人的智商不够、又或者是脑容量不足以容纳这么多的知识。所以,对于个人来说,我们工作的时候,依赖于文档、笔记、文章,来帮我们回忆起这些知识;对于组织来说,知识传递是需要知识管理的一个关键因素。
一年前,在那篇《个人知识管理的思考》中,我反思了自己在知识管理方面的不足,如:
- 没有归档
- 没有输出时,相关的资料就如石沉大海
- 缺乏系统性地梳理
自那之后,我尝试构建了不同的开源项目来做知识管理:
- inception。将流程可视化为工具,用于辅助实施软件开发的以系列实践。
- powermd。将 markdown 转化为各式各样的工具,如思维导图、checklist、todo 应用等等。
- ledge。一个结合 inception 和 powermd 的 DevOps 知识平台,基准化软件开发流程及对应的标准化实践,并设计一系列的工具来辅助进行实施。
知识图谱
期间我接触了 ”知识图谱“ 和 ”知识管理“ 两个领域的相关概念,收获也算还行。
知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
简单来说,假设我们要为 “后端” 建设一个知识图谱,那么在今天最简单的方式就是:找一个技能图谱,完善相关的内容。一个比较好的例子,就是我之前做的 Growth,又或者是 Sherlock 这样的可视化知识图谱:
但是呢,怎么做是个问题。在《知识图谱:方法、实践与应用》一书中,提到了知识图谱的技术流程。
- 知识来源。
- 知识表示与 schema 工程。
- 知识抽取。
- 知识融合。
- 知识图谱补全与推理。
- 知识检索和知识分析。
考虑到原书是几个博士、教授写的,不那么落地,我来重新解释一下:
- 制定知识图谱策略。从那些地方获取知识图谱数据,获取哪些数据,用怎样的方式进行加工。如人工众包
- 设计数据结构模型。根据知识类型的不同,设计他们的模型,及其表示关系。
- 编写应用进行知识转换。按任务分为概念抽取、实体识别、关系抽取等。
- 融合不同数据源。
- 补全、完善知识图谱。
- 展现知识图谱。如语义检索和智能问答。
知识管理
知识管理包括一系列企业内部定义、创建、传播、采用新的知识和经验的战略和实践。这些知识和经验包括认知,可以是个人知识,以及组织中商业流程或实践。
从步骤上来说,对于企业来说步骤一般是:
- 认知
- 规划
- 试点
- 推广和支持
- 制度化
对于个人来说,比较简单:
- 记录。记录下现有的知识
- 整理。按自己的需要重构
- 可视化。呈现现有步骤的过程
- 优化 。寻找可优化的空间
知识图谱 + 知识管理
ledge 便是结合两种体系规划出来的,从 ledge 的构建步骤来看,可以分成这么几步:
- 从一张简单的 DevOps 图谱开始。Ledge 是来自于书上构建的图谱
- 总结先前的经验和教训
- 获取社区相关的知识和智慧。就是搜索嘛
- 保留下知识
- 提取最佳实践
- 抽象行为模式
- 改进文档的访问
- 重复 2 ~ 8
- 形成洞见,创新
对应的一些建议:
- 买书,买书,买书。绝大部份的书都是一份索引好的图谱,只需要抽象一下即可使用。
- 通过社区和网络把人们连接起来。邀请更多的人来共建。
So ?
让我们看看啊 ledge 会不会更加受欢迎。
或许您还需要下面的文章: