انتقال سال‌ها یادداشت میان اپلیکیشن‌های یادداشت‌برداری معمولاً کاری زمان‌بر و پرریسک است؛ به‌ویژه وقتی برخی سرویس‌ها خروجی گروهی (Bulk Export) ساده‌ای ارائه نمی‌دهند. یکی از کاربران XDA تجربه خود را از سپردن این کار به Codex، مدل ایجنت‌محور (Agentic Model) چت‌جی‌پی‌تی، منتشر کرده است: او حدود ۱۰۰۰ یادداشت از Apple Notes، Evernote و Google Keep را به یک مخزن (Vault) در Obsidian منتقل کرد و به گفته خودش حتی یک فایل از دست نرفت.
سازمان‌دهی خودکار یادداشت‌ها در Obsidian
نکته مهم این مهاجرت فقط جابه‌جایی فایل‌ها نبود؛ Codex یادداشت‌ها را بر اساس موضوع دسته‌بندی کرد، در پوشه‌های مناسب قرار داد و برچسب‌گذاری (Tagging) کرد. به گفته نویسنده، انجام دستی این کار ساعت‌ها زمان می‌برد، زیرا بسیاری از یادداشت‌های قدیمی بدون زمینه (Context) و شبیه رمزنگاری بدون کلید هستند. او ترجیح داد به‌جای ساخت یک گردش‌کار (Workflow) پیچیده با افزونه‌هایی مانند Linter، تنها دستورهای لازم را به Codex بدهد و اجازه دهد کار را خودکار انجام دهد.
سرعت پردازش و بازبینی انسانی
Codex حدود ۱۰۰۰ یادداشت را در حدود ۱۰ دقیقه پردازش کرد و در پایان گزارشی ارائه داد که نشان می‌داد کدام یادداشت‌ها را نتوانسته با اطمینان دسته‌بندی کند. نویسنده صحت خروجی را با یک اسکریپت پایتون (Python Script) بررسی کرد. در این میان، ۸۳ یادداشت قابل دسته‌بندی نبودند؛ برخی کاملاً بی‌معنی، برخی رشته‌های تصادفی و نامشخص رمز عبور و یکی نیز معمایی از بازی Skyrim بود. به گفته او، همین شفافیت باعث شد بتواند موارد نیازمند بازبینی انسانی را جدا کند.
مزیت‌ها و محدودیت‌ها
- انتقال حدود ۱۰۰۰ یادداشت از سه اپلیکیشن مختلف به Obsidian بدون از دست رفتن فایل.
- برچسب‌گذاری و پوشه‌بندی خودکار بر اساس موضوع، به‌جای جابه‌جایی صرف فایل‌ها.
- ارائه گزارش از یادداشت‌های نامطمئن و نیازمند بازبینی انسانی.
- امکان اصلاح خطاهای جزئی مانند تکرار متن در چند یادداشت با دستور مستقیم به ایجنت.
- نیاز به خروجی دستی اولیه از برخی منابع؛ Apple Notes با اپلیکیشن Exporter، Google Keep با Google Takeaway و Evernote به‌صورت دستی.
نویسنده تأکید می‌کند که این نخستین تجربه او با هوش مصنوعی ایجنت‌محور (Agentic AI) بوده و از نتیجه شگفت‌زده شده است. به باور او، چنین کاری یکی از بهترین کاربردهای هوش مصنوعی است. او همچنین اشاره می‌کند که ایجنت‌های دیگر مانند Claude Code می‌توانند هدف مشابهی را محقق کنند و حتی می‌توان برای حفظ حریم خصوصی و کنترل بیشتر، یک مدل زبانی محلی (Local LLM) را برای این‌گونه کارهای اداری به کار گرفت.