Logseq 评测:优点、缺点、评价、学习教程

简介: 双链笔记:知识管理神器

Logseq 双向链接笔记评测:优点、缺点、评价、学习教程

介绍


一款本地优先、重视隐私、类 Roam Research 、大纲类型的双链编辑器。


优点


  • 离线;
  • 兼容 MD 和 Org . Org 模式能满足一些高级玩家的需求。
  • 强大的任务管理功能;
  • 数据本地储存;
  • 端对端加密;
  • 支持插件市场、主题市场;
  • PDF 批注;
  • 内置间隔复习;
  • 对接 Zotero:可能是在 Zettlr 之后第二个主动对接 Zotero 的笔记软件;
  • 支持 Deep Link,方便软件联动;


缺点


  • 明显的缺陷没有。
  • 网页端暂时不如客户端成熟。
  • 插件市场的访问,需要特殊网络。
  • 移动客户端还需要优化体验。


官网


Logseq 官网


评价


Logseq 已有赶超 Roam Research 之势。从价格、功能等方面都具有相对优势。


对比的话,Roam 现在的编辑器体验比 Logseq 更流畅丝滑一些。除此之外,Logseq 几乎弥补了 Roam 的绝大多数缺陷。比如,离线。比如,对于用户十分友好的插件市场和主题市场。作为使用了很长时间 Roam 的用户而言,从互联网的各个角落去收集自己所需要的插件和主题,真的很耗费时间和精力。用户需要的不是折腾和复杂配置,而是 一个开箱即用的效率工具。真心期待 Roam 在提供 API 之后,也能增加官方的插件市场和主题市场。


学习资源


官方相关


  • 路线图
  • 官方教程
  • 入门
  • logseq官网
  • Logseq GitHub主页
  • Logseq RoadMap
  • Logseq官方入门手册
  • About:Logseq是本地唯一的,非线性的、大纲双向链接笔记工具。Logseq高度重视隐私,服务器将永远不会存储或分析私人笔记。数据是纯文本文件,暂时支持Markdown和Emacs Org模式。
  • Queries


官方社区


  • Logseq 中文论坛
  • Logseq英文论坛
  • Logseq Discord社区
  • Logseq WeChat微信群:联系开发者@秦天生
  • Logseq 开发者·哔哩哔哩账号
  • Logseq 笔记使用介绍·视频教程·乐のLeaf
  • Logseq @logseq 官方Twitter
  • awesome-logseq:汇集多种社区资源
  • Logseq Glossary 术语表
  • Zettelkasten Forum 一个讨论写作和研究生产力方法的论坛
  • Logseq 周刊 一个关于 Logseq 的Newsletter
  • Logseq - Unofficial Documentation 非官方文档


Logseq 使用教程·学习资料汇总


  • 乐Leaf:Logseq双链笔记使用Q&A分享 如何使用块属性?
  • 如何做学术笔记?
  • OKR + GTD + Note => Logseq
  • samwei12
  • 使用Logseq构建GTD系统
  • 小强升职记-笔记和关于时间管理的思考实践
  • 如何构建一个PKM系统
  • 关于PKM收集与整理系统的思考和实践
  • Logseq 学术向使用教程之一:文献追踪
  • SOLDier-爱自己
  • SOLDier:【神器】零基础学logseq
  • 【神器】自由和高效率的终极笔记软件Logseq(序章) - 知乎
  • 【神器】笔记软件Logseq快速傻瓜入门(桌面版)一章 - 知乎
  • 【神器】笔记软件Logseq快速傻瓜入门(桌面版)二章 - 知乎
  • Leonlin21
  • Logseq 的五种用法
  • Logseq 插件与使用技巧
  • Logseq 插件与效率小技巧


Logseq 使用教程·视频教程 & 中文论坛·整理


注释:内容较多,包含部分笔记,为了方便分享见链接,需要的话,自取。


Logseq 使用教程|学习资源分享



相关推荐


最后简要介绍一下截图中的软件 FlowUs


FlowUs 息流笔记


介绍


一款具有特色的、 Notion 类的 All in One 生产力工具。


核心功能


  • 块编辑器——支持页面、待办列表、代码块等在内的多种 Block. 与此同时,也支持同步块,方便 Block 内容的知识复用 。此外,支持页面动态评论功能。
  • 简单表格:支持简单表格,满足用户对于表格的轻量化需求。
  • Database, 即多维表,支持包括表格、看板、画廊、目录、时间轴、日历、收集表等在内的七种视图。
  • 多维表功能:支持分组、筛选、排序等基本功能。与此同时,也支持公式、关联、汇总等高级功能,方便多维表实现数据自动化汇总和呈现。此外,支持引用多维表格功能,方便用户在多个页面中共享 Database.
  • 模版功能模版按钮+模版市场。强大的、多样化的、个性化的模版可以满足不同用户的使用需求。
  • 协作功能:支持查看、编辑、评论、复制等多种协作权限功能。


多维表的引用和嵌入


特色功能


  • 与 Notion 相比,FlowUs 支持中文界面,针对中文用户使用习惯进行细节优化。
  • 支持原生开发,解决了移动端的输入问题。 对于多数用户而言,对于移动端的要求便是内容实时同步、支持快捷输入。FlowUs 作为云笔记,自然内容跨平台不存在问题。而原生应用能够为用户带来良好的移动端使用体验,实现打开即写,快速收集各种知识和内容。
  • 支持文件夹页面:网盘整合进你的笔记系统
  • 什么是文件夹页面?像网盘应用一样,FlowUs 允许用户将自己常用的办公文件以文件夹或者多个文件的形式一键上传至笔记空间之中。并且,FlowUs 允许用户免费在线预览文件夹页面中的办公文件。
  • 在 Notion 等同类软件中,文件只能以附件的形式加以存在。对于 Notion 而言,你需要使用浏览器跳转才能查看附件内容。而另外一些同类软件,需要升级为个人 Pro 版本才可以在线预览。
  • 文件夹页面具有标题视图、卡片视图、预览视图这三种视图,方便用户实现对于文件内容不同形式的预览。



文件夹页面:将网盘整合进你的笔记系统


  • 对于个人用户十分友好,拥有高性价比
  • 如同《Notion 类软件横向评测:Notion、FlowUs、Wolai》这篇文章中根据这三款软件的具体功能和价格对比,FlowUs 具有高性价比
  • 在不少相同的功能上,FlowUs 为用户提供了更多的使用权益。比如,五人以下的小组版免费,而这个功能在 Notion 等软件中是收费的。此外,文件上传、单个块字数限制等核心功能,FlowUs 提供了更多的存储空间以及更少的功能限制。
  • 当然,FlowUs 也支持教育优惠
  • 丰富的软件联动生态体系:FlowUs 与白板、思维导图、流程图、设计协同等不少优秀第三方服务形成了软件联动。具体而言,FlowUs 支持 Figma、Airtable、Sketch、墨刀、摹客、Excalidraw、ProcessOn、Canva、Bilibili、腾讯视频、优酷视频、网易云音乐、Codepen.


直接在 FlowUs 内部查看和编辑思维导图、白板、流程图


FlowUs 息流笔记·模版


主页·仪表盘模板



FlowUs 仪表盘模版分享


自媒体运营模版



自媒体运营·模版分享


进度条综合模版


  • FlowUs 仪表盘模版
  • FlowUs 自媒体运营模版
  • 强化记忆·间隔重复模版
  • 进度条综合模版
  • 番茄工作法模版
  • 时间管理:时间块、四象限管理法模版
  • 时间管理:间隙式日志模版


上述模版部分使用国产小组件库 NotionPet 制作,更多小组件建议前往官网查看:


  • NotionPet 官网-丰富的小组件库、动态图标库——提供大量好看、实用的小组件,可以辅助进行时间管理、任务管理、笔记记录、资讯管理、创意写作等多种使用场景。其中,小组件数量正在不断丰富服务稳定。并且,NotionPet 提供了强大的定制化服务,可以满足你的个性化配置需求
  • 国产组件库 NotionPet:为笔记嵌入可视化模块 ——关于 NotionPet 的专文评测
  • 生产力工具——笔记软件 FlowUs 深度评测
  • FlowUs 息流 - 新一代生产力工具
相关文章
|
4月前
|
自然语言处理 iOS开发 开发者
ChatGPT 等相关大模型问题之大模型提升开发效率如何解决
ChatGPT 等相关大模型问题之大模型提升开发效率如何解决
|
7月前
|
缓存 人工智能 数据可视化
LLM 大模型学习必知必会系列(十一):大模型自动评估理论和实战以及大模型评估框架详解
LLM 大模型学习必知必会系列(十一):大模型自动评估理论和实战以及大模型评估框架详解
LLM 大模型学习必知必会系列(十一):大模型自动评估理论和实战以及大模型评估框架详解
|
缓存 搜索推荐 NoSQL
150 混合推荐系统案例(项目开发)
150 混合推荐系统案例(项目开发)
108 0
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型开发:描述模型可解释性的重要性以及如何实现它。
模型可解释性在AI和机器学习中至关重要,尤其在金融风控等领域,它关乎信任、公平性和法规合规。通过建立信任、发现偏见、排查错误和满足法规要求,可解释性促进了模型的改进和社会接受度。研究者采用简单模型、局部和全局解释方法、模型可视化及原型/反例等策略提升模型透明度。这是一项结合算法、专业知识和伦理的跨学科挑战。
348 1
|
机器学习/深度学习 监控 算法
机器学习测试笔记(24)——综合_学习曲线
机器学习测试笔记(24)——综合_学习曲线
162 0
机器学习测试笔记(24)——综合_学习曲线
|
搜索推荐 前端开发 数据可视化
|
SQL 存储 数据可视化
|
搜索推荐 数据可视化 机器人
下一篇
DataWorks