Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
创作声明：
核心思考通过文中所提及的 Tana #WritingFunction 框架来梳理观点、案例，以及文章主体的构建。最终通过与 Claude 的讨论，完成逻辑的验证以及表达的润色。
文章的核心思想、个人经历、使用案例和观点均为原创，所有 AI 辅助生成的内容均经过人工审核和确认。
写在前面 「选 A 还是 B？」这可能是每个垂直领域的工具讨论中都绕不开的问题。在笔记管理这个圈子也总能看到类似的讨论：Logseq 还是 Obsidian？Notion 还是 Roam Research？而对我来说，让我纠结了很长一段时间的 A 和 B，正是 Heptabase 和 Tana。
说实话这可能就是一种执念吧。我们总希望找到一款 All in One 的工具，能够一次性解决所有问题。记录、整理、思考、输出，最好全都能搞定。事实上，有很多工具也的确是往这个方向发展的。
但问题在于，当你试图用一个工具照顾到所有场景时，你会发现每个场景都只能做到「还行」，没有一个真正做得很好。这不是工具的问题，而是我们对工具的期待本身存在矛盾。更重要的是，我们很容易被各种工具的 feature 带跑偏。过度关注「这个工具能干什么」，却忽略了更本质的问题：「我究竟想要获得什么？」
说到底，知识管理这件事，技巧和功能都只是表层。真正重要的是如何构建自己的思考模式、如何理解知识，以及最终能沉淀出什么真正属于自己的东西。
Heptabase 和 Tana 都是我非常喜欢的产品。它们都是我希望能够长期用来学习、沉淀的平台。但这两款产品无论从理念还是功能上看都是截然不同的。如何选择？这个问题在很长一段时间里困扰着我，也消耗了我不少时间和精力。
我记得自己反复尝试在其中一个工具里 All in One 又反复失败，试图找到那个「最适合」的，却发现每个都有不可替代的优势。两边来回切换，既焦虑又低效。
不过也正是这段纠结摇摆的时间，让我逐渐想明白了几件事。
我为什么需要它们？我究竟想用它们来帮助自己解决什么问题？
当这些问题的答案逐渐清晰，困扰我许久的选择难题豁然开朗。我不再纠结「选哪个」，而是决定两款工具「双修」。这也是这篇文章最原始的思考起点。今天的这篇文章，我怕不会详细介绍两款工具的具体功能——那些内容在各自的官网和教程里都能找到。我更想从产品理念和真实需求的角度，聊聊我对这两款工具的理解，以及为什么我最终选择了「双修」。
如果你也在为类似的问题困扰，或许这篇文章能给你提供一些不一样的思路。
篇首语 2023 年我离开了公司。十多年陆陆续续记下的各类笔记信息，都随着电脑一起交还了回去。那一刻的感觉其实挺好的，因为我终于不用再去维护那些零散、混乱的信息了。接下来对我来说是一次从零开始的机会——没有历史包袱、不用考虑数据迁移，我可以重新搭建一套属于自己的知识体系，围绕我真正关心的领域和命题，重新构建思考框架。
不久后，我陆续接触到了 Heptabase 和 Tana，开始尝试在某一个工具里解决所有知识管理的工作。这几年里我在它们之间来回切换，想找到一个最合适的方式。可是每次的坚持都过不了几个月，但总觉得哪里不太对，却又说不清缘由。
问题到底在哪儿？
直到很久之后我才慢慢意识到，问题根本不在工具本身。这两款工具的思路完全不同。一个强调空间，一个强调结构。其实并不太具备可比性。而我把自己困在了「All in One」的执念里，总想着在一个工具里解决所有场景的需求，结果什么都顾不上，也什么都没做好。
说实话这个思维的转变花了我不少时间。
所以这篇文章，我想重新聊聊知识管理这件事。聊聊我这几年在工具之间的反复和困惑，以及我现在怎么看「如何选择知识管理工具」这个问题。
Heptabase vs Tana 这两款产品的特点非常鲜明，差异也很大。
Heptabase 本质上是一个空间化思维工具。它把笔记彻底从线性文本的逻辑中解放出来，让我们能在一个二维平面上组织信息。这有点像在做复杂问题的拆解，把所有变量、关系、逻辑放在同一个视野里。
比如我们经常在影视作品中看到的案情分析：
那些原本散落在不同文档里的想法，被转化成可移动的卡片，你可以随时调整它们的位置、建立连接、形成分组。这个过程其实就是在可视化你的思考路径。
但真正让我决定付费的不是这种交互形态，而是这款产品背后对「知识」的理解：Heptabase 的核心不是「记录信息」，而是「理解知识」。它认为思考是一个空间性的活动，需要看见全局、发现关联、建立结构。这和传统笔记软件「写完就完了」的逻辑是完全不同的。
创始人 Alan 在 My Vision Project Meta
相比之下，Tana 的路径则完全不同。它关注的不是「全貌」，而是「结构」——更准确地说，是如何通过结构化来组织信息。
我一直偏好大纲型工具，原因很简单：快速、灵活，最适合即时记录。在公司的那些年，我用过很长时间的 Logseq 和 OmniOutliner。它们在记录层面没什么问题，但有个致命缺陷——信息是扁平的、离散的，缺乏语义层面的关联。你记了很多东西，但它们只是一个个独立的节点。你知道它们在那儿，但很难形成体系化的知识网络。
Tana 的核心创新在于 Supertag，也是让我决定付费的核心能力。它让每个节点不再只是一段文字，而是可以承载结构和属性的「对象」。这意味着我们可以把信息从「记录」层面推进到「建模」层面。
举个例子：同样是记录一本书，在传统大纲工具里，你只能写书名+笔记。但在 Tana 里，你可以定义这本书的作者、出版年份、领域分类、阅读状态，甚至关联到自己的思考以及写作。这不只是功能上的差异，而是认知层面的升级。我们可以开始用结构化的方式去理解知识，而不只是堆砌信息。
当然，另一方面 Tana 也是我接触过学习门槛最高的工具。它要求我们具备一定的抽象思维和建模能力。你得自己去定义本体（Ontology）、设计结构化字段、构建查询逻辑。这个过程有不小的难度，注定需要反复试错，需要耐心和坚持。
坦白讲，对于 Tana 我中途放弃过好几次。直到最近一年对结构化思维的理解加深，这才真正把它用顺手了。
进一步展开聊聊 工具类产品有很多，但真正有生命力的，从来不是因为功能堆得多。而是因为它背后有一套独特的思考方式。每个好的工具产品，本质上都是创始团队对某个领域认知的外化。他们怎么看问题，决定了产品长什么样，也决定了你用这个工具会被引导着怎么思考。
换句话说，工具不只是个被动的载体。它也在表达一种思维方式。
Heptabase 和 Tana 就是两个典型的例子。一个把「思考」空间化，一个把「知识」结构化。你可能会说，这不就是界面和交互上的差异吗？
不是。这背后代表的，是对知识管理、信息处理的两种完全不同的认知。Heptabase 关注的是「看见关系」。它相信思考需要全局视野，需要在空间中发现那些隐藏的连接；而 Tana 关注的是「定义关系」。它相信知识需要被结构化，需要通过明确的语义来组织信息。
一个是自下而上的涌现，一个是自上而下的建构。说到底，这两个工具在回答同一个问题：
我们应该如何处理信息，才能真正把它变成知识？
Heptabase 的思考空间化 我们前面提到过， Heptabase 做的事情是把笔记从线性文本里解放出来。听起来似乎没什么，但这其实就是对「思考」这件事的一个重新定义。
在 Heptabase 里，每一条信息都是一张卡片。卡片可以在白板上自由摆放、分组、连接。随着卡片的增加，你会发现一件事：你不再只是在记录，而是在构建一张思考地图。
为什么要这样做？因为人脑处理复杂问题时的过程，本来就不是线性的。我们需要看到全局，需要发现那些隐藏的关联，需要在不同的信息之间来回穿梭，才能涌现新的认知。但传统笔记是一页页的文档，你只能在有限的视野里思考。Heptabase 把这个过程外部化了。
举个例子。最近我在梳理一个关于日本利率政策的白板，起因是 BOJ 考虑提升利率的新闻。我当时就在想：这事儿背后的逻辑是什么？会有什么连锁反应？
然后我开始往白板上放卡片：这次加息的背景、触发原因、日元升值对国际市场的影响、日本历史上几次重要的利率政策调整……每放一张卡片，就会引出新的问题。慢慢的，整个白板开始呈现出一个结构。我发现自己对「失去的三十年」和「十年轮回」有了完全不同的理解。那些过去零散读到的信息，突然之间连成了线。
这就是 Heptabase 的核心价值。它不是帮你存储笔记，而是帮你理清思路。当你把碎片信息变成可移动的卡片，在白板上不断调整位置、建立连接时，你其实也是在做一件事：把脑子里的思考过程，变成可以看见、可以操作的对象。
这是传统笔记工具做不到的。在那些工具里，写完就是完了；但在 Heptabase 里，写完只是开始。真正的思考发生在你重新整理这些卡片的时候。你会发现新的关系，会产生新的疑问，会推翻原来的结论。思考不再停留在脑海里，而是变成了一个可以被「看见」的结构。
所以 Heptabase 入门不难，但用好很难。难在哪儿？难在你得主动去搭建。你得愿意花时间拆解问题，愿意反复调整卡片的位置，愿意在这个过程中跟自己的思维较劲。这个过程很慢，也很累。
但这才是真正的深度思考。
另外，我上面这个白板只能算个开始。大家可以看看官方提供的 Chip War
Tana 的思考结构化 如果说 Heptabase 是帮你「看见思考」，那 Tana 就是帮你「组织思考」。
它的核心是什么?把你脑子里的思考逻辑,变成可以被定义、被复用的结构。
在 Tana 里每条信息都是一个节点，但和传统大纲工具不同的是，这里的每个节点都可以通过 Supertag 携带语义结构，你可以定义这个节点是什么、有哪些属性、和其他节点是什么关系。当这些节点彼此引用、关联、嵌套时，你会发现它们逐渐织成了一张动态的知识网络。
这意味着你的笔记不再是记完就落灰的文本，而是可以被组织、被推理、甚至触发行动的结构化信息。
这里也给大家举几个我自己的例子。
日常思考的捕捉 我用 #Signal 这个标签记录每天的思考和摘要。但不只是记录，我会同时做好结构化标注：
Domain：这条思考属于哪个领域？比如宏观经济、产品设计、AI 应用…… Context：在什么场景下产生的这个想法? Content：具体的思考内容是什么? 比下图中这条关于日本央行加息的笔记。我不只是记录「BOJ 可能加息」这个事实，而是同时标注了它的领域（宏观经济）、触发场景（日元升值压力），以及具体的分析内容。
这样做的好处是，我可以在后续按领域、按场景、按时间，用不同的维度去检索和组织这些思考。每条信息不再是孤立的，而是带着「身份标签」的知识节点。
写作框架的固化 写作这件事就更典型了，对我来说它就是结构化思考的过程。所以我专门建了一个 #WritingFunction 标签，把文章写作「打散」成若干固定问题：
基础问题 （每篇必答）:
核心表达：这篇文章要说什么？ 背景语境：为什么写、在什么场景下写？ 焦点洞察：我有什么新的发现？ 核心观点:我的立场是什么? 可选模块 （按需使用）:
观点支撑：有哪些材料可以佐证？ 类比映射：能不能用类比帮助理解？ 切换视角：换个角度讲会不会更清楚？ 认知递进：这篇文章能引发什么进一步的思考？ 这套框架其实就是我的写作「思维框架」。它能让我每次的写作都不是临场发挥、写到哪儿算哪儿，而是将它变成一次系统化的推理过程。我不用每次从零开始想怎么写，而是按框架填空、补充、延展。这篇文章就是在这个 Writing Function 下完成的草稿，再通过与 AI 的交流完成优化调整。
另外这个框架是可以迭代的，当我发现某个问题反复有价值，我就把它固化到模板里，当某个问题不好用，我就删掉。
公司分析的建模 同样的逻辑，我还用将它用在构建了公司分析的模型上。这是一个针对公司基本面分析的本体论（Ontology）结构。什么意思？就是我定义了理解一家公司需要看哪些维度。
比如上图中的这个 Palantir 的案例:
业务模式：主要产品是什么？收入来源是什么？ 客户群体：服务谁？政府、企业还是个人？ 成长路径：怎么扩张？靠产品迭代还是市场拓展？ 当这套模型搭建完成后，我就可以用它去快速分析任何一家新公司。不是每次从头想「该看什么」，而是按模板去填充、去对比。这就走出了传统记笔记的逻辑，把自己的思考方式，变成可以被复用的结构。
所以在这些场景里 Tana 的核心价值到底是什么？我觉得肯定不是记录信息，而是让你把自己的思考逻辑显性化、结构化，让它变成可以被构建、被复用、被迭代的对象。换句话说，Tana 中的这些由 SuperTag 组成的框架，就是我们思维方式的外化。
这也是为什么 Tana 学习门槛很高。因为它要求我们必须有足够的结构化思维能力，得知道自己是怎么思考的，才能把这套逻辑用 Supertag、字段、查询给搭建出来。这个过程也需要不少时间，我自己中途放弃过好几次，直到最近一年才真正把它用顺了。
但坦白说这个过程还是挺有价值的。我对自己的思维方式有了更清晰的认知， 它总会逼着你去想自己到底是怎么理解一个问题的？我的思考框架是什么？这个过程本身就很有价值了。
回到根本，知识管理的逻辑是什么 聊完这两个产品，其实我们得回到一个更根本的问题：
我们究竟是如何理解「知识」这件事的？我们认为自己在管理的到底是什么，又该如何管理？
这个问题很重要。因为工具的形态我们无法决定，但自己的理念可以。一个具备独立思考能力的人，应该有属于自己的知识观。这个理解才是我们选择工具的真正逻辑。
很多时候你会发现，别人推荐的工具看上去让人特别有想去试试的冲动，但真上手后才发现，自己用起来却是怎么都很别扭。
问题出在哪儿？其实不在工具本身，而在于它不契合你的思考方式。或者说你当下还没有形成足够清晰的方法论去驾驭它。这也并不是坏事。相反，这恰恰是在提醒我们那应该停下来想一想自己对知识管理的逻辑是什么。
我们不必追着各种新的工具跑、去反复试错，而应该先想清楚自己是怎么思考的。
本质上来说，无论是知识管理还是建立对世界的理解，第一步可能都不是去瞄准某个工具。而是先找到属于自己的逻辑与理念。只有这样，你才能真正选择、甚至塑造出与你思维方式匹配的工具。
举个例子，如果你希望对知识的管理方式是从混沌到清晰，那么我们你可能需要的是先把所有信息铺开，在空间中寻找关联，那 Heptabase 可能就是你需要的；但如果你的思考方式是标准化的。那么你可能需要先定义框架，再往框架里填充内容，那 Tana 可能会更适合你。
两种方式没有对错，关键是你得先知道自己想要的是哪一种。
不要痴迷于 All in One 知识管理本身是个很大的命题。它有很多不同场景组成，每个人的侧重点也不同。所以叠加起来，逻辑会变得很复杂。
对我来说，核心关注点只有两个：
如何快速记录并结构化信息，形成我的底层知识物料，为未来自己的模型训练做准备； 如何基于某个问题或领域，把这些物料整合成完整的知识框架，做到对特定主题的研究延展。 这两个听起来没特别，Tana 和 Heptabase 似乎都能干，但实际上实践下来都不太行。Heptabase 的白板在信息组织、发散思考上很强，但快速记录和结构化处理上不好用，效率很低；Tana 在记录和结构化上很强，但因为它以节点为核心的产品设计理念，并不擅长做全貌的思考。
想在一个工具里同时做到既要聚焦细节还能俯瞰全局。至少目前来看不现实，确切的说是不好用。所以今年开始我换了个思路，让 Tana 和 Heptabase 并行使用。Tana 负责前期的快速记录和结构化，作为基础资料库；Heptabase 负责后期用白板沉淀内容，面向问题和领域构建全局思考。
有意思的是，当我真这样跑了一段时间后，发现我之前担心的在两个工具之间的复制粘贴的操作并没增加太多的工作量（相较于 All in One）。
为什么？因为在 Tana 中，每一类信息都有属于它的结构化字段。记录的过程就是对信息的理解、消化的过程。通过这种「问答」的模式我已经可以获得完成度很高的信息。导入到 Heptabase 后，不需要做太多调整，直接就能用。
这其实又回到了我们前面说的那个核心问题：工具只是承载逻辑的方法。关键是你如何理解知识，如何构建自己的思考框架。这个想明白了，Tana 和 Heptabase 就不再是竞争关系，而是不同场景下的能力互补。
所以我说，对于知识管理这件事，不要执着于 All in One。 因为相比在多个工具间交换信息的少量成本，All in One 的代价往往更大。它不仅让效率下降，还容易让你的思考被工具的边界限制住。
更重要的是，当你痴迷于找一个完美工具时，你其实是在逃避一个更根本的问题。工具永远只是工具，你对自己思维方式的理解，才是决定工具能发挥多大价值的关键。
所以我建议在确定选择某一个工具之前，不妨先想清楚自己的需求是什么，思考流程是什么，然后找到最适配每个环节的工具。哪怕要用两个、三个，只要它们能组合起来支撑你的思考流程，就是好的。
相较于一个成熟的体系，多一两个工具的成本其实不值一提。
写在最后 从产品层面看，所有笔记工具归根到底就是「增删改查」加「视图呈现」。功能上不会有太大差异。但这不是重点，重点是我们为什么要做知识管理？这个问题听起来很虚，但想清楚了，很多困扰就不存在了。
如果你做知识管理的目的，是为了存储更多信息，那任何工具都能满足你。但如果你的目的是更好地思考，那工具的选择就变成了另一个问题：它能不能帮我把思维过程显性化？能不能让我看见自己是怎么思考的？
这才是 Heptabase 和 Tana 真正吸引我的地方。
它们不只是在帮我管理信息，而是在逼我去理解自己的思维方式。Heptabase 让我看见思考的空间结构，Tana 让我定义思考的逻辑框架。同时你也不再会纠结用哪个功能、怎么分类、放在哪儿之类的问题，因为系统已经和你的思维方式融为一体。
所以回到我们今天文章的两位主角，如果你问我，Heptabase 和 Tana 到底该选哪个？我的回答会是先别着急选。先花点时间想清楚自己是怎么思考的，需要什么样的思考支持。然后你会发现，选 A 还是 B，还是A、B 都要，你已经有答案了。
当然最后还是得多说一句，知识管理的终点并不是建立一个完美的系统，而是让自己成为一个更清晰的思考者。工具只是起点，思考才是终点。
> 关注 少数派小红书 ，感受精彩数字生活 🍃
> 实用、好用的 正版软件 ，少数派为你呈现 🚀
