AI 影片研究 × Building Second Brain:用 BibiGPT + Notion/Obsidian 搭第二大腦(CODE 工作流 2026)
AI 影片研究 × Building Second Brain:用 BibiGPT + Notion/Obsidian 搭第二大腦(CODE 工作流 2026)
核心答案:把 Tiago Forte 的 Building Second Brain (BASB) 應用到影片研究,關鍵是 CODE 四步——Capture(捕獲)/ Organize(組織)/ Distill(精煉)/ Express(表達)。影片研究的特殊性在於”原料密度高、消費成本高、搜尋成本高”,BibiGPT 在 Capture 和 Distill 環節把影片壓縮成可複用資產,Notion/Obsidian 承擔 Organize 和長期歸檔。Express 環節用 BibiGPT 的圖文改寫產出消費物(文章 / PPT / 短影片),讓”消費內容”和”生產內容”形成一個迴路——這正是 BASB 與 Zettelkasten 的根本區別。
目錄
- 快速理解 BASB:CODE 四步與 PARA
- BASB vs Zettelkasten:差異不在記法,在產出環節
- 影片研究的 CODE 落地:每一步用什麼工具
- Express 環節:BibiGPT 圖文改寫如何閉環
- 完整範例:從一場 90 分鐘訪談到 1 篇公眾號 + 1 個 Twitter 帖 + 1 個 PPT
- 常見誤區
- FAQ
快速理解 BASB:CODE 四步與 PARA
Tiago Forte 在 2022 年出版的《Building a Second Brain》 提出兩套框架:
CODE — 資訊處理流程:
| 步驟 | 含義 | 影片研究映射 |
|---|---|---|
| Capture | 抓取所有可能有用的資訊 | 把感興趣的影片/Podcast 全部存入收藏夾 |
| Organize | 按”可執行性”分到 PARA 4 個籃子 | 影片按專案(Project)/ 領域(Area)/ 資源(Resource)/ 歸檔(Archive)歸類 |
| Distill | 漸進式精煉,把要點抽出來 | AI 摘要 + 章節切分 + 心智圖 |
| Express | 用精煉成果表達/創造 | 寫文章 / 做 PPT / 錄短影片 / 發推 |
PARA — 資訊組織結構(按可執行性):
- Projects 專案:有截止時間的產出(這週要寫的文章)
- Areas 領域:長期需要維持的領域(個人 IP / 行業研究)
- Resources 資源:可能未來用到的素材(看到覺得有意思的影片)
- Archive 歸檔:完結的專案和過期的領域
核心洞察:資訊的價值取決於你能否在未來某個 Project 裡取用它。Resources 不被 Distill,永遠不會被取用。
BASB vs Zettelkasten:差異不在記法,在產出環節
很多人混淆 BASB 和 Zettelkasten,覺得”都是做筆記的方法論”。實際差異很大:
| 維度 | Zettelkasten | BASB |
|---|---|---|
| 起源 | 學術研究(Niklas Luhmann) | 個人生產力(Tiago Forte) |
| 核心動作 | 卡片化 + 雙向連結 | CODE 四步流程 |
| 長期目標 | 知識湧現(讓卡片自己說話) | 創造產出(文章 / 課程 / 產品) |
| 筆記結構 | 原子化卡片網路 | PARA 專案導向歸檔 |
| Express 環節 | 弱(預設副產物) | 強(核心目標) |
| 適合人群 | 學者、研究者、長期寫作者 | 創作者、知識工作者、自媒體 |
我們昨天的文章講過 Zettelkasten × AI 影片筆記。今天聚焦 BASB,因為對自媒體創作者和知識工作者而言,BASB 的 Express 環節更直接對應”知識變現”。
影片研究的 CODE 落地:每一步用什麼工具
Capture(捕獲)
什麼進入第二大腦?
Tiago Forte 的”12 Favorite Problems”——每人都該有 12 個長期想搞明白的問題,看到任何素材問自己”這條影片/Podcast 對我哪個問題有幫助?“,回答得上才 Capture。
工具:
- 影片/Podcast 原 URL:瀏覽器收藏夾 / Raindrop / Pocket
- 影片要點速記:BibiGPT 瀏覽器外掛 一鍵抓取當前影片的字幕和摘要到 Notion / Obsidian
Organize(組織 — PARA)
影片通常落在 R(Resource)。但只有 R 是不夠的——一定要在每個 Project 裡手動建立”我會用到哪些 R”的清單(“P 索引 R”),否則 R 永遠不會被取用。
Notion 落地:
- 一個 Database 放所有影片條目,欄位:URL / 標題 / 播主 / 主題標籤 / 12 Favorite Problems / 關聯 Project
- Project 頁面用 Relation 欄位反查”本專案相關影片”
Obsidian 落地:
- 用 Map of Content (MOC) 思路:每個 12 Favorite Problem 一個 MOC 頁面,反向連結收集所有相關影片筆記
Distill(精煉 — 漸進式摘要)
Tiago 主張 4 層漸進精煉:原文 → 高亮 → 加粗 → 個人摘要。BibiGPT 的章節化摘要天然完成了前 2 層:
| 層級 | 影片對應物 | 工具 |
|---|---|---|
| L1 原文 | 完整字幕 | BibiGPT 字幕提取 |
| L2 高亮 | AI 章節切分 + 關鍵引用 | BibiGPT AI 摘要 |
| L3 加粗 | 心智圖主幹 | BibiGPT 心智圖 |
| L4 個人摘要 | 用自己的話重述 + 關聯到 12 Favorite Problems | 手工,但 BibiGPT 提供 AI 對話輔助 |
L4 是”價值密度最高”的層,必須手工——這是把別人觀點變成自己思考的關鍵環節。但 BibiGPT 的 AI 對話追問 + 時間戳溯源 把這一步從”重看影片”壓縮到”問 AI 檢索”。
Express(表達 — 創造產出)
這是 BASB 區別於純筆記法的核心環節。下面單獨講。
Express 環節:BibiGPT 圖文改寫如何閉環
Tiago 強調”中間產物 (Intermediate Packets)“——不要追求”完成一篇 5000 字大作”,而是日常累積很多 1000 字的”小包”,需要時拼裝。
影片研究最適合產出的”中間產物”:
| 產出形態 | 觸發場景 | BibiGPT 路徑 |
|---|---|---|
| 1500 字公眾號文 | 看完一場訪談,拆 1 個核心論點 | 影片轉文章 |
| 5 張 PPT 摘要 | 行業報告影片,做內部分享 | 視覺化分析 → SVG 資訊圖 → 拷進 Keynote |
| 一組 Tweet 長帖 | 把 1 個深度觀點拆成 8-10 條 | AI 摘要 + 改寫為短句 |
| 短影片腳本 | 把 1 小時學術訪談做成 3 分鐘科普 | 章節切分 + AI 改寫為口播稿 |
| Notion 系統筆記 | 長期歸檔到第二大腦 | Notion 整合 |
| Obsidian 雙向連結卡片 | 與 12 Favorite Problems 關聯 | Obsidian 整合 |
關鍵洞察:BibiGPT 在 Distill 和 Express 之間沒有斷層——同一份影片摘要直接餵給”圖文改寫”和”PPT 生成”兩個出口,不需要重新餵模型。這是和單純 ChatGPT 工作流相比的核心效率優勢。
完整範例:從一場 90 分鐘訪談到 1 篇公眾號 + 1 個 Twitter 帖 + 1 個 PPT
以一場 Lex Fridman 90 分鐘 AI 訪談為例:
Step 1 - Capture(5 分鐘) 瀏覽器右鍵 → BibiGPT 外掛 → 自動 push 到 Notion 「Resource - AI 行業研究」 Database。
Step 2 - Organize(2 分鐘) 在 Notion 該條目設定 Relation:關聯 12 Favorite Problems 中的”Q3:未來 5 年的 AI 商業模式”,再關聯 Project「2026-Q2 AI 行業季報」。
Step 3 - Distill(10 分鐘)
- L1-L3 由 BibiGPT 自動產出(章節切分 + 關鍵引用 + 心智圖)
- L4 手工:從心智圖 12 個節點中挑 3 個與 Q3 強相關的,用自己的話寫 3 張 Permanent-Notes-style 卡片到 Obsidian
Step 4 - Express(30 分鐘,平行 3 個產出)
a) 公眾號 1500 字文:用 BibiGPT 影片轉文章 選 3 張卡片中最強的 1 個觀點,5 分鐘出初稿,10 分鐘手工潤色發布。
b) 8 條 Twitter 長帖:用 BibiGPT 把另一個觀點拆成 8 個金句節奏,10 分鐘。
c) 5 張內部分享 PPT:用 視覺化分析 輸出第 3 個觀點的 SVG 資訊圖,5 分鐘拷進 Keynote。
總耗時 47 分鐘,3 個不同形態的產出,涵蓋 3 個不同消費場景。 這就是 BASB 的核心價值——同一份資訊,多次複用。
常見誤區
- R 籃子越塞越多但永遠不取用 — 必須強制每個 Project 啟動時建一份”我會用到哪些 R”清單
- 追求一次性寫完美的”L4 個人摘要” — Tiago 說”7/10 即可”,每週寫 3 張勝過追求 1 張完美卡片
- Express 總想等”湊夠素材”再寫 — 反過來:Express 驅動 Distill。先決定要寫什麼,再回去精煉相關 R
- 把 Notion / Obsidian 當 Capture 工具 — Notion/Obsidian 的強項在 Organize 和長期歸檔。Capture 用更輕量工具(瀏覽器收藏 / BibiGPT 外掛 / Raindrop)
- 跨工具切換疲勞 — 選 1 個 Capture 工具 + 1 個 Distill 工具 + 1 個 Organize 工具就夠了,不要工具集郵
FAQ
Q1:Notion 和 Obsidian 選哪個?
- 協作 / 多端同步 / 資料庫檢視為主:Notion
- 本地優先 / 雙向連結 / Markdown 原生 / 離線為主:Obsidian
- 搭 BASB 都可以,BibiGPT 都有原生匯出
Q2:12 Favorite Problems 怎麼定?
寫下”過去 1 年 / 5 年 / 10 年我反覆在思考的問題”。一開始想到 5 個就夠,慢慢擴到 12。這個清單不是固定的,每年應該有 1-3 個題目輪換。
Q3:影片/Podcast 本身值得 Capture 還是只 Capture 摘要?
摘要進 Notion / Obsidian,原 URL 一定保留——未來需要回查時直接跳回。BibiGPT 的摘要裡每條要點帶原影片時間戳,這是回查的關鍵。
Q4:BASB 和 Zettelkasten 能混用嗎?
可以。Distill 階段用 Zettelkasten 思路(原子化卡片 + 雙向連結),Organize 階段用 PARA 專案導向。這是最佳組合:Zettelkasten 給”知識深度”,BASB 給”產出強度”。
Q5:BibiGPT 學到的內容如何同步到第二大腦?
3 個路徑:
- 網頁端匯出 Markdown / OPML,手動拖到 Obsidian Vault
- Notion 整合 自動 push 到指定 Database
- 瀏覽器外掛即時同步當前影片筆記
Q6:4 小時長影片的 Distill 怎麼做?
先用 BibiGPT 的章節切分把 4 小時拆成 8-12 段。每段 15-30 分鐘,是人腦可以一次處理的單位。然後只 Distill 與你 12 Favorite Problems 強相關的章節,其他保持在 R 不動。
要讓你的影片研究產生穩定的 Express 產出?
- 大中華區:bibigpt.co
- 海外:aitodo.co
BibiGPT 團隊