# 影片筆記：憑什麼筆記要被平台綁架？NoteGen 完全開源，本地優先，你的知識資產自己掌握


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=53 已先套用暫定修正：把筆記流程分成獨立的 → 把筆記流程分成獨立的「記錄」、「筆記」和「AI 對話」三個空間。；segment=131 已先套用暫定修正：Windows、macOS、Linux、Android → Windows、macOS、Linux、Android 和 iOS 這五大平台，）
- 待修正：逐字稿可先使用，但有待校正清單（segment=2 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=3 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結
影片深度解析了由 `codexu` 開發的開源專案 **note-gen**，該工具透過「先捕捉，後整理」的理念，結合 **Tauri/Rust** 技術架構與本地 **RAG** 技術，提供跨平台（Windows/macOS/Linux/Android/iOS）的個人化知識管理體驗，旨在解決傳統筆記軟體難以處理碎片化靈感與資料綁架的問題。

## 核心重點
1.  **核心理念「先捕捉，後整理」**：
    *   針對傳統筆記軟體（如 Notion、Obsidian）假設輸入內容完整、難以處理碎片化想法的痛點。
    *   將流程分為三個獨立空間：「記錄」、「筆記」和「AI 對話」。
    *   讓使用者無壓力地丟入混亂素材（一句話、截圖、網址），事後再透過 AI 加工整理。
2.  **技術架構與優勢**：
    *   採用 **Tauri**（前端）與 **Rust**（後端），相比 Electron 更輕量，安裝檔小、記憶體佔用少。
    *   確保處理檔案及與 AI 模型溝通時的效率與安全性。
    *   資料以本地 **Markdown** 格式儲存，避免被單一平台綁死。
3.  **核心技術：本地 RAG（檢索增強生成）**：
    *   將筆記內容拆解、分析轉為「向量」格式存入本地資料庫。
    *   提問時，先從筆記中「檢索」相關內容，再交給大型語言模型「生成」答案。
    *   基於使用者自身知識回答，非網路通用資訊，提升精準度與個人化。
4.  **市場反響**：
    *   GitHub 上累積超過 11,658 顆星，單日增加 251 顆星，Fork 數達 867。
    *   被視為一款個人化的「思緒處理器」。

## 詳細大綱

### 一、 專案背景與定位
*   **開發者**：`codexu`。
*   **專案名稱**：`note-gen`。
*   **目標受眾與痛點**：
    *   傳統筆記軟體不擅長處理零散、混亂想法。
    *   初期靈感往往是不連貫的（如一句話、截圖、網址）。
*   **解決方案**：
    *   開源、跨平台的 Markdown AI 筆記軟體。
    *   將筆記流程分為三個空間：
        1.  **記錄**：專心丟入混亂素材。
        2.  **筆記**：結構化後的知識。
        3.  **AI 對話**：與知識互動。

### 二、 技術架構解析
*   **前端框架 Tauri**：
    *   輕量應用程式外殼，直接使用作業系統內建瀏覽器引擎。
    *   優點：安裝檔更小、記憶體佔用更少。
*   **後端語言 Rust**：
    *   確保效能與資料主權。
*   **RAG（檢索增強生成）運作原理**：
    1.  **向量化**：背景將筆記內容拆解、分析，轉為「向量」格式存入本地資料庫。
    2.  **檢索**：提問時，先從筆記中「檢索」最相關的內容。
    3.  **生成**：將檢索內容與問題一併交給大型語言模型「生成」答案。
*   **優勢**：
    *   專屬於個人的知識助理。
    *   基於使用者自身知識回答，非網路通用資訊。

### 三、 應用場景
*   **研究人員**：
    *   將論文段落、想法、圖表截圖丟入「記錄」區。
    *   利用 AI 整理成結構化的文獻回顧初稿。
*   **內容創作者**：
    *   作為數位靈感箱收集素材。
    *   透過 AI 對話擴寫、潤飾，快速產出文章或腳本。
*   **技術學習者**：
    *   收集程式碼片段、官方文件連結。
    *   透過 RAG 知識庫與學習材料對話，加深理解。

### 四、 潛在挑戰與風險
*   **跨平台維護成本高**：
    *   需同時支援 Windows、macOS、Linux、Android 和 iOS。
    *   手機版處於早期開發階段，確保體驗一致穩定具挑戰性。
*   **依賴第三方模型服務**：
    *   API 變動、價格調整或服務不穩定會直接影響體驗。
    *   未指定具體使用的模型名稱（泛指大型語言模型）。
*   **本地 RAG 效能瓶頸**：
    *   當筆記達數萬篇時，在舊硬體上索引和檢索效能可能受限。
*   **同步複雜度**：
    *   支援多種同步方式雖具彈性，但增加同步衝突和資料一致性問題的複雜度。

### 五、 總結
*   `note-gen` 不僅是筆記軟體，更是個人化的「思緒處理器」。
*   將 AI 融入知識工作流程，從捕捉到產出。
*   將複雜的「個人知識庫問答」變為開箱即用的內建體驗。
*   適合希望將混亂思緒轉化為結構化知識的使用者。

## 工具 / 模型 / 名詞整理
*   **note-gen**：開源、跨平台的 Markdown AI 筆記軟體專案。
*   **codexu**：note-gen 的開發者。
*   **Tauri**：前端應用程式框架（輕量，使用系統瀏覽器引擎）。
*   **Electron**：被對比提及的應用程式框架（較重）。
*   **Rust**：後端開發語言。
*   **RAG (Retrieval-Augmented Generation)**：檢索增強生成技術。
*   **向量**：筆記內容轉換的數學格式，用於本地資料庫存儲。
*   **大型語言模型**：用於生成答案的模型類別（影片未指定具體型號）。
*   **Notion**：被提及的筆記軟體（作為對照組）。
*   **Obsidian**：被提及的筆記軟體（作為對照組）。
*   **Markdown**：資料儲存格式，確保資料可攜性。
*   **GitHub**：專案託管平台。
*   **支援平台**：Windows、macOS、Linux、Android、iOS。

## 操作流程整理
1.  **捕捉階段（記錄空間）**：
    *   使用者將碎片化想法、截圖、網址、程式碼片段等素材丟入「記錄」區。
    *   無需擔心格式或結構，專注於捕捉靈感。
2.  **處理階段（背景運作）**：
    *   系統在背景將筆記內容拆解、分析。
    *   將內容轉為「向量」格式。
    *   存入本地資料庫。
3.  **互動階段（筆記與 AI 對話空間）**：
    *   使用者提出問題。
    *   系統從本地筆記中「檢索」最相關的向量內容。
    *   將檢索內容與問題一併交給大型語言模型。
    *   模型「生成」基於使用者個人知識的答案。
4.  **產出階段**：
    *   獲得結構化的知識、文獻回顧初稿或擴寫後的內容。
    *   資料以本地 Markdown 格式保存。

## 值得注意的限制或風險
1.  **手機版成熟度**：Android 和 iOS 版本處於早期開發階段，跨平台體驗一致性與穩定性面臨挑戰。
2.  **第三方服務依賴**：依賴外部大型語言模型 API，若服務變動、漲價或停擺，將直接影響使用者體驗。
3.  **硬體效能限制**：本地 RAG 在筆記數量達到數萬篇時，於舊硬體上可能出現索引和檢索效能瓶頸。
4.  **同步衝突風險**：多平台同步機制可能帶來資料一致性問題與同步衝突。
5.  **模型具體型號不明**：影片中未明確指出 note-gen 預設或支援的具體 AI 模型名稱（如 GPT-4, Claude 等），僅泛指「大型語言模型」。

## 逐字稿辨識疑點
*   **標點與斷句問題**：
    *   Segment 2, 3, 9, 20, 23, 24, 28, 29, 31, 33, 34, 35 均出現 `unnatural_sentence_boundary` 警告，標點出現在句首或停在逗號位置，斷句可能不符合文法/口語。建議檢視原始逐字稿確認語意完整性。
*   **語意重複或口誤**：
    *   **「和 iOS 這五大平台」**：逐字稿中重複提及此語句，可能為口誤或辨識錯誤。
    *   **「大到好幾萬篇的時候」**：逐字稿中重複提及此語句，可能為口誤或辨識錯誤。
*   **技術名詞細節**：
    *   **「向量」**：雖為常見技術詞彙，但逐字稿中未詳細解釋其具體技術實現細節，僅描述為「數學格式」。
    *   **「AI 模型」**：逐字稿中泛指「大型語言模型」與「第三方模型服務」，未指定具體使用的模型名稱。

## 可延伸追問
1.  note-gen 目前支援哪些具體的第三方 AI 模型供應商？是否允許使用者自訂 API Key 接入不同模型？
2.  本地 RAG 的向量資料庫採用何種格式或標準？是否支援匯出向量數據以便遷移？
3.  針對手機版早期開發階段，開發者 `codexu` 是否有明確的發布時程或功能規劃？
4.  在「同步複雜度」方面，note-gen 目前支援哪些具體的同步協議或雲端服務（如 WebDAV, Git, 或專屬雲端）？
5.  相較於 Obsidian 等現有開源筆記軟體，note-gen 的 RAG 功能在本地運算資源消耗上有何具體差異？