1. 我們爲什麼需要「信息管理工具」？¶
2. 我們不需要什麼樣的「信息管理工具」？¶
3. 我們想要什麼樣的「信息管理工具」？¶
4. 如何設計這樣的「信息管理工具」？¶
5. 具體有哪些需求？¶
6. 現有工具的痛點在哪？¶
7. 目前這種現狀下的近似解決辦法¶
8. 也許她是這個樣子¶
後記
生活中總有各種各樣的事情，讓我深感信息管理的混亂。就是那種「我知道它就在這堆裏面，但就是找不到」的沮喪。
1. 我們爲什麼需要「信息管理工具」？¶
管理「我的」信息。
我們所要管理的並非是外部信息（那些是搜索引擎做的事），而是管理「我的」信息。
哪些是「我的」信息呢？我訪問過的網頁、我花出去的錢、我到過的地方、我家小朋友何時拉的粑粑💩…… 我們需要這樣一種「黑魔法」：只要是我碰過的東西，都會沾上印記。
我們幹嘛需要這種東西？如果你是我這樣健忘且粗枝大葉的人，也許你有過這種時刻，腦子裏突然蹦出一個念頭：咦，我一個月話費到底是多少？
如果這時候，「你的人[1]」馬上奉上一張紙，打印着你 2012 年以來的話費記錄：
話費曲線
雖然忍不住對移動一頓 @#￥% ，但內心操控感會不會噌噌地往上漲呢？
如果你家小朋友好幾天沒拉粑粑💩了，你嘟囔一句「幾天沒拉了啊？」。這時候，「你的人」馬上遞給一張圖，「大大，這是小的統計」。那是一種什麼感受！
小朋友的拉粑粑💩分佈
可就是這類「自己費勁去做也能做，但太麻煩了不想做」的事，把我們的生活質量拉低了一個檔次。好吧，明說就是「要是有人伺候着就好了」。說得好聽點，叫做「增強對生活的把控」。
不光如此，「你的」數據還能告訴你真實的自己。你以爲一年看 50 本書已經耗費心力了吧，「你的人」告訴你，看書只佔用了不到全年 9% 的時間，你每次拿起書本平均 xx[2] 分鐘就會放下……
這是自己手工記的。其實不用每本都計，每個類型計上一兩次，拿到「基礎比率」就行了。據說 Kindle 能自動記錄，沒試過😋
你以爲的並非都是你以爲的。即便這樣，我們仍然想要這樣的服務。
我不曾想到，從 09 年到現在，看電影花去了我 2422 個小時的時間🤭
幸運的是，我們身處的時代已經爲我們準備好了這樣的條件。
希望我已經說服你了——我們想要這種對過去的掌控感，我們想要重來一次，在未來。
2. 我們不需要什麼樣的「信息管理工具」？¶
記得機器貓裏有這麼個故事：大雄想做一部動畫長篇，機器貓就給了他一臺動畫製作機…… 故事的最後，播放參與名單的時候，所有的事務都寫的動畫製作機，除了一個「按鈕人——機器貓」。於是大夥就追問大雄幹了啥！
我們總說想要一個「好用的」信息管理工具。但到底我們想要的是什麼？這是一個值得深思的問題。顯然，我們並不想要一個「動畫製作機」——包辦一切，「體貼」地連我們的存在價值都抹去了。
3. 我們想要什麼樣的「信息管理工具」？¶
- 高階夢想：我只管提問，你🤖，負責回答；
- 低階目標：我能夠很方便地（在 1 秒以內）獲得信息來支撐 / 推進我的想法；
當然，我們期望的是一個「助理」——「你你你，去幫我找個什麼什麼資料」——那感覺不能再爽。
但就目前的技術手段而言，「智能助理」仍是那些大廠們都還在探索的事情。語音識別、自然語言理解…… 這些似乎已經成熟的技術，其實離我們還很遠。
然而，如果我們把努力的重心放在方便地檢索信息上，將會收穫一個不錯的結果。
這個時代，如果你會編程，至少在「找資料」這件事上可以享受過去貴族般的享受。也許你會說，只要會 Google 一樣能做到，那麼我想強調的是很多「定製的需求」。
4. 如何設計這樣的「信息管理工具」？（需遵循哪些原則？）¶
一個好的信息管理系統，至少應該滿足這麼三條：
- 一切皆可追蹤；
- 能以你能想到的、盡可能小的粒度記錄；
- 支持二次開發 / 可擴展；
4.1. 信息管理，最怕就是沒信息可管理
爲什麼需要「追蹤一切」？舉一例：當你看到一篇很有用的文章，把它加入蒐藏列表。之後你時不時會點開看一下。直到有天你突然發現，應該把這些點擊都記錄下來，這樣你就能查看你各個時段的關注啦、需求啦、網頁的價值啦…… 記錄一切就是爲了以後不後悔。信息管理的基礎是數據，沒有數據何談管理。當時看不到價值的數據，以後想到用處了卻沒留下記錄，豈不是人生杯具？！
「一切皆可追蹤」要求底層有一個統一的數據結構。最好是做到任何細小的操作都有記錄。這方面做得最好的要算 GitHub 了。不管是提交修改，還是建立 Issue ，都有唯一標識，都可以評論、備註。最方便的是，因爲有唯一標識，所以任意一步操作都可以引用。
4.2. 今天記得有多細，日後用得有多爽
而這一步有多大，也就是「記錄的粒度」有多細，直接決定了我們洞察數據結構的精細程度。比如：我們年終的時候發現「MD，又重了，就怪平時喝可樂🥤多了😒」。於是突發奇想，想看看「今年到底喝了多少可樂🥤」。「想也不難，我每一筆開銷都入賬了的」。但一翻賬本傻眼了，只記了喝飲料，但沒記到底喝的是可樂🥤，還是咖啡☕️。由此可見「記錄粒度」對我們聚合數據的影響。
在粒度上做到極致典範的一款軟件，當數 Vim 。讓我們「要素粒度」的角度來審視 Vim 的設計：
Vim Sheet
就操作的「粒度」而言，Vim 不管是對「操作」的粒度，還是對「操作對象」的粒度，都提供非常精細的操作手段。
就拿「移動」爲例。如果「移動」的是「字符」呢，左移
h，右移l；如果「移動」的是「詞」呢，那就多了，移到當前詞頭b，當前詞尾e，後一詞詞頭w，前一詞詞尾ge；如果「移動」的是「句子」呢，行首0行尾$，連行首的非空白首字符都有特定操作^……比如「查找」。行內查找可以用
f<char>。大範圍搜索可以用/<string>。再比如「選取」。除了可以選取分隔符標識的內容，還可以選取文本塊（如：當前字、詞、句、段落）。
當然，如果事事都記得如此之細，記錄成本又上去了。怎樣平衡「記錄成本」v.s.「記錄粒度」？這又是一個大坑。原則上，我們應該盡力提高信息輸入的效率。比如：如果我能對着超市小票拍張照，app 就自動讀取所有的條目，那就既降低了「記錄成本」，又提升了「記錄粒度」，但代價是「開發一款識別率很高的掃描 app 」。可我們不能只是坐等技術進步的福利，在技術條件沒有達到的情況下，我們如何去平衡這些要素呢？後面會有提到。目前階段，我們最好的做法是，先拍個照、存個檔，以後有時間呢再人工輸入細節，總之得留底。
4.3. 擴展！擴展！擴展！我要無限的擴展可能
「支持二次開發」就是要求開放接口。開發者肯定不可能滿足用戶所有的需求，因爲這些需求在開發時都未必存在。
記不起誰[3]說過「編程，其實質是一種信息管理手段」：
Programming at its core is about managing information.
... the primary objective of programming is taking information in one form and converting it into a more useful form.
好的工具應該都是「語言」級別的——提供一組詞彙 / 概念，外加一組規則供用戶隨意組合。對了，又要提到 Vim ：
%原本用於一組「開閉括號」間跳轉，後面可以通過插件matchit擴展爲可在一組「匹配關鍵字(e.g.if/end)」間跳轉。正是這種概念的自然延伸讓 Vim 長成了一顆參天大樹。
信息管理工具的現狀是：我負責記錄 / 錄入，交給你🤖去整理。我們以後希望以後慢慢把「信息輸入」這塊也交給機器🤖去做。我們希望一個碗、一雙筷、一個杯子、一雙跑鞋…… 甚至是一個坐便器[4]，都能變成數據源。當然，這不在本文討論範圍內啦。
5. 具體有哪些需求？¶
- Task Management;
- Data collection;
- Knowledge extraction;
5.1. 任務管理 精力管理
任務管理的本質是「精力管理」。
我花了不少時間學習任務管理，還買了一些課程。最後給我的感覺是——臣妾做不到啊！！！我現在也用任務管理，但我只記錄 Done List 。也就是只有我真真正正做完一件事了，我才會把它記下來。如果想到 / 被吩咐要做個什麼事情，我會隨手一記。這還算任務管理嗎？！對我來說，如果一件事被漏掉了，那說明它也不那麼重要。
我對「未來的任務管理工具」的期望是：感知我所處的環境，推送給我當下最適合的任務。比如：在我累得像條狗🐶的時候，給我推送些#brain dead#[5]（不用腦子🧠）的事情。所以，考慮到自己的精力水平 & 技術水平，我只做 Done List 。
這看似和上面對信息管理系統的第一條（事無鉅細地完整記錄下來）要求相悖，但要注意——那是對機器🤖的要求，不是對人的要求。我們就是要這麼區別對待！
然而，如果你想要一個完整的「任務管理」，可以借鑑「複式記賬法」的思路，在「To Do」&「Done」兩個帳戶之間搗。這樣還順手做了「成就記錄」。「現金流表」就是「成績賬本」。而且可以根據「任務量 / 完成時長」計算「成就金額」⋯⋯
5.2. 信息蒐集
5.2.1. 別人家信息的蒐集
這是現有工具做得比較好的一塊，大致分爲兩類：
- 粗粒度信息（e.g. 網頁）的管理；
- 細粒度信息（e.g. 片段 / 文摘）的管理；
網頁蒐藏就不多說了，只是提醒一點：如果自架系統的話，最好把「所有的」對外鏈接做一個跳轉。這樣就可以留存「從內部訪問外部的記錄」了。
片段 / 文摘的管理，做得比較好的要算 Instapaper 。它會把你蒐藏的文章抓下來，然後你可以做高亮標記。我實在太喜歡這個功能了。雖然我幾乎沒有回頭看過自己標註的東西，但那種在電子設備上塗塗畫畫的感覺簡直帥呆了。可惜，去年快年底的時候 404 了。於是我搭了一個自己的「書籤蒐藏」，只是一直沒把「高亮標記」這個功能做出來。
5.2.2. 自家信息的蒐集
這是繁雜且現有工具做得不到的一塊。自家信息大致分爲兩類：
- 流式信息：e.g. 流水賬 / 日誌；
- 融入了個人智慧的知識：e.g. 總結；
流式信息不多說了，說說怎麼培植自己的智慧樹。這塊的難點在於「如何構築體系？」。常用的手段是建 wiki 。
Wiki 到底是什麼意思？我舉一例。網路協議下到底層，講的是物理結點怎麼互聯互通。每個物理結點都會向路由發（數據）包，路由拆包一看，是寄給誰誰誰的。這下犯難了：我哪知道那誰誰誰是誰誰誰🤬 這裏有一個天才到想法💡：你要我轉發包，首先得自報家門，吿我你誰誰誰。而路由手裏有本小本本——誰誰誰原來是誰誰誰。時間一久，誰誰誰是誰誰誰就全搞清楚了。這叫做「反向學習算法」。
又是一個杯具
為什麼說這是個天才的想法？它解決了碎片如何構建出大廈的難題。每次往來的時候，留個心眼，下次沒準用得著。
Wiki 就是基於這樣的原理（我的理解）：我未必一開始手裏就有那個小本本，但時間一長，小本本就自然到我手裏了。
回到嚴肅的 wiki 用法討論上，有這麼幾種變型：
- Check List（核查清單）：對工作的快速、常規檢查。來源於《清單革命》，書中的例子是護士對患者用藥的檢查流程清單。注意⚠️，它並不只是一個做特定事情的臨時清單，而是對流程的梳理、總結；
- Q & A（應答庫）：對例外的梳理；
- Issues（錯誤庫）：對失敗 / 失誤的梳理；
前兩種是「正向學習」，第三種是「反向學習」。「正向學習」補全領域內框架，「反向學習」校正輸出。這幾種整理的共同特點是：通過蒐集碎片，最後獲得一個比較全面的知識框架。
那麼，這些碎片到底應該如何加入 wiki 呢？你需要找到該領域內一個足夠小的項目，在完成這個項目的過程中，收穫的種種知識足以搭建起這個領域內的一個微縮模型。之後，只要再在這個模型基礎上添加，微縮模型就能自然長大。比如：學習英語語法，找到「動詞」這個核心，根據動詞的五種不同用法延伸出五大基本句式，再⋯⋯ 又比如：Photoshop 的核心是「選擇」，各式看似不同的工具🔧都是為了精準地選擇出你所希望處理的元素⋯⋯ 再比如：Flash 的核心是「關鍵幀」，也就是確定精靈的兩個狀態，計算機自動算出中間過程⋯⋯
一個足夠小而清晰的模型，是快速學習的關鍵，也是知識管理的核心。
本質上，wiki 是一本「百科全書」。也就是說，它的核心是一組「定義」。而很多事物的定義是高維的。就像一根法棍🥖，上帝把它切成一片一片的切片🍞，然後不同的人找到不同的切片，説「這一片就是麵包」。一開始，大家也都覺得這也對，那也對。到後來，人們發現，所謂的麵包，不過是法棍的一部分，需要把所有的切片都拼起來才是完整的法棍。
舉一個「一課教育」中的例子：
Edouard Herriot 説「把學校學到的知識通通忘掉，剩下的那才是教育」；Rachel Schutt 説「學校所學的東西，爲我思考問題提供了一個框架」；John Dewey 説「教育，不是爲生活而做的準備，而就是生活本身」⋯⋯
當我們把這些定義綜合起來看，John Dewey 是從「過程的角度」來定義的教育——不是某一個環節，而是貫穿了整個人生；Edouard Herriot 是從「一頭一尾」來定義的——他把教育當作一個「加工廠」，對比原材料和成品，觀察投入 & 產出；Rachel Schutt 則是從「內在結構的角度」來定義的——教育能幫我們打造一副腳手架，有了這副框架，我們過去的體驗、積累的經驗、迸發的智慧才能依附上去。
所以，形式不重要，關鍵是模型。
5.3. 信息提取
這是現有工具做得比較淺的一塊。但主要原因是，我們對自身瞭解很少。人工智能界有句笑話：有多少人工，就有多少智能。就像 Linus 的那些評論一樣——話糙理不糙。目前，本質上說，人工智能所表現的智能大多是人的智能。以搜索爲例，大家都知道 Google 的網頁相關性排序算法 PageRank ，但其背後是彙集了每一個網站建立者對網頁價值的判斷，歸根結底還是人的判斷。但這有什麼好遮遮掩掩的呢！利用好人的算力，不就開創了 Google 這樣的事業了嗎！
5.3.1. 境界一：找得到
找得到是最起碼的要求。但很多 app 就是黑洞，數據根本導不出來。後面還會專門提到。
5.3.2. 境界二：聚合方便
很多 app 提供了一些可視化的圖表工具，但都是程序內置的，並不能做到想 Excel 的數據透視那樣強大。我們並不需要做得這麼強大，但提供一些自定義組合的機制並不難做。
不要小看了「方便一點」。且不說有時候不那麼方便就直接導致最後不了了之了，就說想法週轉率也能有極大地提高。
5.3.3. 境界三：知識生成
（根據日誌自動聚合）
5.3.4. 境界四：信息聯想
很多 app 都號稱能做「信息聯想」，比如：Evernote, DEVONthink[6]，但貌似都沒有太好的解決方案。
5.3.5. 境界五：自動化
只有在能做到信息提取的基礎上，才能談自動化。
6. 現有工具的痛點在哪？¶
簡單地說，有這麼 4 個環節：
- 錄入：龜速的輸入；
- 鏈接：散落一地的數據；
- 聚合：；
- 感知：；
6.1. 鼠標🖱️點點點
只要細看老人學用鼠標🖱️，就會很自然地產生這樣的反思：鼠標🖱️這種東西真心反人類！完全不能想像，鼠標🖱️怎麼就從其前身——光筆（很像現在的觸摸筆）演化成了現在的模樣😱 當你操作鼠標🖱️時，手感覺的平面 & 眼睛感覺的平面完完全全是兩個不同的空間，而你的大腦🧠不得不做一層映射。
現在的絕大多數系統（尤其是辦公系統）都是基於這麼反人類的工具設計的，極大地拖慢了信息輸入的效率。既然如此，我們何不跳過龜速的鼠標🖱️點點點，直接利用鍵盤⌨️輸入呢？！原因很簡單，現有系統不支持。比如：填寫表單時，很多系統都不支持tab鍵跳轉，enter提交表單也就別想了。再比如：很多系統非得鼠標🖱️點擊才能刷新數據。就再別提「根據內容動態調整輸入界面」了⋯⋯ 我去嘞～～這都什麼年代了，能不能小更新一把！
為什麼不能學學人 EpiData 🤯 上古時代就創造了如此高效的輸入體驗！
- 通過腳本訂製錄入界面；
- 完全鍵盤⌨️輸入；
- 輸入動態提示；
- 快速創建輸入模版；
足矣！
其實，觸屏手機📱才是輸入的利器。看 Weight Diary 的輸入界面，好看不說，還方便：
撥動最上一排的日期📅，選中日期，點加號錄入體重
轉盤輸入，而且初始值是上次輸入的值。也就是說，輕輕一撥，就能完成
日曆📅上標註趨勢
好的錄入就應該做到這樣：
- 直達：不需要在路徑上耗費多餘的點擊；
- 按輸入流程順序安排數據域，一氣呵成，不會跳來跳去；
- 帶記憶：只需在上次類似環境中做一點微調即可完成輸入；
但其實，輸入的最理想狀態是「不輸入」，準確地說是「無需手工輸入，由機器自動採集」。但在技術條件尚不具備的時候，我們應以何種格式輸入呢？一種選擇是「自然語言」，另一種是「某種規定格式的類程序語言」。
| · | 自然語言 | 類程序語言 |
|---|---|---|
| 優點 | 無需學習 | 方便機器處理 |
| 缺點 | 機器難於處理 | 可能不夠靈活 |
而我找的折中方案是「在自然語言中混雜標記」。這套方法的關鍵是「自己訂立一套規範 / 約定」。這樣，既方便了程序提取，也不失自然語言的優勢。
當我們（或許是別無選擇地）選擇了手動輸入，就會面臨一個不得不面對的問題：如何平衡輸入 v.s. 分析？如果我們沒有一套自我激勵的機制，常常很難堅持下去（比如：記賬）；而當我們記錄了大量的數據，又常常會（因為數據挖掘手段的粗陋而）迷失在數據森林當中，難以獲得有價值的信息。
這就引導我們去思考「我們記錄、分析數據的本心是什麼？」。我想，我們之所以去記錄、去分析數據，是因為我們對很多事物缺乏一個基本的數值判斷。比如「我看書的速度有多快」，沒必要（因為成本太高）精準記錄每一本書的讀書進度（當然，能做到更好，比如在 Kindle 上讀書，但不適合喜歡紙質書的童鞋），我們只需要知道每一類書的快慢就行了。漫畫平均 1 分鐘翻 5 頁；暢銷書稍慢一點，3 分鐘 / 1 頁；學術專著更慢，10分鐘 / 1 頁⋯⋯
我們並不需要時時刻刻都在記錄，只需要一物一格就好了。
6.2. 拿回自己的數據
現在大廠都尖得很，握着數據不肯放出來。所以，哪怕是自己的數據，如果沒付費，都不好弄回來。我甚至想過，通過截屏讀取自己的 mobike 出行信息。可爲什麼要打通數據？試想一下，當想出去旅遊了，你的「助理」馬上去翻你在 Zaker 裏面收藏「一生必去的 10 個地方」之類的文章，然後把這些地點提取出來，到知乎上去搜「某某景點值得去嗎？」這類回答⋯⋯ 當我們一無所知的時候，聽聽別人的勸也是好的。何況還是你自己親自篩選過的建議。
當我們閒下來，突然想起來忽視了家裏小朋友的成長，決定給小朋友拍拍照。這時候，你的「助理」馬上去翻你在微博上的圖片蒐藏（之所以不去翻朋友圈，是因爲上面禮節性點讚太多了），把那些個創意挨個呈領導閱。爽不爽！
一定要試一下這個創意💡
自己的數據更對你的癖好，對你的價值更高。所以，當然要拿回自己的數據嘍。
真實，是一個超級高維的東西。我們體察到的都只是它的某一些切面。只有從多個角度思考、觀察，才能模模糊糊感受到它的全貌。所以，數據，尤其是不同維度的數據當然是多多益善啦。
只是…… 你知道爲什麼好多遊戲允許你免費玩嗎？因爲你在玩的同時，也是在給那些人民幣玩家做陪練。所謂「有錢的出錢，有力的出力」，在遊戲領域發揮得淋漓盡致。之後我們還會從遊戲當中汲取更多的關於「信息管理工具」設計的思路。
所以，如果你沒掏錢，又想把自己的數據拿回來，那就只能下笨功夫了。比如：學腳本去抓數據啊。
或者，忍痛割捨那些連不通的 app 。找一個地方統一存放。
6.3. 低齡的聚合😒
現在我們能做什麼聚合呢？統計統計頻率，分析分析主題，除此之外，寥寥無幾。
6.4. 事事都要我提醒你，要你個跑腿的幹啥😤
今天傳了一下午的文件，打開文件➡️加蓋電子印章➡️搜索收文單位➡️點擊發送⋯⋯ 你丫看我操作到第五十回都還學不會？就不能在我做第三次的時候，主動問我「主人，剩下的文件是不是要按照這麼➡️這麼➡️這麼弄啊？」。然後我指點你一二，這一步得這麼弄⋯⋯
主動一點，OK ?!
7. 目前這種現狀下的近似解決辦法¶
要麼將就，要麼改造，要麼另起爐灶。
7.1. 對現有工具的考察 / 能否通過組合現有工具實現
⋯⋯
7.2. 自己動手，豐衣足食
7.2.1 攔截自己的數據
Google 通過你的搜索動作可以畫出你的「畫像」。可你自己卻拿不到，這不諷刺嗎？那為什麼我們不中途攔截一下，捕獲自己的搜索動作呢？
操作起來並不複雜，在本機上架一服務器，就幹一件事——跳轉。比如：讓http://localhost/search?q=%s跳轉到你喜歡的一款搜索引擎上。然後把瀏覽器的默認搜索引擎改為這個[7]。這樣，在跳轉之前，我們可以記下搜索了什麼關鍵詞。而且絲毫不影響你的搜索體驗。如果你有台服務器，那就不光可以記錄本機上的搜索動作，任意平台下都可以記錄下來。
細節大家不要在意啦😅 大概就是這麼個節奏
7.2.2. 自定一套規範來實現聚合
翻回那句玩笑話「人工智能，有多少人工，就有多少智能」。我們要想自己的這套系統智能一點，要麼等大廠，要麼靠自己。但大廠太遠，救不了近火。既然目前還沒有既經濟又省力的方法提取數據的結構，那我們就人工標記唄。比如：打上 #+1創意# #ISSUE# #TIP# #DEADLINE: 3 d later#之類的標籤，這樣就很容易用編程語言提取出高層的結構來。
可就是是要投入自己的算力，也有一套巧辦法——用遊戲化的思維去改造。雖然本質上仍然是「人工標記」，但我們會做得很嗨皮。
不扯那些玄乎的，我們所要做的僅僅需要設計一套「成就系統」，讓我們不僅願意幹，而且喜歡上。
7.2.2.1. 遊戲的魅力
記得去年年初玩「饑荒」的時候，我和妮妹兩個連番混戰，玩得不知天日。最後餓不行了，才停手。遊戲爲什麼能如此這般吸引我們？簡單地說，遊戲讓我們 high 。解釋一下，遊戲有一整套成熟的機制不斷觸發我們的 G 點：
- 首先是「即時的反饋」讓我們像撿了錢一樣，不停地想要[8]；
- 其次是「新手引導」&「難度匹配」讓我們跳一跳剛剛好能夠着，極大地滿足了我們的成就感。同時，「熟悉而又不一樣的套路」讓你欲罷不能。反觀學校的教育，尤其是「計算機科學」的教育，剛剛教完你「1 個蘋果🍎 + 1 個蘋果🍎 = 2 個蘋果🍎哦~~」，接着就讓你算三重積分。
- 再次是「豐富的組合」激發你無盡的探索慾望；
這就是遊戲設計師的手法？實時的反饋、宏大的願景、豐富的組合⋯⋯ 不不不不，這些都不是底牌。設計遊戲的奧秘在於，把遊戲世界塞進一個模型裏頭，然後掰碎了藏到遊戲世界裏面。玩家找到那個模型，也就理解了整個遊戲世界，因為那個世界的每一樣事物都可以在模型中找到對應。那時，玩家就是世界的神。
其實，遊戲是一套組織資源的方法論。遊戲試圖把一切都具現化，包括努力。玩家的每一步行動都會得到評估，並即刻反饋給玩家。玩家可以看到一切的資源，不管是有形還是無形。 而且，遊戲設計師試圖拉低一切要素的成本。比如：失敗的成本、搭訕的成本、跳出生活圈的成本、和過去的自己合作的成本。在這裏，一切元素都可以自由流動，且可為玩家所用。 這就是讓玩家沈浸其中的秘密，把他們奉為神。
那我們怎麼把這一套搬過來呢？其實不用全搬，只要設計好一套「成就系統」激勵用戶按照規則投入算力就行了。
7.2.2.2. 如何設計「成就系統」？
成就大致分爲三類：流程類成就 + 觸發類成就 + 挑戰類成就。
- 流程類成就：就是做任務。只要參與，就「發錢」；只要操作，就給點數。設計的時候只要記得「反饋粒度要儘可能小」。而且強烈建議事先制定好一套「級別規則」：讓用戶（好吧，就是自己）攢點數有個盼頭。
- 觸發類成就：主要是解決日常太枯燥的問題。時不時來點新鮮感。比如：反復做某事 100 次。因爲一般不會刻意去爲了這個成就做，但當累積到了（這時其實你早忘了），突然蹦出來「發錢」，會讓人欣喜不已。
- 挑戰類成就：其實不需要太難，就是那種「看起來不可能做到，但其實堅持下去不難」的挑戰。好吧，我也沒設計過。就隨便列幾個夢想就行了。做得到，我去，牛逼啊！做不到，有難度嘛，正常正常。
7.2.2.3. 重要是把錢花出去
每一個「成就系統」不可或缺地都會有一個「成就商店」——讓你把攢的點數花出去。你有試過剝瓜子含嘴裏不嚼碎嗎？反正我是沒成功過，每次剝上幾顆就不知覺地吞了，攔都攔不住😪
至於「成就商店」裏面列什麼，不重要，隨便列幾項你沒有抵抗力的事情（比如：一餐不超過多少多少的甜品🍰）就行了。我敢保證，用不了多久，你就會赤字了。
好吧，恭喜你進入「攢點數」→「花」→「不夠花」的「良性」循環了。
7.2.2.4. TIP: 強烈推薦 kramdown
kramdown 對 Markdown 做了一些輕度擴展。這樣，即使構建複雜系統也完全夠用了。大家可以先看看這篇「kramdown v.s. Markdown 差異比較」。
這裏只介紹一個不起眼的擴展{::nomarkdown} ... {:/nomarkdown}。這個擴展的作用是：不對標記中間的部分做 Markdown 渲染。我第一次看到的時候，想「這功能有啥用😒」。後來在實現「自定義標籤」時嘗試了好多方式都不夠優雅。最後想起了這個功能，通過它，就可以輕易實現「自定義標籤」😱
比如：我想把工作中遇到的問題都蒐集起來，每遇到一個問題，就做個標記。以後只要搜索這個標記，就可以很輕易地實現「問題匯總」了。具體可以這麼做：
- 把問題部分用
ISSUES&/ISSUES括起來。但問題是 kramdown 不識別這個擴展啊？！ - 在 kramdown 渲染之前，把
ISSUES&/ISSUES分別替換為{::nomarkdown} <div class="issues" id="issues-aptx4869"> {:/nomarkdown}和{::nomarkdown} </div> {:/nomarkdown}； - 好了，剩下的你懂了吧😏 這樣不僅保留了 Markdown 的風味，而且實現了對 Markdown 的擴展，並且可以通過「錨
#issues-aptx4869」定位標記的內容；
8. 也許她是這個醜樣¶
以我給自己寫的「工作日誌管理系統」為例。說明一下，因為是在工作機上用的，不能太花哨，不然領導還以為我上網呢。
首先上「工作規範」，以 Markdown 為基礎，規範了如何做信息標註：
規範
簡陋的成就系統：
成就系統
目前使用中發現的問題：
- 工作中使用最多的 .doc 文件還沒有打通。沒辦法，工作機上逃不開 Office ；
- 「項目追踪模塊」還不是很好用，主要是思路還沒完全釐清；
- 完全沒有權限控制；
- ……
後記
其實大前年[9]就在想「怎麼做一個「信息管理工具」」了。斷斷續續一直到最近[10]才想基本明白。
最初是因爲很喜歡飯否的體驗，想做一個「記流水賬」式的「微博類的數據挖掘 App 」。具體怎麼做還沒想好，倒是想了些逗逼的名字，像「智慧樹🌲」都算正常的，有「叨逼叨」「叨^2」「叨方」「喂[11]」什麼的😓
後來試了不少「Power Tools」，發現還是最喜歡這種「日誌式輸入」的方式。
一開始是計畫做 app 的，畢竟手機📱才是蒐集數據的利器。但無奈學藝不精，又恰逢入職新單位。寫個網頁版的應應急吧。畢竟和工作相關的處理大部分都在工作機上完成。
計畫等我用上個年把再開源。那時候，我對「信息管理工具」的理解應該成熟了吧。
-
之所以要強調是「你的人」，是考慮到數據的私密性。這件事必須在你的授權下做才有意義。 ↩
-
這個我還真沒記錄😅 ↩
-
好像是在 Playground 裏面看到的吧。 ↩
-
對於老年人 / 或者便祕的人來說，或許知道「什麼時候拉一次粑粑」是一個嚴肅且嚴峻的問題呢。 ↩
-
想法源於 @JailbreakHum 的付費專欄「用更現代的方式做任務管理」。 ↩
-
一款個人知識管理軟件，icon 是鸚鵡螺，德國團隊出的，很貴。賣點是「通過詞彙關聯，自動提供相關文章聚合」，但中文就⋯⋯ 當時我死活想不起來名字，搜了半天也搜不到。看，這就是信息聯想出問題了。 ↩
-
呃，Safari 就不支持自定義搜索引擎😒 好吧，你完全可以用 Chrome 嘛😅 ↩
-
比如：我把一個長段落拆成幾個短段落，讓你潛意識喊道「又讀完了一段」。不然，你怎麼有動力讀完這麼枯燥晦澀的一大段文字呢🤫 ↩
-
2015-09-26 ↩
-
2017-12-26 ↩
-
希望它像貼心幫手一樣，平時給它「喂」數據，需要時「喂」一聲，就吐給我答案。我覺得，數據整合也好，資料管理也罷，都應該是這個模式——喂數據➡️吐答案。 ↩
网友评论