Для решения задачи централизованного управления и применения AI к задачам используется хранение их в текстовом формате в Obsidian с автоматическим импортом через скрипт из напоминаний
Задача интегрирована в централизованную систему в Obsidian, где доступна для отображения через плагин Tasks, фильтрации по условиям и последующего применения AI-инструментов к обработке и анализу задач.
Источник: FOS 12 // Intention OS: как CEO ManyChat Майк Ян строит систему осознанности
Связка 1
Начальное состояние: Задача фиксируется в виде голосового напоминания через Siri и сохраняется в приложении Напоминания iOS, обеспечивая минимальное усилие при создании.
Преобразование: Автоматический скрипт забирает последнее напоминание из iCloud и переносит его в мастер-файл задач в Obsidian, преобразуя в структурированный текстовый формат (Markdown) с использованием единой системы хранения.
Конечное состояние: Задача интегрирована в централизованную систему в Obsidian, где доступна для отображения через плагин Tasks, фильтрации по условиям и последующего применения AI-инструментов к обработке и анализу задач.
У меня, наверное, последний вопрос — дальше я не хочу сильно углубляться в технологическую часть. Последний «экшен» за всем этим — собственно, действие, задача.
Ты упоминал намерение (intention), которое у тебя есть, плюс заметка — и из этого рождается задача. Эта задача ставится, я так понимаю, тоже в Obsidian. Вот — последний этап. И потом, наверное, можно уже переходить к следующему вопросу — о том, как устроено управление задачами.
Да, у меня сейчас всё работает на автомате. За этим стоит КП-экшен, который тоже фиксируется там же, я так понимаю. То есть у нас есть… Obsidian — ну, в общем, это уже не для слабонервных, честно говоря.
Внедрение системы управления задачами в файлах с простым текстом — ну, то есть это уже уровень достаточно продвинутый. Однако, если кому-то это интересно: в Obsidian есть плагин под названием Tasks, и по сути он является надстройкой, которая может собирать все упомянутые задачи в определённом формате из текстовых файлов.
Markdown — это текстовый формат, он работает достаточно быстро. Плагин может собирать все задачи, везде, где они отмечены нужным способом, и затем служить движком для их сортировки, фильтрации и отображения.
То, что я показывал в презентации — вот здесь… подождите, где это было?.. Где были задачи? Сейчас, секунду… А, вот здесь!
Сверху, например, у нас стоит «задачи». На самом деле, в этом файле нет самого текста задач. Там просто чистый markdown — plain text. Если бы вы посмотрели исходный markdown, вы бы увидели, что там нет обычных заголовков — они обозначаются с помощью решёток (#), выделение текста — через звёздочки вокруг слов и т.д.
Но это уже отрендеренная версия, которая превращает «сырой» markdown-код во что-то визуально приятное.
Так вот: в разделе с задачами сами задачи не хранятся. Там находится запрос к базе задач — например, «покажи все задачи, запланированные на сегодня или раньше». И этот запрос (query) подтягивает результат прямо сюда.
А сами задачи хранятся в одном мастер-файле.
Ну и, собственно, когда... Кстати, по поводу кепчеринга задач — я также фиксирую их либо с помощью часов, либо с помощью других средств. А именно: я использую Siri. То есть говорю: «Remind me сделать что-то» — и это добавляется в напоминания iOS. Они синхронизируются через iCloud. И у меня стоит скрипт, который просто берёт последнее напоминание и переносит его в нужный список задач, преобразуя в структурированный текстовый формат (Markdown) с использованием единой системы хранения.
По сути, цель процесса кепчеринга — максимально упростить фиксацию задач, сделать её настолько лёгкой и естественной, чтобы она происходила абсолютно без усилий. Именно поэтому я использую часы, голосовой ввод, шорткаты и всё остальное.
Но затем мне важно, чтобы всё это собиралось в Obsidian, потому что я хочу, чтобы всё было в одном месте, в текстовом формате. Это нужно для того, чтобы в дальнейшем можно было применять AI-инструменты к этим данным, а также для отображения через плагин Tasks, фильтрации по условиям и последующего анализа задач.

Этот кейс был за пару минут извлечен из источника с помощью Knowlume
Связаться с разработчиком
Сайт Knowlume
Подписка на Knowlume через Tribute