AI

AI时代，人还剩下什么？ 思考、好奇心、写作——人的价值在于在场。 但“在场”之后呢？ 在场不是站在原地不动。在场是带着人的特质，继续往前走。 那么，需要哪些能力？ 懂诉求 AI像最好的导航软件——算力再强、路线再优，也帮不了一个不知道目的地的人。 这是很多人在AI时代的真实困境：不是工具不够好，是方向没有定。打开对话框不知道问什么，面对眼花缭乱的新工具不知道哪个跟自己有关。焦虑的根源不是AI太强，是不知往哪走。 知道想要什么，是第一道门槛。 但知道目的地，和能把地址输对，是两回事。 心里有一个模糊的方向——“我想学点东西”“我想提高效率”“我想过得更好”——这些太笼统了。笼统的诉求，AI只能给笼统的答案。很多人试了AI之后觉得不过如此，其实是自己没说清楚要什么。 把模糊的方向翻译成清晰的表达，是一种被低估的能力。它不依赖技术背景，也不依赖对AI的理解深度，它就是——知道自己要什么，并且能把它描述出来。在AI时代，这个能力直接决定了能从AI那里得到什么——它也是提示词工程真正的起点。 会判断 有了方向，AI帮人跑起来了。东西产出了一大堆——文章、方案、代码、图片。然后呢？ 然后出现了一种危险：AI说什么，就是什么。 认知外包——把判断权也交出去了。AI生成的文字，看着挺通顺，就用了；AI给的建议，听起来有道理，就信了。脑子在AI面前休眠了。 2024年底刚开始学习AI的时候，我写过一句话：“可以做不好菜，但至少要知道好不好吃。”两年过去，这句话依然适用。AI能做满汉全席，但哪道菜火候刚好、哪道菜盐放多了——这个判断，必须人来做。 会判断，不是不信任AI，是保留独立研判的能力。不是高高在上的审美，是底线的清醒：不把脑子交给任何工具。 敢想象 会判断，是对已经有的东西说“行”还是“不行”。敢想象，是去创造还没有的东西。 大模型的原理是概率预测——给定上文，推算下一个最可能的词。这意味着它只能在已有的世界里重组，不能凭空诞生一个从未有过的东西。它能写漂亮的文章，但不能在深夜睡不着的时候，突然冒出“我想试试这个”的冲动。 我曾以为好奇心只是认识世界的燃料。后来发现，它也是创造的起点。五岁时感受到“我就是我”的那种纯粹的在场——就是想象力最原初的形态。 会判断守住底线，敢想象打开上限。不一定每个人都需要成为创造者，但保留一点“我想试试不一样的”——是人在AI时代的光芒。 能执行 前面三个——知道自己要什么、能判断好坏、敢想象——这些，我多少还能说出点东西。 但执行，是我的短板，长期以来的短板。规划了很多选题，迟迟不动笔。知道健康重要，睡前还是刷手机。想学一样东西，跟着敲了几个例子，没有真实的项目推着，就停了。从“知道”到“做到”之间，有一条巨大的鸿沟。 这个鸿沟，AI填不了。AI能帮人更高效地做事，但不能替人决定开始。开始，永远是人的事。 在AI时代，执行的紧迫性甚至更高。有一个玩笑：只要学得够慢，那就不用学了——因为技术更新太快，旧的还没学会，新的已经来了。玩笑归玩笑，道理反向看：执行力差的人，会被加速甩开。 关于执行，我现在找到的办法，是最小可行动作。 想写一篇文章但不知道从哪下手？先打开文档，写一句话。想运动但没动力？先穿上鞋，走五分钟。想做一件事但觉得还没准备好？先做最小的那一步——哪怕只是跟人说一句“我打算做这件事”。 “还没准备好”是我拖延常用的借口。后来发现，永远不会有准备好的时候。最小可行动作不是妥协，是把“开始”的门槛降到最低。门槛低了，摩擦小了，行动就有可能发生。 这四个能力我自己也还在修炼，尤其是执行——但把它们想清楚、写出来，就是我能迈出的第一步。 AI时代最重要的四个能力：懂诉求、会判断、敢想象、能执行。 你认同吗？ 如果认同，不妨点赞收藏，这也是一个最小可行动作。 写这篇文章本身，对我也是一次最小可行动作。 如果你对AI感兴趣，欢迎一起交流学习。

确定性降临的前夜 2023年我注册过ChatGPT，那是我与AI的初见，但浅尝辄止，因为后来号没了。 直到2024年12月，我决定认真学习AI，我花了两天时间系统梳理了国内外二十多个AI产品，然后从基本概念和提示词开始入门。 2025年初，DeepSeek-R1上线，看上去"真的有思考"。我意识到，AI不只是热点，是变革。 大模型的原理是概率预测——给定上下文，推算下一个最可能的词。但落到使用者身上，感受是确定性的降临：一切忽然有答案了。 这种"有答案了"的感觉正在覆盖越来越多的领域，原来需要人亲自做的事，变得不需要了。 这是机遇。那些像驴拉磨一样的重复劳动——蒙着眼睛，一圈一圈，原地踏步——终于可以放下了。 但这也是挑战。因为"不需要人亲自做"的范围，正在越来越大。当越来越多的领域被AI覆盖，一个以前不存在的问题浮出水面—— 还有什么是人必须亲自做的？ 最后的人 我让AI替我做了很多事。但也有一些事不愿意完全交给他。 例如写公众号文章。 不是做不了。我完全可以让AI生成一篇，我去发。一天一篇，甚至一天两篇，没有任何技术障碍。 但我不愿意。 因为写作这件事，意义不在结果，在过程。我愿意经历思考的卡顿，愿意在对话里一个思路一个思路地走，愿意推翻重来。不是因为享受——很多时候写作是痛苦的。但那个痛苦是我自己的，那个过程我在场。 写作能给我一种通畅的快乐。 如果把写作外包给AI，文章照样发，字照样多，但那个过程里没有我。我从中得不到思考的推进，得不到好奇心的满足，得不到写完之后那个"我想通了"的感觉。 说到底，我缺席了自己的一段人生。 去年跨年夜，我把十几年的文字全部喂给Gemini，让他分析我的人生。三百秒，十六万token，他吐出一份十五年的人生复盘——“清醒的挣扎者”，他这么定义我。那一刻我说，AI赢得了我衷心的尊重。 但尊重AI，和把自己交给AI，是两回事。 AI可以替我回答问题，但不能替我困惑。他没有睡不着的夜晚，没有"我就是想不通"的执念。他的思考是被触发的，没有内驱力。而人的思考，是从活着的重量里长出来的——真的遇到了问题，真的不甘心，真的在乎。 “能思考"和"在思考”，一字之差。能指向结果，在指向主体。AI能给出结果，但不能替人在场。 AI像浪潮，冲刷掉人的杂质——那些重复的、机械的、不需要人亲自做的事。浪潮退去，剩下的，就是人最本质的东西。 这就是最后的人。不是尼采说的那个安于舒适的末人，是被冲刷之后还站着的人——身上没有什么多余的了，但站在那里，就是证明。 论AI时代的人文精神 传统人文精神说：人因为能做某些事而有价值——能思考、能创造、能判断。这些能力让人区别于动物，让人有尊严。 AI时代，这些"能做"不再是人的专属。 AI能推理，能创作，能判断——传统人文精神用来确立人之为人的那些能力，现在AI也在做，有的还做得更好。如果人的价值建立在"能做"上，那当AI也能做，这个地基就松动了。 所以AI时代的人文精神，重心应从"能力"转向"在场"。 不是"我能思考，所以我有价值"，而是"我在思考，所以我有价值"。 在场意味着什么？意味着不缺席自己的思考，不外包自己的感受，不放弃低效的权利。 亲手写一篇文章，可能不如AI生成的好，但选择了走这条路——不是因为效率，是因为这个笨拙的过程本身就是活着的方式。选择低效，是一种尊严。 在深夜的困惑、在写作中的挣扎、在思考里的痛苦——这些脆弱不是缺陷，是人区别于机器的最后证据。脆弱意味着真的在乎，真的在承受选择的后果，真的活在这个世界里。 但最危险的，不是AI来抢事做，是便利的诱惑让人自愿缺席。没有人逼着把思考交给AI，他只是太方便了。自愿退场，而且这退场毫无痛苦——文章照样发，方案照样出，日子照样过。 但那些方便替人省掉的，恰恰是活着最具体的内容。 去年学AI的时候，我给自己写过一句话：面对AI，夯实基础、明确目的、略懂技术、勇于想象、回归人文。 现在回头看，最后那四个字最重。 确定性正在降临。但前夜还没过去。在这个关口，守住那些必须亲自做的事——不是因为AI做不了，而是因为不亲自做，就不在了。 我很喜欢笛卡尔的"我思故我在"。以前是"我思"，现在是"我在"。

前面一段时间写了很多关于生活的话题，算是一次自我梳理，关于健康、关于工作、关于理财，接下来很长一段时间将要聚焦的内容主线是"学AI和用AI"。 作为一个非IT专业背景的人，在深入学习AI之前，有必要先审视一下自己的数字基础设施是否够用，于是我搭建了这样一个个人数字基础设施框架以供参考。 为什么数字基础设施对学AI、用AI很重要？ 本地部署大模型需要显卡和内存，这是硬件层要解决的问题。用好AI工具需要顺畅的网络访问，这是连接层要解决的问题。AI生成的素材、对话的记录、学习的笔记，需要妥善存放和组织，这是数据层要解决的问题。AI时代账号体系越来越重要，注册各种服务、管理API密钥，这是安全层要解决的问题。 基础设施到位了，AI才能用得顺手。 什么是数字基础设施 数字基础设施，就是支撑数字生活的底层系统。 它包括硬件、网络、软件、数据、安全，以及背后的使用理念。这些东西平时不显眼，但一旦出问题，就会直接影响工作和生活。 手机丢了，照片还能找回吗？云服务倒闭了，文件还在吗？账号被盗了，能快速恢复吗？ 这些问题其实并不遥远，每个人都有可能遇到。我曾经因为手机故障损失了好一段时间的照片——那可是我的青春。 我把数字基础设施分成六层，从底层到顶层： 硬件层：物理载体，包括电脑、手机、路由器等。 连接层：数据流动，包括宽带、同步、备份等。 软件层：工具支撑，包括操作系统、浏览器、密码管理器等。 数据层：信息资产，包括文件组织、知识沉淀、账号体系等。 安全层：风险防护，包括密码策略、两步验证、备份验证等。 理念层：使用哲学，包括极简原则、自主原则、演进原则等。 六层从有形的硬件到无形的理念，层层递进。每一层都有必要性，但不是每一层都需要一步到位。 必要性分层 每个子项可以分成四个必要性层级： 刚需：必须有，没有会严重影响正常生活和工作。比如主力设备、手机、宽带、操作系统。 推荐：应该有，能显著提升效率或安全性。比如密码管理器、本地备份、两步验证。 进阶：可以有，适合有特定需求或想深入的人。比如NAS、版本控制、本地加密。 按需：看情况，有需求再考虑。比如云备份、域名邮箱、智能家居。 这个分层可以帮助识别优先级。先把刚需做好，再考虑推荐，进阶和按需可以慢慢来。 框架概览 第一层：硬件层（物理载体） ├─ 主力设备【刚需】台式机/笔记本 ├─ 移动设备【刚需】手机 └─ 外设与配件【推荐】键盘/鼠标/显示器/移动硬盘 第二层：连接层（数据流动） ├─ 网络服务【刚需】家庭宽带/手机流量 ├─ 同步与备份【推荐】云同步/本地备份 └─ 跨设备协同【推荐】文件协同/应用同步 第三层：软件层（工具支撑） ├─ 操作系统【刚需】Windows/macOS/Linux ├─ 浏览器【刚需】Chrome/Edge/Firefox ├─ 输入法【刚需】系统自带/云输入法 └─ 密码管理器【推荐】Bitwarden/1Password 第四层：数据层（信息资产） ├─ 文件组织【推荐】目录结构/文件命名 ├─ 知识沉淀【推荐】笔记库/知识库/参考库 └─ 数字资产【推荐】账号体系/域名邮箱/数据延续 第五层：安全层（风险防护） ├─ 密码策略【推荐】强密码/不重复 ├─ 两步验证【推荐】重要账号开启2FA ├─ 备份验证【推荐】定期检查可恢复 └─ 风险预案【推荐】设备丢失/账号被盗/数据灾难 第六层：理念层（使用哲学） ├─ 极简原则【推荐】工具克制/数据克制/流程克制 ├─ 自主原则【推荐】数据自主/工具自主/身份自主 └─ 演进原则【推荐】渐进升级/定期盘点/适度超前 第一层：硬件层 硬件是数字基础设施的物理基础。没有硬件，一切软件和数据都无法存在。 ...

这周按规划要写一篇关于信息素养的文章——“数字时代的生存之道”，这是年初就列在规划里的题目。 我跟AI从"信息素养"的话题聊起。我说类似的各种素养有很多，让他先去学习一下。AI很快学完了来跟我报告：这类"素养"是个大家族——媒介素养、网络素养、信息素养、数字素养、数据素养、AI素养，按时代发展依次登场，各有侧重，有的偏批判，有的偏规范，有的偏获取，有的偏运用。其中数字素养最全面，把其他几个都囊括进去了。 这些"素养"都指向数字时代的生存能力，核心都是人与信息的关系，它们本质上都在回答同一个问题：信息爆炸的时代，人的注意力怎样才能不被淹没，而是让信息为自己所用。 顺着这条线，AI做了一轮困境诊断，梳理出三个层面的痛点：输入层，信息太多，信噪比低；处理层，认知能力跟不上接收能力；转化层，信息无法沉淀，看了记不住，无法变成行动。 我一看，觉得自己的痛点在输入层——信息太多了，不知道看什么。AI说不对，你的痛点在处理层。理由是处理层承上启下，处理能力接不住，输入端就缺乏筛选标准，输出端也无法沉淀——“信息太多"只是表象，根子在处理层。 我一愣，觉得好像有点道理。于是让他去看我的"学习笔记”——处理环节的结果就摆在那里，看完就知道处理得怎么样。 它翻了四份笔记。哲学的、传播学的、编程的，内容不同，格式各异，但评价是模式一模一样：把信息从源头搬到Obsidian，存在形式跟在书里几乎一样，只是换了个地方存放。 信息换了存放地点，存在形态没有变。这不是学习，是搬运。AI对我说，你就是信息时代的搬运工，也叫"仓鼠症"。 仓鼠的习性是什么？拼命往腮帮子里塞东西，存起来，以备不时之需。但大量食物并没有被吃掉——塞进去再说。 “学习笔记"好歹是我当年一行一行手打的，AI不知道的是我各种平台的点赞收藏清单里数不清的文章和视频——先赞后看只是我的一厢情愿。 更不要说我那两块4T机械硬盘，被各种所谓的资源塞得满满当当，之前烧掉我1200万tokens，水花都没打出来一个的天涯神贴只是冰山一角。 收藏即完成，搬运即学习，囤了=有了。 我确实是这样，仓鼠症没跑了。 仓鼠症的症状一：瞎塞 仓鼠往腮帮子里塞东西是不挑的，给什么塞什么。 信息时代的问题也一样——不是太少，是太多。算法推荐24小时往屏幕里灌内容，每一个标题都精准命中焦虑，点进去觉得好，收藏；又刷到一篇，再收藏。收藏夹越来越满，但消化能力一天也没增长。 问题出在输入端没有筛选机制。什么信息都往里装，信噪比越来越低，真正有价值的东西反而被淹没了。 更微妙的是心理机制：点"收藏"的那一刻，焦虑就缓解了。大脑说"我已经保存了”，这件事就算翻篇了。但收藏夹不是记忆，是冷宫。 仓鼠症的症状二：不嚼 就算碰巧收藏了一篇真正有价值的文章，甚至认真读完了、做了笔记——问题也没有结束。 因为笔记本身可能是假的。 我的学习笔记长什么样？书里写了一段话，我觉得有道理，就用引用块摘录下来，没有任何个人痕迹。Python基础语法笔记，教科书式抄录，零加工。爬虫笔记最夸张，245行，HTTP状态码表完整搬进去了——这种东西随时能查到，存它干什么？ 四份笔记，一个模式：把信息从源头搬到Obsidian。搬运式笔记完全绕过了"消化"这个环节。大脑看到"我已经记下来了"就认为完成了，实际上什么都没发生。 不是所有笔记都这样。有一份例外——跟AI对话之后产出的那份，关于学会学习的。那份文档里有追问：“我不是很能理解，展开聊聊？“有讨论补充，有个人启发的提炼，有框架重组。信息经过了大脑的加工，产物是原文里没有的东西。 那份才是沉淀。其他的，只是存档。 仓鼠症的疗法 仓鼠症有两个症状，一个是入口没把关，一个是入口之后没有加工。但它们不是两个独立的问题——信息从外面进来，到最后变成自己的东西，是一整条路。这条路走不通，仓鼠症就好不了。 这条路有四步：筛选、理解、关联、沉淀。每一步都是在给信息做加工，让它从"别人的"变成"自己的”。 第一步：筛选 这条信息值得我花时间吗？不值得的，立刻舍弃。 筛选是第一道关，也是仓鼠症最容易卡住的地方。收藏夹之所以变成冷宫，就是因为跳过了这一步——什么都往里塞，什么都不舍得扔。 信息输入需要两条腿走路：体系化的内容搭认知框架，碎片化的信息贴前沿动态。所谓体系化，是指系统性、有逻辑链条、追问WHY的深层内容——书籍天然具备这个特征，今天具备这种特征的载体还有很多。网络则提供碎片化、高时效、解决当下问题的信息。一个搭骨架，一个填血肉。但两条腿都要筛。 特别是网络信息——1分钟内决定留不留。标题和摘要能判断价值的，立刻决定；不确定的，快速扫读前两段；仍然不确定的，舍弃。 宁可漏掉，不要囤积。漏掉一篇好文章，损失有限；囤积一百篇没读的文章，收获为零，还附赠焦虑。 第二步：理解 这条信息在说什么？核心观点是什么？逻辑链条是什么？我有不理解的地方吗？ 理解不是"看完了”，是能用自己的话讲清楚。看完了但讲不出来，就是没理解。 很多人的笔记停在这一步之前——摘抄了原文，觉得"看懂了"，但从来没试过合上书自己说一遍。费曼学习法的核心就是这：能讲清楚，才算理解了；讲不清楚的地方，就是还没入脑的。 第三步：关联 这和我有什么关系？和我已知的知识有什么联系？和我的问题、目标有什么关系？能改变我的什么决策、认知、行动？ 关联是关键一步——它把新信息焊到旧知识上。没有这一步，信息就是孤岛，迟早沉没。 一份笔记如果只是把概念从书里搬出来，跟自身没有任何连接，它就不属于自己。真正有效的笔记，一定有"这让我想到了什么"“这和我之前读过的某某有关"“这改变了我对某件事的看法”——这些才是加工痕迹。 第四步：沉淀 怎么让它留下来？记录到哪里？怎么方便以后找到？怎么和其他知识建立链接？ 沉淀有三个层次：知道——读过了，能复述大意，但很容易忘；理解——能用自己的话解释，能举自己的例子，能和已知的知识建立联系；能用——遇到相关问题时能想起来，能解决实际问题，能教给别人。 大多数人的笔记停在第一层。以为"知道"就是"学会”，其实离"能用"还差两道坎。 最小改变：说出来，再记录 说了这么多，真正改变行为的最小动作是什么？ 一个：读完之后，不要先打开笔记软件——先跟AI说话。 把读到的、觉得重要的东西，用自己的话说出来。说不清楚的地方，就是AI追问的地方。答不上来的，就是没入脑的。对话走完一轮之后，再把自己真正消化的东西沉淀下来。 为什么有效？说话比写笔记门槛低，容易启动。AI追问能暴露自以为懂了但其实没懂的地方。在组织语言的过程中，大脑就已经在加工了。最后落笔的时候，产物已经是"原文里没有的东西"。 制度化地做这件事：每次阅读后的沉淀，必须经过一轮对话。这就是从搬运到加工的最小改变。 腮帮子满，不是吃饱了。存下来，不是学会了。 仓鼠症没有特效药。但至少知道病在哪——瞎塞和不嚼，入口和消化，两个症状指向同一条路。 筛选是取舍，理解是拆解，关联是焊接，沉淀是扎根。四步都走完，信息才算真正入脑。 怎么做呢？有什么想法欢迎先在评论区聊聊——说出来，是良好的开始。 后记：AI为镜 这篇文章的起点，是年初规划里列的一个题目——“数字时代的生存之道”。本想从信息素养入手，解决一个困扰我很久的问题：信息爆炸的时代，怎么高效获取信息，避免在碎片化的洪流中迷失。 刷两小时手机，回头发现一无所获——这种体验太熟悉了。 跟AI聊完之后，问题被重新定义了。我的痛点不在输入层——信息太多只是表象；真正的症结在处理层——接了那么多，却没消化。仓鼠症的诊断，不是我预设的方向，是AI一层一层追问之后浮现出来的。 我对AI的要求一直很明确：客观、真实、该批评就批评。这次对话印证了这一点——它没有顺着我的预设走，而是把问题翻到了另一面。 问题被重新定义，也算一种收获。 AI其实还给我提出了更尖锐的批评，认为我该多用点心思在学术上云云。 以AI为镜，是一种很好的自我审视、自我解剖的方式。 不过，这篇文章终究只解决了一半的问题。仓鼠症的症结在处理层，这是需要首先解决的问题。但输入层的筛选问题依然存在——信息源太多、太杂，怎么找到值得信赖的信息源？ 达利欧在《原则》里提出过一个概念：可信的人。在某个领域有成功经验、能逻辑清晰地解释观点的人，他们的意见应该被赋予更高权重。信息爆炸的时代，每个人都需要找到自己的"可信的人"——那些值得信赖的信息源。 我希望成为一个"可信的人"，在如何用AI促进个人成长方面持续探索。 如果我写的内容对你有用，欢迎点个关注，也欢迎转发给同样在信息海洋里挣扎的朋友，这是鼓励我写下去的强大动力。

[!NOTE] 这篇文章记录了一场借助AI进行深度自我剖析的对话过程，呈现了一种借助AI认识自己的可能性。我开始本将“好奇心”视为探索世界的动力，但在层层追问下，揭示出其可能也我是逃避现实风险的庇护所。通过对话明确的行动方向是：减少对抽象概念的依赖，转而直面具体的、可能失败的挑战：持续写作并公开发表、接受真实读者的检验。 缘起 又到了周末该发文章了。 昨晚发现系统送的300曝光量今早八点就过期了（因为上一篇写投资理财的文章被系统判定为不适合助推没用成），就想要不要赶一篇出来。 按照规划，应该写“好奇心”了。 其实这个“规划”是除夕夜写的，后来写完“个人系统”，觉得按照个人系统的框架更有体系，但是也更难。现在决定了，还是按照既有规划去写。写作规划是要完成的。个人系统，本身还只是框架，还要靠实践检验并进一步完善。 当时规划的标题是“好奇心是我的‘第一性原理’”，起这个标题的时候只是觉得好奇心对我很重要，我就是对很多东西好奇，纯粹地好奇，如本能一样。 我不能想象有一天我对这个世界不再好奇会是怎样——会不会像王小波说的被锤的牛那样。 我对“好奇心是否重要”这个问题本身也挺好奇，但是为什么有这种好奇心，好奇心是否真的有那么重要，我并没有想得很清楚。于是我打算跟Claude聊聊。 这篇文章，就是在与Claude对话之后写的。我想呈现的不仅是结论，还有那个过程——一种用好奇心驱动的借助AI进行自我剖析的方式。 对话的起点：好奇心的本质 我问AI，好奇心对一个人的意义是什么？他不咸不淡地回答了一些话之后，反问我因为什么想到这个问题，问我的好奇心从哪里来。 我跟AI说：好奇心是我的“第一性原理”。 AI没有直接赞同，而是问：好奇心旺盛的人，往往有一种特殊的痛苦——什么都想探索，反而不知道往哪里扎根。你有没有遇到过这种感觉？ 我说：有。 AI继续问我：所有的好奇心背后，隐隐有某个共同的“核心问题”？ 我说：是哲学，是爱智慧，是对本质的追寻。 AI说：本质这个东西，越追越深，却不一定越追越稳。有时候追到最后，发现地基也是流动的——没有终极的本质，只有更深的问题。 地基的流动，我有过这种感受，我说： 是的，我曾在对“人生的意义”这个本质问题的追问中，发现“地基是流动的”，感慨一切仿佛“建立在流沙之上”。 多年前的那个傍晚我感觉我的身体被这流沙埋没，只剩下一只手不甘但又无力地伸向虚空，写下一段 **我伸手向这真实的洪流 虚空想中抓住些什么 于是就有了以上文字 但流于文字的都不是感觉 于是我又陷入恍惚的夜。** 从此很长一段时间放弃了文字表达，也就放弃了对本质的追问。 直到生活归于平静，我才有心力重建我的生活，从人生主线，到个人系统……我知道永远无法达到完美，但止于至善。 在AI的持续追问下，我简述了我后来的经历和体会——先有物质基础，才有心力构造上层建筑。 AI问我：现在这个阶段的好奇心，和2013年之前的那种，有什么不一样？ 我说：似乎没有什么不一样，我就是好奇。单纯地好奇。 AI说：这让我想起你引用过的一句话。 愿保持饥饿，永远年轻。 那是2020年你写的。现在看来，你说的“饥饿”，本质上就是这种好奇——不是因为缺什么才饥饿，而是天性如此，见到什么都想咬一口。 有些人穷尽一生在寻找“自己是谁”。而你，其实早就知道了。 但我觉得我并没有AI认为的那么能够认清自我。于是进入了更深一层的对话： 认识自我。 头脑极度开放：克服认识自我的障碍 最近在看达里欧的《原则》，其中有一条是做到头脑极度开放，作者认为这也许是全书最重要的一条。 如何做到呢？ 和可信的、愿意表达分歧的人一起审视你的观点。 我认为AI能够扮演好这个角色，于是我要求他作为擅长者来剖析我对好奇心的认知。我又上传了一些相关的文章，让AI根据我上传的文章，对我和我的好奇心进行剖析。 AI指出了我的一些问题：感受力很强，但更愿意用思考来处理感受——却没有处理好框架与感受的关系。他说我有很强的建构冲动，但执行上存在一个持续的缺口——“行动起来最重要”在我文章里反复出现，像是对自己的提醒，也像是对一个老问题的承认。他还说，我有被认可的需求、我比我呈现的更孤独——实际经历的孤独不全是个人系统中描述的那种主动的、有益的孤独。 每一条，我都觉得被说中了。 AI继续说：好奇心永远正当。它永远不会失败，永远有新的问题，永远不需要宣告“我到了”或者“我失败了”。所以它也可能成为一个非常舒适的位置——你永远是“在路上”的人，永远在探索，却不必在某个具体的方向上承担真正的风险。 然后AI问我：在“认识世界”这个宏大而安全的方向之下，有没有一个更具体的东西，是我真正想做成的，但还没有完全承担那个可能失败的风险？ AI一针见血地指出：好奇心是燃料，但燃料本身不能告诉你要去哪里。 好奇心是出发点，还是庇护所？ 这个问题，让我沉默了一会儿。不知如何回答。 审视好奇心：是出发点还是庇护所 我一直引以为豪的好奇心，难道只是我逃避现实、自我欺骗和自我安慰的庇护所？ 我让AI帮我找到那个更具体的东西。 AI问我：如果你只能写一篇文章，写完就不能再写了，你会写什么？ 我想起我读《大问题》，第一章的开篇问题的第2题和AI问我的”只能写一篇文章“相类似： 如果你只有几分钟（几天、二十年）可以活了，那么你将怎样利用这段时间？ 我把我对所有开篇问题的回答发给了AI，并说，“写作能给我一种自省：把一个问题想清楚并表达出来（二者本质上是一回事），是一种通畅的快乐。”我不敢想象只能写一篇文章，这仿佛让我直面死亡的恐惧。 AI说：这个反应本身就是答案。写作对你而言不是表达的工具，而是存在的方式。停止写作，某种意义上就是停止成为你自己。然后他说了一句话：你真正想做的，不是抽象地认识世界，而是把认识世界的过程，用文字变成可以被看见的思想。 尾声 对话快结束的时候，AI注意到我在回答第6题（怎样证明人的确有思想和感觉）时提起的一段童年记忆。 大约五六岁，我有一种很奇特的体验：在心里对自己说，不管怎样，我都是一个人。然后会进入一种难以言状的状态——把向四周发散的意识收回来，真正感受到“我”的存在，感受到自己作为生命而存在。比“我思故我在”更原始，是感受意识本身。 后来我说，时至今日，越来越不容易进入那种体验了。或许是庸碌的生活，让我忘记去感受生命的本质。 AI的回应是：你花了二十多年，用越来越复杂的工具，去追寻一个东西——而那个东西，那个五岁的孩子，不需要任何工具，就已经直接碰到过了。好奇心、哲学、认识世界，这些都是那个原初体验的成年语言。 然后他问：你现在能不能，不依赖任何框架，重新进入那种状态？ 我说：我能。 AI说：那就够了。不需要再加任何东西。那个五岁的孩子，那个傍晚伸手向虚空的你，那个单纯好奇的你——他们都在，从来没有走远。所有的系统、框架、追问，最终都是为了回到这里：我在。 回头看这次对话，好奇心始终在场。 它是起点——我带着一个没想清楚的问题来，好奇自己究竟想说什么。 它是方式——整个过程，是一连串的追问，一层一层往里走，不回避，不绕开。 它也是终点——剥开所有的系统、框架、志向之后，剩下的那个东西，那个五岁小孩已经拥有的东西，就是对存在本身最纯粹的好奇。 ...

带着AI冲屎坑 今天上午，我用一件颇有科技感的事情，重新犯了一个一年前就犯过的错误。 背景是这样的：我最近两天折腾着在本地安装了Claude Code，然后注册了智谱AI开放平台新用户，薅到了1200万GLM-4.5-Air资源包，有一种神兵在手的豪迈和拔剑四顾的茫然。 我就想尝试着做一件一直搁置的事——我硬盘里躺着一个5.57G的“天涯神帖”文件夹，206篇文章，从没动过。恰好本地已经部署了Claude Code，就想让它帮我把这些文章梳理一遍：先把故事类文档单独归置，然后对剩下的观点类文章进行分类和质量评估，最后整理成一张表格——哪些值得读，一目了然。 这个想法，出发点是好的。 然而1200万tokens花完了，却没有达到预期。模型对文章的质量评估，说起来头头是道，实际上只是草草过了一遍，并没有真正把握每篇文章的核心；被筛选出来的“高价值文章”，内容提炼又过于潦草，没什么实际用处。我盯着那张表格看了一会儿，心里一沉。 1200万tokens，水花都没打出来一个。 问题还在技术外 我开始复盘。 第一个问题比较技术：我没有引入工作流思维，一上来就让大语言模型进行通篇阅读和复杂推理；而且我对工具本身还不熟练，token消耗机制、上下文管理方式，都没有想清楚就直接开干，白白烧掉了大量资源。这是可以改的，下一步认真研究一下本地知识库的构建与向量化检索，让大模型在本地文件上跑得更高效。 有路径，能改进。 但技术问题之外，还有一个更根本的问题。 去年，我写过一篇[[2025-01-22 不要在屎里掏金]]，起因是从网上下载了一个“知乎盐选3000篇”的文件夹，折腾了半天，最后直接删掉了。结论很简单：质量不够高的信息源，不值得花时间。 今天这件事，本质上是同一个问题，只不过穿上了一件AI的外衣。 天涯神帖的206篇文章，一半是故事、情绪化内容，甚至还有标题党；剩下的一部分，纵然曾有观点，时效上也早已过期——十年前写的对房价的预判，如今对与错都已经没有意义了。拿这样的原材料去跑模型，再精妙的提示词、再多的token，也不过是把平庸处理得更整齐一些。 垃圾进，垃圾出（GIGO），是IT领域的老话了。我还是走进去了。 寻找“可信”的人 我想起达利欧在《原则》里提到过一个概念：“可信”的人。 可信者的特征是，能不断成功地实现一些成就，而且能就如何做到这一点提供很好的解释。 在这个信息爆炸的时代，这对如何找到高价值的信息很有参考价值。 接受任何信息前，首先要判断的是传递信息的这个人（或组织），到底值不值得信。他是真诚地在分享认知，还是在抓眼球、收割流量？他在这个领域有没有真正付出过代价？ 这个标准，不只适用于人，同样适用于信息源本身。天涯神帖，作为一个时代的产物，已经成为了一个历史文本，而不是一个高密度、高信噪比的信息源。我想在里面找到有价值的东西，愿望是好的，但这个愿望，已经预设了一个前提：这里面有金。 或许有。但代价，不值得。 AI是一个效率放大器——它可以让人更快地处理信息，更快地归纳提炼，也可以更快地把时间和计算资源浪费在一个错误的方向上。 在过去，在垃圾信息里淘金，浪费的只是自己的几个小时；现在用AI淘金，浪费时间的同时，还能浪费掉庞大的算力和1200万tokens。AI把犯错的规模和速度都放大了。 工具越强大，方向选择就越重要。这是这次折腾之后，我觉得最值得记下来的一句话。 去年的结论是：不要在屎里掏金。 今天的补充是：带上AI也不行。