Бумажный блокнот, OBTF и LLM: как связать аналоговые и цифровые заметки

Обновлено: 27 октября 2026

Бумажный блокнот хорошо работает для захвата мыслей, OBTF — для долговременного архива и поиска, а LLM — для извлечения смысла. Вместе они закрывают цикл: записать → сохранить → найти → осмыслить.

Зачем три инструмента

У каждого слоя своя роль. Бумага не отвлекает уведомлениями, хорошо подходит для рукописных заметок, схем, стрелок и медленного мышления. OBTF хранит всё в одном plain text, который можно искать, версионировать, шифровать и передавать моделям. LLM помогает читать большой архив, находить связи и формулировать выводы.

Главное правило: LLM не является источником правды. Источник — бумажный блокнот и OBTF. Модель может ошибаться, путать даты и придумывать факты, поэтому её ответы нужно проверять по исходным записям.

• Бумага — захват, размышление, рисунки, быстрые списки.
• OBTF — память, структура, поиск, резервные копии.
• LLM — чтение, суммаризация, вопросы, черновики выводов.

Как вести бумажный блокнот

Чем проще правила, тем выше шанс, что они выживут. Достаточно нескольких соглашений:

• Нумеруйте страницы и ставьте дату в формате YYYY-MM-DD.
• Ведите записи в одном направлении — например, сверху вниз по дню.
• Используйте маркеры: TODO:, DONE:, Идея:, ?, !, Цитата:.
• Оставляйте поля на полях для тегов и пометок при оцифровке.
• Ссылайтесь на другие страницы: см. с. 37.
• В конце блокнота или на первой странице ведите простой индекс тем.

Не нужно переписывать блокнот начисто. Задача — сохранить мысль и контекст, а не получить идеальный документ. Оцифровка и приведение в порядок происходят позже, в OBTF.

Оцифровка: OCR или вручную

Сканируйте или фотографируйте страницы целиком: так сохраняется исходник, даже если OCR ошибётся. Для съёмки подойдут камера телефона, Apple Notes с Live Text, Google Lens, Microsoft Lens или Adobe Scan. Для пакетной обработки — PaddleOCR или Tesseract; для рукописного текста — MyScript, Nebo или встроенное распознавание Apple.

Рукописный OCR ошибается чаще печатного, особенно на схемах, стрелках и исправлениях. Поэтому:

• важные записи переносите вручную;
• объёмные списки можно прогнать через OCR, но результат проверяйте;
• помечайте качество: OCR: high, OCR: medium, transcribed;
• храните сканы в папке attachments/notebook-2026/ и ссылайтесь на них из OBTF.

Имена файлов лучше делать предсказуемыми: notebook-2026-p042.jpg, notebook-2026-weekly.pdf. Это упрощает поиск и резервное копирование.

Формат записи в OBTF

Новые блоки добавляйте сверху, как и любые записи OBTF. Один блок — одна страница или один день. Пример:

──────────────────────────────
2026-10-27 Пн · paper p.42
──────────────────────────────
Source: notebook-2026, p.42
Scan: attachments/notebook-2026/p042.jpg
Tags: #paper #idea #product
OCR: high

TODO: проверить гипотезу про onboarding
Идея: сократить первый экран до одного действия
Цитата: «сложность — это налог на внимание»

Заметка:
OCR-текст после ручной правки. Схемы и стрелки описаны словами,
если без них теряется смысл.

Link: см. с. 37, заметка про retention

Ключевые элементы: дата, источник, ссылка на скан, теги, качество OCR и маркеры задач. Если OCR дал мусор, не вставляйте его целиком: лучше короткое резюме и ссылка на скан, чем шум в основном файле.

Не смешивайте проверенный текст и сырой OCR без пометок. Через месяц будет невозможно понять, где факт, где распознавание, а где догадка.

LLM: локальные и внешние

Для начала определите, что важнее: приватность или качество модели. Внешние сервисы вроде ChatGPT, Claude и Gemini обычно сильнее и проще, но требуют загрузки текста на чужой сервер. Локальные модели через Ollama, LM Studio, llama.cpp или Jan работают на вашем компьютере и не отправляют данные наружу, но требуют железа и дают более скромное качество.

Для небольших файлов достаточно поиска и ручной вставки контекста. Сначала найдите нужные записи:

rg -n "TODO|Идея|paper p\." everything.txt
grep -n "2026-10" everything.txt | head -40

Затем передайте модели только релевантные фрагменты. Для больших архивов имеет смысл RAG: нарезать OBTF по датам и заголовкам, построить эмбеддинги, сохранить их в Chroma, LanceDB или sqlite-vec и выдавать модели top-k фрагментов вместе с датой, страницей и ссылкой на скан. Для эмбеддингов подойдут, например, nomic-embed-text или bge-m3.

Локальный старт с Ollama:

ollama pull llama3.1
ollama run llama3.1
ollama pull nomic-embed-text

Внешняя модель: загружайте файл только в проверенный сервис, отключайте обучение на ваших данных, если такая настройка есть, и не отправляйте пароли, ключи и чужие персональные данные. Для чувствительных заметок используйте локальную модель или шифрование.

Промпты, которые работают

Просите модель цитировать дату и страницу, отделять факты от выводов и признавать нехватку данных. Примеры:

• «Найди открытые TODO в бумажных записях за последние 30 дней. Верни дату, страницу и короткую цитату».
• «Суммируй темы недели. Отдельно: решения, открытые вопросы, идеи, задачи».
• «Сравни бумажные записи с цифровыми. Найди противоречия и повторяющиеся мысли. Ссылайся на даты».
• «Составь план на неделю только из открытых задач. Не добавляй ничего, чего нет в тексте».
• «Выпиши цитаты, которые стоит сохранить, с указанием страницы и даты».

Хороший системный промпт: «Отвечай только по предоставленному тексту. Если данных нет, скажи об этом. Для каждого утверждения указывай дату и страницу. Не придумывай факты и ссылки».

Рабочий цикл

1. День. Пишите в бумажный блокнот без оглядки на структуру.
2. Вечер. Пять минут: сфотографируйте страницу, перенесите главное в OBTF, добавьте Source и Scan.
3. Неделя. Прогоните OCR для объёмных страниц, почистите текст, закройте выполненные задачи, обновите теги.
4. Обзор. Спросите LLM про темы, решения и открытые вопросы. Проверьте ответы по OBTF и сканам.
5. Месяц. Архивируйте сканы, делайте резервную копию, при необходимости пересоберите эмбеддинги.

Цикл должен быть коротким. Если оцифровка занимает больше времени, чем сама запись, упростите формат: дата, страница, три маркера и ссылка на скан.

Приватность и безопасность

Бумага не защищает от кражи или потери, а сканы могут содержать больше, чем вы помните: имена, адреса, номера, схемы. Храните сканы в зашифрованном месте, синхронизируйте только шифротекст и не отправляйте чувствительные страницы во внешние модели.

Для OBTF используйте шифрование и резервные копии. Если файл синхронизируется, настройте безопасную синхронизацию и двухфакторную аутентификацию. Подробные команды — в гайдах про age, GPG и VeraCrypt и про синхронизацию.

Ограничения

• OCR ошибается на рукописном тексте, схемах и исправлениях.
• LLM может выдумать факт, дату или цитату.
• Контекстное окно модели ограничено: большой OBTF не помещается целиком.
• Эмбеддинги устаревают после массовых правок.
• Бумажный блокнот можно потерять, а сканы — повредить.
• Слишком сложный процесс оцифровки убивает привычку.

Поэтому: храните сканы, проверяйте ответы по источнику, делайте резервные копии и не автоматизируйте запись в OBTF без ручной проверки.

Чек-лист

• Блокнот с номерами страниц и датами.
• Понятные маркеры: TODO, DONE, Идея, вопрос.
• Сканы страниц лежат в предсказуемой папке.
• В OBTF есть Source, Scan и качество OCR.
• Сырой OCR не смешивается с проверенным текстом.
• Выбрана локальная или внешняя LLM по уровню приватности.
• Промпты требуют цитат и дат.
• Ответы модели проверяются по OBTF и сканам.
• Есть резервная копия и, при необходимости, шифрование.
• Раз в неделю — короткий обзор и очистка задач.

Если хотите глубже разобраться с AI-слоем, начните с раздела OBTF как база знаний для AI. Если пока не решили, нужен ли OBTF, посмотрите сравнение с Notion и Obsidian.