前言
2019 年 12 月，我开始尝试着将个人笔记从 Evernote 迁移到 Bear，没想到一发不可收拾，随后陆续将我个人信息管理中所使用的相关应用一并迁移过去，试行两个月至今，使用 Bear 的工作流程不断迭代，目前感觉运行良好。
本文基于以下前提：
- 我主要在 MacBook 上使用 Bear，难免会有时使用键盘进行 cut paste 的非优雅操作。iOS 版本则主要用来查看。
- 使用 Bear 管理的对象主要是自己的学习笔记等输入性的文本信息，少量截屏图片和音频文件，没有 PDF 文件或视频文件。
- 我无需和他人协作，纯粹使用 Bear 进行我个人的信息管理。
从 Evernote 迁移：不再为分类管理而困扰
一直以来我是 Evernote 的付费用户，在使用过程中始终有个问题困扰我，那就是分类管理不善。随着笔记增多，标签也日益增多，以至于笔记条目难以整理，难以搜寻。这种情况同样也出现在我的稍后读 Pocket 和滴答清单的使用中，最后标签多得让我的分类系统崩溃。有朋友可能会说，你可以使用搜索框查找笔记呀。但我个人的习惯是，在迫不得已的情况下才使用搜索，我更倾向于打造一个清晰的分类系统，能让我按图索骥的去找到相关笔记。我也一直想要找时间好好研习一下，怎么构建文件夹和标签系统进行分类管理。没想到使用 Bear 后，这个问题居然轻而易举地解决了。
Evernote 的标签页，图片来自 https://www.hustleandgroove.com/evernote-tips/
嵌套标签体系和文章同时呈现
在 Power live 中，少数派的编辑们提到使用英文字母作为标签开头，输入时能让标签有很好的 auto complete 效果，从而在已有的标签中进行选择。在 Bear 里，它的界面设计是标签体系和文章同时呈现的，能让用户清晰地知道所有已存在的标签。这样一来，为笔记设置标签就方便多了。打个比方，以往在 Evernote 里设置标签，好像是闭着眼睛投篮（如上图，要查看 Evernote 的所有标签，需要跳转到单独的一个页面，在浩如烟海的标签中搜寻），而在 Bear 里为笔记设置标签则像是对着球门罚点球，一目了然。
因为嵌套标签结构，我不用再纠结是该放哪个文件夹，还是该设定什么标签；因为这种界面设计，我可以同时看着我的笔记，思考它该放在哪里，或者该怎么在已有的标签基础上重新调整。我通常在 Untagged 里新建文章，然后拖入到相关的标签里去。这样设置出来的标签是克制的、即时迭代的，不会轻易的增多。随着存入的笔记增多，我也能轻易的批量修改标签，逐渐迭代出一个适合自己的标签系统。当然，标签设置的方法论以后有空还是需要学习的，只不过这个问题目前并不困扰我了。
我的 Bear
笔记应用的核心优势应该是优雅的记录与呈现
Bear 优雅简洁的界面就不用多说了。记录优雅，意味着我愿意写，呈现优雅，意味着我愿意看。
使用 Bear 后最大的改变是——我愿意在周末的下午，捧着 iPad，坐在沙发上去阅读并修改自己的笔记了。而如果仅仅是像我以往那样使用 Evernote，只是往里面存储东西，而并没有意愿去阅读回顾，那不就只是个网盘吗？
从 Quzilet 迁移：构建间隔式音频复习
Quizlet 是一款类似 Anki 的 flashcard 应用，因为其界面颜值高，我一直使用它来学习英语。相较背单词，我更喜欢背句子，单词放在句子里才能明确其使用场景。其实之前一直使用 Evernote 来这样复习，但既然它会员到期，也不想续费了，就将笔记一并迁移到 Bear。
与 Anki 的他用 该文作者不谋而合，我也和他一样使用 Evernote 来模拟 Anki 的间隔循环提醒，但我是使用音频的形式。之前使用 Quizlet 复习的时候，总是感觉有一种排斥感去做这件事。剖析一下自我，我想首先因为这些是旧知识，并没有新奇感来吸引我，其次， 视觉性地获取信息需要注意力高度集中的时间段，而这正是我们这个忙碌的时代所欠缺的，而音频这种伴侣媒介更适合我用碎片化的时间去学习，正如现在播客日益流行且知识付费课程多数都是音频，那么复习笔记同样也可以采用这种形式。步骤如下：
- 自己读一遍笔记文稿，将中英文录制成音频文件，存入 Bear。
- 为每篇笔记设定日期提醒，进行六轮复习。
- 每日接收到提醒后，在碎片化的时间段，例如起床时，健身时，开车时，听着音频复习。
Bear 音频笔记
六轮复习完后，就一定能牢记了吗？我并不指望。同样，我也不指望严格按照 anki 的算法，就能完全记住，但是我相信经过这六轮循环复习的闭环后，或多或少在我的大脑里留下了些许烙印。接下来我能做的就是好吃好睡，为这记忆提供一个良好的硬件环境了。
最重要的是，学以致用，才是强化记忆的王道。这里要小小吐槽一下，Bear 没有内置的 reminder 功能，只能曲线救国地使用系统 Reminders 来解决，希望 Bear 以后能改进。
