文字叙述、地图、时间线、数据库、因果图和仿真各有各的用途。一个有用的基底不应以单一的标准模型取代它们，而应让它们能够指向相同的人物、地点、事件、主张、数量和决策，同时保留每种表示方式各自的长处。
最低限度的共享结构，可能包括稳定的身份标识、选定的状态、来源记录，以及模型之间明确定义的转换。如果读者在一个视图中改变时间、情景、尺度或选中的对象，其他视图应当知道这一变化意味着什么。如果两个模型存在分歧，基底应保留这种分歧，而不是无意间将它消解。
递归语言模型补充了一条有用的架构原则：将作为权威依据的产物和中间对象保存在模型的临时上下文之外，再让 AI 控制器通过程序化句柄进行操作。但临时 REPL 中的一个不透明字符串，还算不上这样的基底。要支持持久使用，还需要身份标识、类型、证据、时间有效性、版本历史、权限、对拟议变更与已接受变更的区分，以及回滚能力。
在形式模型的组合方面，Topos Institute 是我所知最值得追踪的线索。带类型的知识图谱和类似 TypeDB 的系统，或许有助于处理身份标识和约束。Roam Research、Obsidian、Quartz、Dynamicland 和 Ink & Switch，则分别在创作和共享计算对象方面提供了一些启示。尚待解答的问题是：最少需要多少共同结构，才能协调有用的模型，又不至于让它们变得脆弱？
驯服无限
Roam Research、Obsidian 和 Quartz 让不断添加笔记和链接变得很容易。但这并不等于能够理解大量材料。随着材料不断增多，一个人仍应能够：
- 无需逐项阅读，就能看清其中的主要结构。
- 从摘要或汇总结果进入支撑它们的细节，再返回。
- 看清哪些内容随时间发生了变化，哪些叙述存在分歧，以及哪些领域仍缺乏充分理解。
- 改变相关的选中项、时间、尺度或情景，并让其他视图在这一变化对其有意义时作出响应。
- 查看某种解读的来源，而不是收到一份无法追溯到证据的生成摘要。
要认真检验这一点，就需要用多种表示方式来描述一个真实系统，例如地图、时间线、制度模型、物理模型和来源材料。这些表示方式应能指向相同的地点、组织、事件、数量和决策。改变共享的选中项或时间段时，应更新那些能赋予这一状态实际意义的视图，而不应假定每个视图都是同一个模型。