我使用 OneNote超过15年了，我最早的一条笔记是2009年，真难想象，里面积累了上千万字笔记。但我已经在一年前放弃它了。彻底决定放弃Onenote时，还真有点伤心。
我还记得我在彻底下定决心不做机械设计时，那是2014年，我将我onenote里关于机械设计的分类笔记本全部转交给了我的同事（职场里还习惯叫徒弟），然后在云上封存了这个笔记本，又过了十年，我删掉了它，因为我这些玩意肯定过时了。

一、一千万字的“信息墓地”

AI 对我影响最大的事情不止一件，但如果非要排个序，读书笔记一定能进前五。它也是我使用 AI 频率极高的场景。
在这个改变发生之前，我是 OneNote 的重度用户。超过15年间，我像一只勤奋的松鼠，把书籍摘要、文章片段、网页资料疯狂地搬运进 OneNote。日积月累，这庞大的数据库已经达到了上千万字的规模，以至于每次打开软件，这玩意竟然会卡。
没有用到这份上，估计真不会相信一个笔记软件还能卡。
但比软件“卡顿”更可怕的，是思维的“断档”。
当我偶尔回头翻看这些笔记时，一种巨大的荒谬感油然而生：我为什么要记这一段？
我逐渐意识到，这个巨大的，我还经常拿出来向别人炫耀的笔记库，仅仅一座巨大的信息墓地。

二、为什么要放弃传统笔记系统

复盘这15年的笔记，我发现传统笔记方式存在三个可优化的地方。
第一，复制即遗忘。大多数时候，“复制—粘贴”这个动作完成的瞬间，大脑就默认为“我记住了”。但实际上，这只是把信息从一个地方搬到了另一个地方。这些笔记的生命周期在按下的 Ctrl+V 那一刻就结束了，失去了语境，它们毫无价值。
第二，孤立无关联。几乎所有的笔记都是相互隔离的。
在很多年前我学习到了卢曼卡片笔记法（zettekasten），已经记不清到底哪一年了，因为这么久虽然知道，但确实是没有认真实践。
我第一次系统学习卢曼卡片笔记法（Zettelkasten）时受到的最大冲击。感觉就是解决我的笔记坟墓的办法。
以前，我记笔记，喜欢用分类来对抗规模。笔记太多了，分成类，更进一步还讲啥结构化分类，这样每一个类数量就少了，复习起来就轻松了。
后来又加上了#tag，但本质上tag也是一种分类，只是不需要文件夹。
卢曼方法，我看到的精髓是笔记的核心不在于分类，而在于链接。（卢曼笔记是什么，AI绝对讲的更明白）

每一条笔记，都必须至少一条其他笔记发生关系。

在互联网的搜索能力如此之强的时代，一条孤立的笔记是没有任何价值的，应该直接删掉。如果在我的笔记库里笔记之间没有化学反应，那为什么不用google代替保存它们呢？
我曾经费劲心思，想全面践行卢曼笔记法，但它的门槛还是很高的，最初我以为是笔记app的问题。
Onenote是一个非常非常优秀的笔记软件，我到现在都认定Onenote在笔记领域里是秒杀什么Notion，飞书，Obsidian等的存在。
Onenote确实是具备承载卢曼方法，但关键问题是真实实践卢曼笔记的门槛极高。道理都懂，但真要按卢曼法去执行，意味着你每记录一条新笔记，都必须停下来思考：它和哪条旧笔记有关？它能回答什么旧问题？它能触发什么新想法？
这会让记笔记的工作量和认知负担暴增10倍以上。在AI出现之前，太难坚持了。
卢曼笔记在网上是非常流行的，一搜一大把科普卢曼的，但我真心怀疑有多少人能够真正践行，长期践行卢曼。

三、AI 时代的“去 App 化”实验

AI 的出现，让我看到了一种全新的可能：我们也许不再需要被绑定在任何一个特定的笔记软件上，我们直接让AI实时写一个APP来帮我们记笔记。
我开始尝试“重新发明”笔记 App，经过n次和chatgpt的交互，这个由AI实时生成的笔记app核心原则有一条：数据与表现分离。
笔记内容：纯文本 JSON 存储，没有任何格式壁垒。这个最初是chatgpt为了解决我提出的规模问题，但后来发现这个必须这么干，不然无法应对这种我这种随时拍脑袋就想更新笔记app的脑残干法。
展示与交互：由 AI 生成的一个本地 HTML 文件。（我发现，all in one app，=，all in one chrome）
这样一来，数据结构极其稳定，而展示界面可以随时让 AI 重写。这赋予了系统无限的演化能力。

四、chatbot聊天窗口交互 时代：虽然笨重，但路走通了

在 2025 年的大部分时间里，我都在使用 chatgpt和Gemini 来跑通这套流程。虽然现在看来略显原始，但它验证了可行性。
那时的流程是这样的：
把新的一段读书心得丢给 Gemini。
手动上传当前的 HTML 笔记文件。
命令 Gemini：“按卢曼卡片法整理这条笔记，并更新 HTML 代码。”
等待生成，然后手动复制 CSS/HTML 代码保存为更新后的HTML笔记文件。
Image
听起来很繁琐，但我坚持了一年。因为它太酷了，第一次感觉我可以随时写app。
这样干，不但实践了卢曼笔记法，而且我还给笔记搞了一个复习系统。 我在 HTML 里内嵌了算法，不仅能随机漫步，还能按“最久未接触时间”推送笔记。这种“强迫”我与旧知识重逢的机制，效果好到离谱。

五、Claude Skills + Codex：真正的质变时刻

真正让我想分享本文的是因为Skills，我真正跑通Skills后，我感觉这是从2022年chatbot这种和AI交互，革命性交互方式诞生以来，人类和AI又诞生了以一次“次革命性”交互方式。
使用cli Skills来和AI交互，真是太爽了。
我这套笔记系统在我引入Claude Skills和CodexCLI之后，我感觉真正进入了可以大规模使用阶段了。
我将所有复杂的卢曼法则、链接逻辑、HTML 结构更新指令，全部封装进了一个 Skill 的 Prompt 中。现在，我的笔记流程变得极其丝滑：
打开 Codex CLI。
调用 ai-notes skill。
粘贴我刚才读到的精彩段落。
切换窗口后台运行，走人。
后台发生的一切，就是自动化的魔法：AI 会自动将内容拆解为原子化的卡片，自动检索我的历史笔记寻找关联，自动生成双向链接，最后自动写入 HTML 文件。
这种体验，就像是我不再是一个孤独的抄写员，而是一个主编。我只需要把原始素材丢给编辑部，几秒钟后，一本排版精美、索引完善的书就交到了我手上。
Image

六、结语：用 AI 赎回我们的“认知带宽”

目前，这套系统对我来说几乎完美。哪怕是一个简单的 HTML 文件，配合云盘，也能在Mac、 PC、iOS 和 Android 间无缝流转。我只需要将它存在云盘里，让skills全权接管这个云盘就可以了。但我还没搞，因为要适配各个屏幕有点乱。
当然，依然悬着一把达摩克利斯之剑：这套基于 Skills 的系统，能否支撑未来千万字级别的数据规模？它会不会重蹈 OneNote卡的覆辙？我还不知道。
但回头看这条路，我最大的感触是：AI 的价值，并不是让我们“更快地记更多笔记”，而是让我们终于有能力去实践那些过去被认为“太理想化”的方法论。
卢曼卡片法从来没有变简单，它依然复杂、深奥。只是现在，其中最耗费人力、最枯燥的“整理与链接”工作，被 AI 接管了。我们终于可以腾出宝贵的大脑，去专注于真正的思考与创造。
最后：具体怎么用skills?
问AI吧，人家回答的更好。