The para mothed

The PARA Method 是一種簡單且高效的數位資訊管理系統，它的目的是幫助人們有效地組織和管理數位資訊，從而提升工作效率並減輕資訊過載的壓力。

主要是四個分類 Projects (專案)、Areas (領域)、Resources (資源)、Archive (檔案)，可以靈活調整細節，但核心原則是保持結構簡單且易於維護！

PARA 是以下四個分類的縮寫：

Projects (專案)
- 包含你目前正在進行的、需要完成的目標或任務。
- 例如：寫一篇報告、完成一個設計、策劃一場活動。
- 專案是有明確目標和期限的。
Areas (領域)
- 包含你需要負責的持續性責任或關注的領域，但沒有明確的期限。
- 例如：健康管理、財務規劃、職業發展、家庭生活。
- 這些領域是你生活中需要定期維護的部分。
Resources (資源)
- 包含你感興趣的或可能在未來有用的參考資料或資訊。
- 例如：學習筆記、文章收藏、書籍摘錄、教程資料。
- 資源是支持你專案和領域的知識庫。
Archive (檔案)
- 包含已完成的專案或不再活躍的資訊。
- 例如：完成的報告、過期的活動計畫、舊的參考資料。
- 這是用來存放過去的內容，方便未來查閱。

PARA 的核心理念

專注於行動：將資訊根據用途分類，而不是根據來源（例如文件夾、應用程式）。
減少混亂：將資訊分為活躍（Projects, Areas, Resources）和非活躍（Archive）兩部分，避免資訊堆積。
靈活性：可以適用於不同的工具（如 Notion、Evernote、Google Drive 等）和不同的工作流。

如何實施 PARA Method

整理你的數位資訊：
- 將所有文件、筆記、待辦事項等，分類到 Projects、Areas、Resources 或 Archive 中。
定期檢查和更新：
- 每週或每月回顧你的專案和領域，確保它們是最新的。
選擇適合的工具：
- 使用數位筆記應用程式（如 Notion、Obsidian）或雲端存儲工具（如 Google Drive）來實現 PARA 系統。

實際應用

假設我要在電腦科學的領域深耕，要如何規劃一個基於 PARA 方法論的資料夾結構。

操作多個雲的應用項目
做資料庫的操作與管理
AI、ML 議題的研究
我有 MySQL、Golang、AWS、Huawei、Terraform、Kubernetes、AI、ML 等等的研究項目。

頂層資料夾

/PARA
    /Projects
    /Areas
    /Resources
    /Archive

Projects

目標：存放當前正在進行的具體項目，這些項目是短期且有明確目標的。

資料夾結構：

/Projects
    /CloudApp-Development
        /Frontend
        /Backend
        /Infrastructure
    /Database-Optimization
        /MySQL-Tuning
        /PostgreSQL-Indexing
    /AI-ML-Experimentation
        /Image-Classification
        /NLP-Chatbot
    /Kubernetes-Migration
        /Cluster-Setup
        /Service-Migration

示例說明：

CloudApp-Development：一個專注於多雲應用開發的項目，細分為前端、後端和基礎設施。
AI-ML-Experimentation：一個專注於 AI 和 ML 的實驗性項目，根據具體研究方向（如圖像分類、自然語言處理）進一步細分。

Areas

目標：存放需要長期維護的專業領域或責任範疇，這些內容與你的專業方向緊密相關。

資料夾結構：

/Areas
    /Cloud-Computing
        /AWS
        /Huawei
        /Terraform
    /Databases
        /MySQL
        /PostgreSQL
        /MongoDB
    /AI-ML
        /Deep-Learning
        /Reinforcement-Learning
    /Programming
        /Golang
        /Python
        /Rust

示例說明：

Cloud-Computing：專注於雲端計算的研究和實踐，根據不同平台（如 AWS、Huawei）進行分類。
AI-ML：AI 和 ML 的長期研究方向，根據不同技術（如深度學習、強化學習）進行劃分。
Programming：長期學習和使用的程式語言，每種語言可存放相關的學習資源、工具或範例程式碼。

Resources

目標：存放可以重複使用的參考資料、教程、工具文檔或學習資源。

資料夾結構：

/Resources
    /Books
        /AI-Books
        /Cloud-Computing-Books
    /Tutorials
        /Golang-Tutorials
        /AWS-Tutorials
    /Tools
        /Terraform-Scripts
        /Kubernetes-Helm-Charts
    /Research-Papers
        /AI-ML
        /Databases

示例說明：

Books：電子書或 PDF 文件，根據主題分類。
Tools：常用工具的腳本或配置文件，例如 Terraform 腳本、Kubernetes Helm Charts。
Research-Papers：研究論文集合，按主題（如 AI/ML、資料庫）進一步劃分。

Archive（檔案庫）

目標：存放已完成的項目或暫時不需要的資料，方便未來查閱。

資料夾結構：

/Archive
    /Completed-Projects
        /Old-CloudApp
        /Legacy-Database-Scripts
    /Old-Resources
        /Deprecated-Tools
        /Archived-Books

示例說明：

Completed-Projects：存放已完成或關閉的項目。
Old-Resources：存放過時的資源或工具，供未來參考。

問題

在 PARA 系統中，Areas 和 Resources 是兩個核心的資料夾類別，它們的主要區別在於用途和內容的性質。

Areas 與 Resources 的主要區別

特徵	Areas（領域）	Resources（資源）
目的	維持某個領域的穩定性與標準	提供支持或參考資料
性質	動態、需要定期檢查與更新	靜態、不需要頻繁更新
與角色的關聯性	與你的生活或工作角色直接相關	與角色無直接關聯，更多是主題性資料
使用方式	持續管理，處理當前進行中的責任	作為工具或參考資料，支持項目或領域
範例	健康管理、財務管理、專業技能	書籍、教程、研究論文、工具模板

如何正確分類 Areas 與 Resources

以下是一些實際操作的建議，幫助你正確區分資料應該放在 Areas 還是 Resources：

1. 問自己一個問題

「這是我需要持續管理的責任嗎？」
- 如果答案是「是」，那麼它屬於 Areas。
- 如果答案是「否」，那麼它屬於 Resources。

2. 具體情境分析

健康管理：
- 健康計畫（如運動紀錄、飲食追蹤）屬於 Areas，因為需要定期維護。
- 健康相關的文章或運動指南屬於 Resources，因為這些是靜態參考資料。
專業技能：
- 你正在學習的技能（如程式語言學習進度）屬於 Areas。
- 教程、書籍或程式碼片段屬於 Resources。

3. 避免混淆

如果某個資料夾同時包含動態管理的內容和靜態參考資料，建議將它們拆分：
- 將動態內容放入 Areas。
- 將靜態內容放入 Resources。