- 原始卡片::卡片集合:[[dataview_重器轻用]]
1.1.1 什么是重器轻用
-
有一个概念叫重器轻用,就是使用各种工具,不过只用工具最擅长的部分
-
不要纠结于所有事情all in one
-
不关心某个软件哪方面不足,而只关注吸引你的那一点,只用那一点。
-
这个词语,源自于效率软件分享网站的鼻祖 [[ 善用佳软 ]]的创始人张玉新老师,当时指的是大家过于纠结效率笔记 all in one。
-
这样一来,每一个他所用的工具,看到的就都是长处,使用起来就颇为愉快。而某款工具其他的功能,可以有很多,他全都忽略,这就是所谓的「重器轻用」。有人会啧啧叹息:唉,那你岂不是花了全价,才买来了 20% 甚至更少的功能?亏了啊!可对我来说,那 20% 的功能,带来的价值,已经能覆盖、甚至是超过全价
- 「重器轻用」的前提是,各个重器都能适合自己的工作流,并能提供 all in one 软件所不能提供的功能。
8.1.2024-03-06 没有单一工具满足所有用户的需求,多工具增加使用摩擦
- 正是不被满足的需求和多个工具之间的摩擦,拉动我们在所谓的「重器轻用」和「all-in-one」之间来回摇摆。
- 无法清晰定义的问题很难进行有效的讨论。让我们返回二者提出的语境,看下它们究竟想解决什么问题: 首先,没有单一的工具能完全满足所有用户的需求,这是必须接受的现实,也是「重器轻用」的立足点。但随着工具数量的增加,使用的摩擦也会增加:边看视频或边阅读,边做笔记时在播放器和笔记软件之间的切换,如果在笔记库之外,还有不同的软件单独管理文献(如 Zotero)、书籍(如 Calibre)、播客(如 gpodder、audiobookshelf)、影视(如 tinymediamanager)、当下的思维路径(如 TheBrain、Heptabase 等可视化工具)、未来的记忆状态(例如 Anki),摩擦力更会翻倍增加。诚然,产品不应一味追求更小的摩擦力,而是设计与认知相符的摩擦力。由于必要难度(Desirable difficulty)的存在,我们也不应回避笔记过程中必要的良性摩擦(Eufriction),但是类似这里所提到的工具之间的摩擦(Friction),无疑是长期维护工作流的阻力,自然是越小越好,这是「all-in-one」想解决的问题。
- 为了工具而工具。有趣的是,天平偏向「重器轻用」还是「all-in-one」似乎随着流行的软件在变化:notion 更流行的时候 all-in-one 更占上风,工具大爆发之后又开始说重器轻用。这似乎侧面印证了这种讨论不是从用户真正的需求出发
- 构建笔记管理系统、项目管理系统、目标管理系统、文件管理系统,如此种种,皆非目标,而是通向最终目标的道路。我们的目标一定是某种形式的输出。如同我在 把阅读作为方法:从选书到笔记的经验分享 中所言,输出应该作最广义的理解:
- 输出可以是外向性的。除了最常说的写作,进行一次演讲分享、展开观点讨论、设计一个产品、实现一个方案,都是可以直接对他人产生影响的输出。
- 输出也可以是内向性的。做出一个决策、实践一种方式、践行一种习惯、构建思考框架,这些或许更多的是改变自己的认知和行为,但是所有的外向性输出,无不建立在个人通过各种内向性输出所形成的坚实基础之上。
8.1.2024-04-04 kimi配合五彩阅读太爽,再一次感悟重器轻用
8.1.2024-04-05 如何看待All in One?
个人的思考如下:
- 从效率的角度来说,工作流的搭建,切换软件越少,效率越低,所以能All In One当然是喜闻乐见或者大家向往的。
- obsidian在我的工作流中,最早只是一个写作或者知识管理的工具,突然发现它成为了我的数据中心。自己就会把所有的数据都接入到obsidian, 然后在obsidian中进行加工,在通过obsidian引用到其他的网站
- obsidian的强项是:存储,加工和对接各种系统(开放),采集,分享等内容,有了数据,就可以和其他系统进行联动,比如:todoist,wordpress, douban,weread,wucai,readwise,...
- 因为obsidian是一个数据中心,必定会涉及到很多软件, 我不会钟所有事情都集中于 All in one obsidian , 但是在非数据存储领域的功能,比如采集或者分享,如果有更专业的软件,都会直接使用其他软件
- 当然有一点, 不能接入到obsidian,或者从obsidian 发布的软件,自己是不会使用的。
推荐文章
- 文字就是自己思考 (1.000)
- 系统思维:"发展“系统”而不仅仅完成一个“目标" (1.000)
- 群聚效应 (1.000)
- 必要难度理论 (1.000)
- 卡片盒笔记法:电子化卡片盒的探索历程 (1.000)
- 张若昀 (RANDOM - 0.563)