随着2024年规划会议临近，我一直在思考如何高效做笔记。准备主题演讲需耗时数月，期间我会与众多研发出色产品的专家交流，并在每次会议中记录大量笔记。
我对做笔记的最早记忆始于小学：一字不差地抄写老师的话或板书，回家后复习并备考。这本质上是在学习编码、存储和回忆信息，类似于简单存储服务S3的运作逻辑。
但这仅是记忆，而非综合理解。
随着学业深入，学科复杂度提升，迫使我重新审视笔记方法。重点不再是充当记录员，而是倾听、观察并深度理解所学内容。
例如，年轻时我可能逐字抄下定义：“线粒体的经典作用是氧化磷酸化，通过利用食物氧化释放的能量生成三磷酸腺苷（ATP）。”学习时仅死记硬背，未必真正理解其机制。更有效的方式是先阅读定义，再用自己的语言重构，如：“线粒体是细胞的发电厂，为生化反应提供大部分化学能。”甚至在页边绘制示意图。这就是“综合”，代表真正的理解。
研究证实，逐字记录在学习和保留新信息时效果不佳。
康奈尔笔记法
过去几个月，我研读了多种笔记方法，从大纲到思维导图再到图表。其中，康奈尔笔记法对我最为有效。
该方法要求将笔记本页面分为四个部分：
- 标题
- 笔记
- 关键词和问题
- 总结
推荐此法并非因我在康奈尔大学工作近十年，而是因为它鼓励记录思维过程（提问）、实时整合内容（笔记）及事后总结（摘要）。
最终产出的是结构化笔记，易于阅读、整理和回顾。这不仅是为了记录，更是为了日后复习问题、挑战既有假设。
Kuniyoshi Sakai的研究《纸质笔记本与移动设备：记忆提取过程中的大脑激活差异》表明，纸笔用户在记忆保留和回忆方面优于键盘或平板用户。但共识在于，无论何种形式，记笔记均有助于提升信息留存效果。
纸笔的力量
至今我仍依赖手写笔记以保持专注和内化重点。因书写速度慢于语速，我必须筛选核心内容或记录疑点，以便后续提问。
Werner 的笔记本档案。
我推崇传统纸质笔记，因其助益记忆、整合与总结。手写内容仿佛直接存入大脑，这是数字方式难以企及的。即便准备会议，我也用康奈尔法简要总结简报，使内容即刻铭记。正是主动处理文本而非被动阅读，推动了这一认知过程。
机器学习与生成式AI的应用
主动整合信息的笔记行为极具价值。但在数据爆炸的时代，我们难以逐一梳理海量信息。机器学习（ML）和生成式AI将在以下场景发挥关键作用：
- 使用带说话人识别的转录服务，补充会议笔记；
- 利用计算机视觉和OCR技术将手写笔记数字化，便于分享或集中存储（非Kindle Scribe等设备用户适用）；
- 实现近乎实时的摘要生成；
- 运用大语言模型（LLM）迭代分析笔记库，从数百页会议记录、讲座、文档审阅及实地考察中识别主题、趋势及关键人物。
这好比看地图。20年前，人们规划路线、做笔记并按图导航。重复行走后，沿途地标、拥堵时段及替代路线便熟记于心。如今，我们依赖手机语音导航，几乎无需记忆。
科技虽便捷，但掌握读图技能依然重要。在无信号、设备丢失或远离科技时，自主定位与导航能力至关重要。同理，手写笔记能过滤干扰，助你聚焦核心内容。
我很好奇，随着对数字原生代学习方式的持续研究，未来十余年相关领域将如何演进。
做笔记，大量地做笔记
作家安妮·拉莫特（Anne Lamott）曾言：“……最糟糕的感觉之一，莫过于经历了美妙瞬间、获得深刻洞察或灵感迸发，明知拥有却转瞬即忘。”我的建议是：做笔记，大量地做笔记。
现在，去创造吧！