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。

1. 知识来源。
2. 知识表示与 schema 工程。
3. 知识抽取。
4. 知识融合。
5. 知识图谱补全与推理。
6. 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：

1. 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
2. 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。
3. 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。
4. 融合不同数据源。
5. 补全、完善知识图谱。
6. 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：

1. 认知
2. 规划
3. 试点
4. 推广和支持
5. 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：

1. 从一张简单的 DevOps 图谱开始。Ledge 是来自于书上构建的图谱
2. 总结先前的经验和教训
3. 获取社区相关的知识和智慧。就是搜索嘛
4. 保留下知识
5. 提取最佳实践
6. 抽象行为模式
7. 改进文档的访问
8. 重复 2 ～ 8
9. 形成洞见，创新

对应的一些建议：

1. 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。
2. 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。