Tag: 工作

每年写一次总结，就很grad 工作 2022年中，我从工作了三年的cloud转到了Geo。如果用三个关键词来总结2022的工作变动的话，我想应该是就是 responsibility, leadership, strategic responsibility 蜘蛛侠里有句著名台词，“能力越大责任越大”。这句话也同样适合放在工作中。 转到了Geo之后当了某个产品的负责人，自此对该产品有了“无限责任”。头脑风暴，写提案，写设计，拉客户，和其他组协调，调整项目优先级，分配项目等等等等很多之前工作中认为的“总会有人去解决的问题”，变成了“我会去解决”。 leadership & strategic Strategic和leadership串起来一起看，就是因为责任大了，必须得要学会如何分配时间，考虑问题的时候需要抓大放小，把问题打包分配出去，并且还要考虑时序上的关系，确保大方向上我们和整个Geo保持一致。除了产品，改进组内文化，定期反思，改善工作流程，也是leadership的一部分。 同时，当负责人的第一年，思考问题的模式也有所变化。曾经作为纯IC（个人开发者），思考问题的模式是“这里有个模型，我照着它写就行”，“这个东西能跑就行”。而作为负责人，往往要更进一步问自己“这个模型合理吗？”，“这个东西能做的更好吗？”，“这个项目的优先级应该有多高？”，“产品在整个生态圈的什么位置？”，“我们的产品roadmap该怎么规划”。慢慢的把自己的思维模式从照着PRD做产品，转变变成做PRD和产品。 生活 生活上主要有两个小主题，健康与爱好。 健康 四月份的时候做了个体检，报告显示我某项指标有点高。在医生的建议下我把因为疫情停下来的健身捡了起来。经历了三个月的饮食健身改善，虽然体型体态上还是偏肿，但复检的报告显示比起四月的体检，健康状态有了很大的改善。也是以此为契机，恢复了常态健身的生活状态。 爱好 因为某名侦探朋友复归美，引起了我学习手冲咖啡的兴趣。作为一个装备党，我入手了一整套手冲咖啡设备并且学习了各种知识。然后就进入了“这个好酸啊”（买的浅烘豆子）“这个好苦啊”（粉磨太细了）等无尽的踩坑之旅。这里也发挥了理科男的思维模式，我找了咖啡豆的浸出速率曲线，通过理论指导实践的方法，调整水温，注水量，间隔时间等配合“控制变量法”来学习冲泡手法。 和“打了无数短点，加了无数日志之后找到了bug”一样，踩了茫茫多的坑之后，当我终于沖出来一杯口感醇厚，能喝出来豆子风味的咖啡时，那一刻的满足感和成就感令我觉得此行不虚。 总结&2023 总结完了我自己，给2023的自己一个小目标吧，希望自己2023多运动，多拍照，认真生活，认真享受生活。 Life is short, drink coffee.

学习的本质就是记忆 纸笔模型 念书的时候很多人都有做笔记的习惯，我也不例外。上课的时候我习惯的会把课堂笔记写在书页的边角，课后再转抄到笔记本上。一方面重抄强化了记忆，另一方面我会在重抄的时候把散落的知识点整理一下，让它尽可能有条理。 课程在编写时有考虑到知识的连贯性，所以对于课程的知识图谱很容易被梳理出来。我把这种模型成为“纸笔模型”。它基于几个假设： 每个知识节点在创建后基本趋于稳定，不会有过多修改。即便有修改，数字化后的纸笔模型也是“修改友好”的 节点之间的联系稳定且有限 完整的知识图谱内容有限，体积不会太大 节点是随时间添加，检索起来也比较方便，比如按教科书章节检索 纸笔模型的挑战 工作了之后，我也有尝试过很多次做工作笔记，却收效甚微。和学习笔记不太一样，工作中接触到的知识很散乱。更多的时候需要快速学到一个全新的领域知识，然后应用在工作中，然后再学习下一个领域知识，循环往复。学到的知识本身也会随着时间被更新，或者推翻。这些工具/知识之间并不甚相关，导致了知识的碎片化，并且很难被检索。 这时，纸笔模型的假设受到了挑战：知识点之间的联系微弱，需要大量的背景知识来建立，这些知识会导致没有一个完整的图谱，或者一个巨大的图谱；知识点本身会频繁的更新；检索困难，很多时候单纯的关键字检索很难找到所有相关的节点。这三个挑战推向同一个结论：传统的纸笔模型，甚至说数字化后（对更新节点更友好）的纸笔模型已经不适用于工作笔记了。 简言之，传统的纸笔模型更适合一个有主干，有直线，内容有限的叶脉结构——教科书等天然适合使用这种工具。 知识图模型 而如同之前所讨论的，工作之后接触到的很多领域知识是驳杂，正交的。这样的知识图谱就是很多细小碎屑的枝干，缺乏一个主干来统一。这种模型我称之为知识图模型。 知识图模型的一大挑战就是对节点的多维度，联想性检索。在检索节点时，目前绝大多数工具都只能做到关键字检索。很少，或几乎没有工具能够把“与XX”相关联作为条件来检索节点。 举个例子，假如我今天读到了一个知识，通胀与央行加息之间的关系是如何如何。除非我在这个知识节点内放了“通胀”“加息”“贷款”“利率”等等关键字，否则很难在未来的某天，我想了解”贷款利率”与“通胀”之间的关系。 Logseq 一个好的PKMS工具，需要有这种能力，将相关联的碎片信息进行整理，连接，并在我需要的时候，能够通过寥寥几个节点的检索，就能够将整个图谱的内容提取出来，比如能够帮助我从“贷款”联想到“利率”，到“加息”，一直到“通胀”。 这里介绍一个我自己在用的PKMS工具，logseq。logseq是一个markdown驱动的PKM软件。它通过节点间的双向连接生成知识图谱，并且可以通过关键字，标签，页面引用等来对节点进行多个维度的整理。比如上文的例子中，“通胀与央行加息之间的关系”节点中我可以通过#通胀，#加息，#经济 等不同标签使这个节点和不同的节点互通。当然在可视化时，它也能够从根据不同的维度，快速的建立不同的可视化结构。 除此之外，logseq 还可以通过不同的宏把pkms和各种不同的管理工具结合到一起，比如TODO，读书笔记，个人周报等。还可以在TODO中按优先级，ddl进行排序，永远把“最重要”的事项显示给你。也可以按需来添加不同的插件，进行强大的功能拓展。 它既是一个笔记本，也可以是一个日记本，一个知识图归纳器，一个PKMS，一个TODO，等等等等。更多与logseq相关用法，请参考这里。 希望这篇文章能对同样挣扎在碎片化知识的小伙伴们提供一种思路，以期早日进入work hard, play hard的状态。