工具产品 on Hi, I'm 5key

Heptabase VS Tana，两种不同的知识管理逻辑

Wed, 05 Nov 2025 00:00:00 +0000

TL;DR

Heptabase 让你「看见思考」，Tana 让你「组织思考」，它们不是彼此替代，而是天然互补。

如果你想同时拥有快速记录的效率和全局思考的深度，不妨让两者并行使用。

为什么我要重新思考知识管理工具

2022 年，我离开了公司。十多年陆陆续续做的记录，随着电脑一起交还了回去。那一刻其实挺好，终于不用再去维护那些零散、混乱的信息了。

对我来说，这是一次从零开始的机会。没有历史包袱，也不用考虑数据迁移。我可以重新搭建一套属于自己的知识体系，围绕我接下来真正关心的领域和命题，重新构建思考的框架。

后来我陆续接触了 Heptabase 和 Tana。

这两款工具的思路完全不同，一个强调空间，一个强调结构。这几年里我也在它们之间来回切换，想找到一个最合适的方式，但却又始终没能真正解决我的问题。总觉得哪里不太对，却又说不清。

直到今年，我才慢慢意识到，问题并不在工具本身，而是我把自己困在了「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。

所以，这一期的文章，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「如何选择一款知识管理工具」。

💡 如果你对知识管理方法论本身感兴趣，可以先看我之前写的 HQ&A 笔记法：让你的思考更有效，讲的是从「记录」到「理解」的三步思考框架，和本文聊的工具选择互为补充。

Heptabase vs Tana

这两款产品的特点其实非常鲜明，差异也很大。

从表面来看，Heptabase 更像是一个帮助你看清全局、发散思考的工具。它把笔记这件事彻底空间化，让你能像警察办案那样，在一块白板上把所有线索思路连接起来。

那些原本散落在各个角落的想法，突然被放在同一个平面里，变得可以移动、组合、连接。你能清楚地看到思考的路径，也能在重新排列的过程中，发现新的关系与洞见。

当然，让我真正决定付费的并不是当时的产品形态，而是它背后的理念。Heptabase 的核心并不是「记录」，而是「理解」。它让思考变成一个空间事件，而不是文字的堆叠结果。

创始人 Alan 对如何思考知识这件事的理解，远比市面上大多数笔记产品要深。大家感兴趣的可以去阅读一下他这篇文章。

Heptabase: My Vision Project Meta

而 Tana 的重心则完全不同。它关注的不是「全貌」，而是「结构」以及结构化之后组织信息的方式。

我一直很喜欢节点式、大纲型的工具，因为它足够简单、快速，最适合即时记录想法。

还在公司的时候，我用过很长一段时间 Logseq 和 OmniOutliner，它们都很好用，但问题也很明显。内容容易变得零散、粗放，彼此之间缺乏联系。每条笔记都像是一个孤岛，你知道它们存在，但很难串联成体系。

Tana 出现后，演示视频立马就吸引了我。它在大纲的基础上引入了 Supertag，让每个节点都可以带上语义结构。从「记录信息」变成了「组织知识」。

这种方式极大地弥补了 Logseq、OmniOutliner 在信息管理上的不足，也让我真正感受到笔记其实可以是「有逻辑的网络」，而不是一堆堆分散的文本。

当然，Tana 也是我接触过学习门槛最高的一款工具。

它不像 Heptabase 那样容易理解，而是要求你具备相当强的结构化思维能力。你得自己去定义、去构建、去设计那套逻辑关系。这个过程很难，也注定需要反复的尝试。坦白讲，我中途放弃过好几次，直到最近一年后才真正用顺手。

从「白板」开始你的设计工作

Thu, 13 Feb 2025 00:00:00 +0000

你会如何开启设计工作

很多设计师拿到一个新需求时，第一反应往往是习惯性的打开设计工具，比如 Figma 或 Sketch 开始设计。

为什么会这样？

其实这不仅仅是工作习惯的问题。更重要的是这些设计工具已经成为我们的“主场”，是我们的舒适区。就像工程师需要记录点信息时，第一反应是打开自己的代码编辑器。我们都在各自的安全领域中“安营扎寨”，在工具中舒适地“解决问题”。

这其实也并不是什么坏事，毕竟趁手的工具干起活来效率高。但问题就在于这种依赖性，其实会把我们“圈”得死死的，导致我们很多时候不自觉地陷入细节，而忽略了更重要的思考。

想象一下，当你打开设计工具，面对那些熟悉的界面和准备好的模板、组件库，会让我们不自觉地进入到设计的实现中，开始沉迷于界面设计的细节。一会改一个布局，一会调整一下组件的位置。于是，我们就掉进了细节的陷阱里，开始在“小问题”上耗费大量时间，最终不自觉地忽略了背后的更重要的业务需求、用户痛点，甚至我们本该考虑的设计策略，也是在最后评审时“反向推理”出来的。

设计得虽然好看，但可能并没有能真正的解决问题。

而事实上，一个真正好的设计方案的核心，并不是能画出多少炫酷的界面，而是是否能理解业务需求、分析用户问题、找到合适的设计策略。这些前期的思考环节做得足够扎实，最后的设计实现才能真正的站得住脚。

总的来说，一个好的设计方案，其实应该是：七分思考分析，三分设计实现。可是，现实往往是我们花了七成时间搞设计实现，剩下的时间都用来在思考上“打酱油”。

企业如何看待设计师的专业能力？

曾经，企业可能更关心设计师的技能树。你能掌握哪些设计工具？擅长哪些设计方法？能不能做出一些酷炫的交互原型？但现在，企业更在乎的是你能不能用设计帮助公司获得增长，帮助公司营利。

设计不光是为了好看，它最重要的任务是好用。能让用户更舒服地使用，进而带来商业价值。如果设计最后还是不能解决问题，再精致再华丽也不过是“空中楼阁”，根本不能为公司创造实际价值。所以，设计师的角色已经不再是做个漂亮的界面那么简单了，再好看的设计也不能忽视「生意」的本质。我们还得成为「问题的解决专家」。

AI vs 设计师，应该选哪个？

当我们还在死守专业的时候，不要忘记了在另一边还有一股“力量”在试图替代我们。随着这两年 AI 能力的突飞猛进，我们的传统技能，比如设计流程、画界面之类的活儿，已经越来越容易被机器取代。

以为对专业工具的操作和界面设计的能力就足够形成牢固的壁垒了吗？不好意思，AI 也能干，而且比我们更快，还没有情绪、不需要休息。虽然它们现在可能只具备一个实习生的能力，但它的“晋升”速度可能会比我们想象的快得多。

去年年底兴起的 Cursor、Windsurf，能够帮助我们直接完成需求文档到产品实现的路径。甚至更进一步的 Devin ，我们已经可以把它当成团队里的一位新成员，它们能做的事，可能比我们想象的还多。

虽然 AI 在设计实现方面的能会越来越强大，但这里依旧在某些方面暂时还无法替代我们。那就是对业务的理解、问题的分析、策略的制定，总的来说，就是我们对业务思考的能力。而这些，也正好是企业对不仅仅是设计师的每一个角色在当下最核心的期望。

从白板开始你的设计工作吧

我们前面提到，设计师的工作应该是“七分在分析，三分在设计实现”。也就是说，设计师应该花更多时间思考和分析，而不是直接进入设计工具进行细节的实现。

理解我们需要进行思路的转变不难，难的是如何实施。在我看来，工具是一个具备可行性的切入点。白板就是这种思维方式的具体体现。

白板不仅仅是一个工具，它是一个思考的空间，是设计师跳出工具局限，全面分析问题、构建解决方案的地方。

我在 Heptabase VS Tana，两种不同的知识管理逻辑里也聊过类似的思考：Heptabase 这类空间化白板工具的核心价值，恰恰就是把「思考」从线性文档解放出来，变成可以被看见、被移动、被组合的过程。设计的前期工作其实和它是一回事。

接下来的付费内容中，我将通过一个实际的案例，向大家展示如何利用「白板模式」进行设计的前期工作。确保我们的设计思路清晰，决策有依据。

从 0 到 1：用 Cursor 做了两个小工具

Sat, 30 Nov 2024 00:00:00 +0000

TL;DR

不会写代码的设计师/产品经理，靠 Cursor 在两天内做出了两个真正可用的网页小工具：融资利率计算器和百万计划。

这篇是个人实践记录，讲我从「产品经理」到「程序员」的真实体验，以及 AI 辅助编程对非工程师角色的意义。

两个小工具：融资利率计算器与百万计划

在美股市场，偶尔会用到富途的融资。每次用融资之前，我总要在脑海中默算这笔钱会产生多少利息。这件事虽然不复杂，但计算的过程总让我有点烦躁。为什么不自己做一个呢？于是，就有了这个「融资利率计算器」小工具。

功能特点：

支持美股和港股的融资费用计算。
输入金额、天数后，快速得出利息成本。

前段时间，我的女儿问了我一个问题：“爸爸，存够 100 万需要多久？”这让我一时间有些语塞，但又觉得这是个很有意义的理财问题。与其给她一个简单的回答，不如用一个工具来帮助她理解存钱和投资的过程。于是，就有了这个「百万计划」小工具。

功能特点：

输入初始资金、月存金额、年化收益率，计算达成 100 万的所需时间。
支持不同利率和存入金额的调整，直观展示投资增值的概念。

从产品经理到"程序员"：用 Cursor 写代码的真实体验

其实，这两个工具都不是我写的。实际上，是 Cursor 帮我完成了它们。我只是作为产品经理和设计师，提出需求，规划功能，再通过 Cursor 帮我实现了我的想法。

在互联网行业工作了 20 多年，前面的十多年一直都是做设计，后面的几年开始做产品。多年来，我对编程一直抱有执念。

作为设计师和产品经理，我总会想到各种稀奇古怪的需求，但由于自己不会写代码，很多想法都无法尝试。虽然我尝试学过编程，但真正掌握编程的逻辑和语言始终需要投入大量时间，而这对于我来说，并不现实。

为什么我建议每个非工程师都试试 Cursor

有了 AI 工具，局面完全打开了。在过去，ChatGPT 让我能够改改代码，而如今 Cursor 则让我开始可以大胆的做一些更为复杂的工具了。

Cursor 对我来说最大的意义，是让我可以退回到产品经理的角色，只需要把握功能的需求和细节，把实现交给“它”来完成。

用 Cursor 完成我的第一个工具后，我毫不犹豫地决定付费订阅了。

一个月一百多块钱的成本，就像雇佣了一个“随叫随到的程序员”。对于我这种技术能力有限、却常有小想法的人来说，绝对是超值的投资。

接下来想用 Cursor 探索什么

接下来的日子里，我会继续用 Cursor 实现一些日常生活中“看到”的需求。它们不一定复杂，也不一定适合所有人，只是用来解决一些我自己感兴趣的问题，就像以前的 Notion 模板一样。

Salesforce 的生成式画布，证明了 AI 在产品界面设计中的可行性？

Mon, 04 Nov 2024 10:34:56 +0000

TL;DR

Salesforce 的 Generative Canvas 给生成式 AI 在产品界面设计中找到了一条可行路径：它不是凭空生成 UI，而是基于成熟的 Lightning Design System 做约束式生成。

这恰好回答了过去两年 AI UI 工具失败的核心原因：缺乏可依赖的设计标准、缺乏对业务逻辑的理解。

设计系统才是 AI 生成 UI 的真正前提。

在上一期的专栏文章中，我们讨论了生成式 AI 在产品界面设计中遇到的问题（详见产品界面的 AI 生成式设计，为什么没人关注了？），以及为什么还无法运用到日常的设计工作中。

生成式 AI 在界面设计中遇到的问题

总的来说，主要体现在两个方面：

01.缺乏可依赖的设计标准

界面设计不仅仅是视觉上的创意，它更需要强有力的逻辑支持。

我们可以明确地定义一只猫或一辆汽车的外观，但对于购物车界面或下单支付流程，缺乏具体而明确的定义标准。在缺少这些明确规则的情况下，生成的 UI 可能只是各种组件的简单堆砌，缺乏逻辑性和良好的用户体验。

相比人类设计师的成果，生成式 AI 产出的界面往往不够稳定，难以达到企业级的需求标准。

02.缺乏对业务逻辑的理解

我们日常的设计工作都是围绕着具体的业务开展的。而如今现有的设计模型都只是通用模型，无法理解具体某个业务的特性和复杂度。这就导致 AI 的生成结果难以满足设计要求，无法直接应用到具体业务生产环节中去。

这两个问题是当前生成式 AI 在界面 UI 设计方面发展的最大挑战。然而，我们也注意到，生成式 AI 在一些特定的业务场景中已经取得了显著的进展。比如，Salesforce 的生成式画布就是一个很好的例子，展示了生成式 AI 在企业环境中应用的潜力。

本期的文章，我们将从 Salesforce 的生成式画布开始，与大家来一起看看当生成式 AI 与业务进行融合后，会给我们的设计带来哪些变化，给用户又带来哪些帮助。

Salesforce Generative Canvas

Generative Canvas（生成式画布）是 Salesforce 今年 10 月发布的一个新功能。它能够在 CRM 系统中基于用户的提示词，结合系统内实时业务数据来动态生成 Dashboard 的界面 UI。

产品界面的 AI 生成式设计，为什么没人关注了？

Mon, 21 Oct 2024 00:00:00 +0000

TL;DR

国内一年前还热闹的 AI 生成式 UI 设计工具，今年明显"冷场"了。

原因有四：AI 生成能力不足以应对真实业务复杂度、设计需求本身的业务深度、国内付费环境差、政策监管影响。

出海寻找新机会的公司，市场表现也并不乐观。

生成式 AI 在界面 UI 领域不是没机会，而是要重新定位场景。

不知大家是否有察觉到，曾经大受关注的界面 UI 的生成式设计，现在似乎有些“冷场”了。

一年多前，国内的几家设计工具平台纷纷砸钱入场搞生成式 AI，准备在产品界面 UI 领域大展拳脚。而一年后的现在，大家都渐渐没了声响，产品界面 UI 貌似已不再是大家在 AI 方面的重点。

这个曾经的热点是被大家抛弃了吗？其实也并不是，只不过是大家都默默地调转方向，转向了海外市场。尝试去寻找商业化和技术发展更大的空间。有的平台选择专注于相对容易入手的“官网”型界面设计，以满足中小企业的基础设计需求；有的则退回到设计助理的定位，专注于通过 AI 来辅助设计师更高效地工作。

为什么会发生这样的变化？

我认为主要有以下几点原因：

01. AI 生成能力尚且不足

虽然每一款产品都给我们展示了一些看上去还很不错的生成界面，但这些“不错”还是仅限于 Demo 中。对于真实的复杂设计需求，如今的生成能力还是不太能达到预期。

如果大家仔细试用过这类工具，就会发现，除了官方展示的几个经过优化的案例外，用户在实际操作中无论如何调整提示词，生成的界面效果都不太好，甚至出现一些非常低级的设计错误。这使得生成式 AI 还是很难参与到真实的工作中。

02. 设计需求的业务复杂度

在真实的设计工作中，我们的设计需求通常会包含很多复杂的业务逻辑和用户流程，而这些都是当前的系统无法理解的。

于是，在真实的业务需求面前，这些通用的 AI 模型基本就派不上用场了。

03. 国内的付费环境不佳

国内的付费环境相较于早几年的确有很明显的改善，但也仅限于刚需类的工具产品。其他的产品在缺少真正核心竞争力的情况下，都经营得非常艰难。

但从企业的视角来看，它并没能直接替代设计师的工作，大家明显对于回报信心不足，因此企业很难愿意为其买单。

主要原因在于生成式 AI 的效果仍不够理想，无法满足真实场景的复杂设计需求。在付费环境不佳的情况下，企业难以看到明确的投资回报，自然很难愿意为之付费。

04. 政策监管影响

随着国家对生成式 AI 技术的监管力度的不断加强，大模型的开发和应用受到了诸多的限制。很多优秀的大模型能力很难被应用到产品中，这样使得产品的能力建设也受到不小的影响。

在这样的大背景下，大家纷纷选择了将产品出海，去探索更多的机会。海外市场尤其是欧美等发达国家，对于新兴设计工具和生成式 AI 的付费意愿显著更高，这为 AI 产品的商业化提供了更大的潜力。同时，海外的政策相对更加宽松，为产品的快速发展提供了更好的条件。

这些公司出海后的表现如何呢？

这些产品在上线初期，都在 ProductHunt 上获得了非常大的曝光，引起了不少用户的兴趣。通过 ProductHunt 的平台，它们迅速积累了一批早期用户和初步的市场关注。

用 AI 重命名截图 – Keep it shot

Wed, 19 Jun 2024 16:34:56 +0000

TL;DR

Keep it shot 是 Setapp 上的一款 macOS 小工具，用 AI 视觉能力把无意义的截图文件名（如 Screenshot 2024-06-19.png）批量重命名为内容描述。

除了截图，PDF/Word 也支持。

每月用量有限，但作为工作流"小补丁"非常实用。

Setapp 最近新上架了一款工具 – Keep it shot，功能很简单，用 AI 来进行图片的批量重命名。

AI 重命名效果

先看结果，下图中上面四张是 Keep it shot 用 AI 能力重命名后的图片，下面是与之对应的原始截图文件。从结果上来说还是不错的，基本都能比较好的还原出图片的本意。当然，这个对目前的 AI 能力来说并不是什么难点。

另外，虽然 Keep it shot 的介绍是对截图进行重命名，但事实上基本的 PDF、Word 文档之类的也可以使用，效果也还不错。

Keep it shot 功能介绍

Keep it shot 也支持批处理，我选择了 5 张图片一次性重命名。处理的时间基本就是我们现在和 ChatGPT 的响应时间，速度上可以接受。不过由于 Credits 有限，就没有做更大量的测试了。

我所使用的 Setapp Family 计划一月只有 50 个 Credits，简单使用问题不大。如果有大批量的需求，我们也可以使用自己的 API 来进行操作。Keep it shot 目前可以提供 OpenAI 和 Azure 两类 API 的接入。