板上，只要动动手，就能制造出千万篇看似深刻实则空洞的"知识爆文"，它让每个使用者都更容易产生一种错觉——自己在写作、在思考、在输出，实则只是一个把饲料从一个传送带搬到另一个传送带的工具人。

当每个人都用 AI 生产"个性化"内容，我们得到的，是无数篇最懂流量却最不懂人性的文字。

与其拥抱算法生成的精致，我宁愿去守望更多真实的混乱。