播客 二维吾码：AI 对话 Flomo 创始人少楠——知识管理的变革与未来

本访谈邀请了 Flomo 浮墨笔记 创始人少楠，与主播建飞共同探讨了在 AI 技术浪潮下，个人知识管理（PKM）工具的演变、使用习惯的变迁，以及未来的发展趋势。

【焦点深潜】主播建飞的核心趋势观察

作为资深的科技评论者和重度工具使用者，建飞在访谈中揭示了他观察到的几大关键趋势，展现了 AI 如何从根本上重塑个人知识管理的范式。

趋势一：数据结构的必然演进——从“富文本”到“块”与“数据库”

建飞观察：早期知识管理工具（如印象笔记）的富文本结构，虽然能原样保存网页，但也导致了信息“典藏”后的混乱与不可处理性。用户除了全文搜索外，几乎无法对这些信息进行二次梳理。而以 Notion 为代表的工具，其核心优势在于引入了“块（Block）”和“数据库（Database）”的概念。这种结构化的转变，使得每一条信息都能被赋予元数据（如作者、来源、标签），极大地提升了信息检索、筛选和再利用的效率。更重要的是，它通过强大的 API，为自动化信息处理流程（如构建 RSS 阅读流）提供了可能，这是知识管理从简单的“存储”迈向主动“处理”的关键一步。

趋势二：AI 带来的范式转移——解锁新领域，重塑创作流

  • 解锁新领域：视频知识管理（Video PKM）的诞生

    建飞观点：AI 的多模态能力是革命性的，它直接催生了视频知识管理这一全新的领域，实现了“从0到1”的突破。在此之前，对于短视频这类非结构化数据，我们几乎束手无策。现在，AI 可以自动提取视频中的语音、文字、画面信息，使得对大量一手视频资料的分析成为可能。

  • 重塑研究方法：“赛博田野调查”成为可能

    建飞实践：他利用 AI 对抖音等平台的短视频内容进行大规模的收集和分析，进行他称之为“赛博田野调查”的研究。这种方法能够触达大量未被传统媒体加工过的、来自一线的“暗知识”和“分散知识”，从而获得更真实、更多元的洞察，绕开了被平台或机构“公关”过的书面信息。

  • 重塑创作流程：从“防喷补丁”到“自动化写作”

    建飞工作流：AI 不再仅仅是助手，更是创作流程中的互动伙伴和生产力引擎。他通过自定义 Prompt 让 AI 扮演“喷子”或批评者，对自己的初步想法进行多角度的“攻击”。这个过程能帮助他预见潜在的质疑，为观点打上“防喷补丁”，从而将一个简单的灵感扩充为一篇逻辑严谨、论据充分的长文。在最终输出阶段，他会为 AI 提供包括个人全部历史作品在内的海量上下文，以及一个极其详尽的核心观点 Prompt，实现高质量的自动化写作。

趋势三：未来工具的形态——场景化、可追溯、个人化

建飞展望： 未来的 AI 知识管理工具，不应只是一个简单的聊天框。

  • 场景化RAG：泛泛的知识库对话（RAG）价值有限，其真正的潜力在于与具体创作场景深度结合，例如在写作时，能够在限定的、个人信赖的资料库内进行精准的、上下文感知的引用推荐。
  • AI-Native 工具的角色：像 NotebookLM 这样的工具，其核心价值并非长期的“第二大脑”构建，而在于高效的“知识蒸馏”——针对特定主题，快速消化海量（甚至是盗版）信息，完成一次性的深度研究任务后即可“阅后即焚”。
  • 个人化与可控性：无论 AI 如何强大，用户都必须保持对知识库的最终控制权。这意味着工具必须提供完善的版本历史以确保 AI 操作可撤销，并且用户应当养成保存关键 Prompt 的习惯，这不仅是为了结果可复现，更是因为 Prompt 本身就是一套可迭代的、个人化的“工程方法”。

【策略聚焦】创始人少楠的减法哲学与产品策略

作为 Flomo 的缔造者，少楠的策略深受其个人实践与对普通用户深刻洞察的影响。他奉行一种“减法哲学”，强调在 AI 时代更应捍卫个人思考的纯粹性。

核心原则：捍卫“真实思考”的阵地

少楠哲学：Flomo 的一切产品决策都源于一个核心定位——“记录自己真实的想法”。他认为，一个笔记工具的首要任务是无干扰地捕捉用户脑海中最原始、未经修饰的思绪火花。这个原则解释了他为何对许多看似“智能”的功能持保留态度。

背后的“为什么”：他提出了一个生动的比喻——手机相册里存的是“原片”，社交媒体上发的是“精修图”。个人知识库就应该是存放“思想原片”的地方。如果笔记库里充满了被 AI 润色、生成、美化过的内容，那么用户就丢失了自己最宝贵的思考痕迹，长此以往会削弱独立思考和表达的能力。这个知识库将不再是“第二大脑”，而是一个被污染的数据集。

个人信息管理策略：从“被动接收”到“主动挖掘”

  • 信息源的极简主义：

    少楠策略：他主动取消了所有的信息订阅（如 RSS、Newsletter），彻底摒弃了被动接收信息的模式。

    背后的“为什么”：这是为了对抗信息过载，夺回注意力的主导权。他选择维护一个自己关心的人物、产品和公司的列表，在需要时主动去“捞取”信息，确保每一次信息消费都是有目的、高质量的。

  • AI 辅助的深度研究：

    少楠策略：他利用 AI 进行结构化的深度研究，专注于挖掘那些不变的、底层的“基建”知识。

    背后的“为什么”：与其追逐瞬息万变的应用层信息，不如用 AI 彻底搞懂一个领域的思想脉络和基础原理（如“向量化”技术的发展史）。这种“学一次，吃透它”的方法，虽然前期投入大，但长期来看效率更高，能建立更稳固的知识体系。

产品设计中的“减法”：为什么不做这些功能？

  • 拒绝 AI 生成与润色：

    Flomo 决策：坚决不提供内容生成或一键润色功能。

    背后的“为什么”：这直接违背了“记录真实想法”的核心原则。润色功能会隐藏用户表达上的弱点（如逻辑不清、口癖），使其无法通过记录来审视和提升自己的思考与表达能力。

  • 对单条笔记 AI 互动保持谨慎：

    Flomo 决策：不做类似“模拟评论”等基于单条笔记的复杂 AI 互动。

    背后的“为什么”：上下文不足是主要障碍。大多数用户的笔记信息密度低，AI 无法进行有意义的互动。Flomo 的 AI 功能（如 AI 洞察）被设计为在多条笔记（如一个标签下）的集合上运行，以确保 AI 有足够的上下文来进行高质量的分析。

  • 更智能的标签推荐逻辑：

    Flomo 探索：摒弃了简单的“AI 读取文本生成标签”模式。

    背后的“为什么”：个人标签系统是高度个性化和充满“黑话”的，AI 无法理解其真实含义。Flomo 正在探索的方案是基于向量化相似度——当用户写下一条新笔记时，系统找到与之最相似的几条历史笔记，然后推荐这些笔记上已有的标签。这种方式更尊重用户的既有体系，也更精准和低成本。

综合总结：AI 时代的知识管理之道

本次访谈深入剖析了 AI 技术对个人知识管理（PKM）领域的深刻影响，从工具的演进、用户习惯的变迁到未来产品形态的展望，呈现了一幅动态的行业图景。

原文

源链接