AI 两年，到底什么变了

AI 两年，到底什么变了

这是这个系列的最后一篇。

前面五篇分别聊了：AI 时代的理解错觉、费曼学习法的真实体验、用一周入门一个新领域、笔记系统的演变过程、精读一本书的完整流程。

写完这五篇之后，我问了自己一个问题——

如果把所有的方法、工具、技巧都放到一边，这两年「认真学习」的经历到底改变了我什么？

不是改变了我的笔记数量。不是改变了我的 Obsidian 配置。不是改变了我用 AI 的 Prompt 模板。

是改变了我这个人的什么。

想了很久。

答案不是一个清晰的、可以写成三个要点的结论。它更像是一组缓慢发生的、我自己在经历过程中不太容易察觉到的变化。

这篇文章就试着把这些变化说出来。

变化一：我对「我懂了」这三个字变得非常警惕

两年前，我对自己的理解力是有一种盲目信任的。

那时候我读完一篇文章或一本书，如果读的过程很顺畅，我会自然地觉得「嗯，我懂了」。然后移步下一篇、下一本。

我不会停下来验证这个「懂了」。为什么要验证？读的时候每句话都看明白了啊。

现在我知道了——读的时候「看明白」和真正「理解」之间，隔着一段距离。这段距离你不去走，你永远不会发现它的存在。

这是流畅性错觉。第一篇文章详细讨论过。

但我想说的不是这个概念本身。我想说的是，意识到这个问题之后，我的日常体验发生了一个微妙的变化——

我变得不那么容易「觉得自己懂了」了。

以前看完一段解释，第一反应是「明白了」。

现在看完一段解释，第一反应变成了一个轻微的犹豫——「等等，我真的明白了吗？」

这个犹豫不是焦虑。它更像是一种习惯性的自我检查。就像你出门时摸一下口袋确认带了钥匙——不是因为你焦虑，而是因为你知道自己有时候会忘。

大多数时候，这个犹豫很快就过去了——因为要么那个内容确实简单我确实理解了，要么那个内容对我不重要没必要深究。

但偶尔，这个犹豫会让我停下来。然后我会做一个小动作：试着在脑子里用自己的话复述一遍刚才读到的东西。

能复述出来，就真的过了。

复述不出来——或者只能说出一些碎片——就说明我的「明白了」是假的。

这个习惯不需要任何工具。不需要 Obsidian，不需要 AI，不需要模板。它只是一个持续了大约两秒钟的内心动作。

但这两秒钟改变了我吸收信息的方式。

它让我从一个「高速消费信息」的人，变成了一个「偶尔会停下来检查理解」的人。

消费的数量下降了。但留下来的东西变多了。

我想诚实地补充一点：这个习惯不是100%运转的。

我每天接触的信息量很大——公众号文章、播客、新闻、工作邮件、和同事的对话——我不可能对每一条信息都做「理解检查」。大部分信息还是一扫而过的。

这个习惯更多地在特定场景下被激活——当我在学一个我关心的新概念时，当我在准备一个分享时，当我在和别人讨论一个我声称自己「知道」的话题时。

在这些场景下，那个轻微的犹豫会浮现。它不是一个强迫性的焦虑，更像是一个温和的提醒：你可能没有你以为的那么懂。

这个提醒，两年来帮我避免了不少在别人面前「自信地说错」的尴尬。

变化二：我和「不知道」的关系变了

这个变化可能是最根本的。

两年前，「不知道」对我来说是一件需要隐藏的事。

如果别人在对话中提到一个我不熟悉的概念，我的第一反应通常是含糊地点头，或者用一些模糊的措辞掩饰——「嗯，这个我大概了解一些」「对对，好像之前看到过」。

不是因为虚伪。而是因为在大多数社交场合里，「不知道」隐约等于「落后」「无知」「跟不上」。承认不知道有一种心理成本。

现在不太一样了。

现在别人提到一个我不知道的概念，我更倾向于直接说：「这个我不太了解，能简单说说吗？」

这个变化不是因为我变得更勇敢了。而是因为费曼学习法反复地、持续地把「不知道」转化成了一种有用的信息——

每次我做费曼输出时遇到「说不出来」的地方，那个「说不出来」不再是一种失败。它变成了一个精确的信号，告诉我接下来应该把注意力放在哪里。

当「不知道」从一种令人羞愧的状态变成一种有用的信号时，你就不再需要隐藏它了。

第三篇文章里记录过一个场景——我在学行为经济学时，对「代表性启发式」连续两天都搞不明白。如果是两年前的我，可能会含糊地写一条「代表性启发式就是根据像不像来判断」然后赶紧移步下一个概念，假装自己已经懂了。

但那次我没有。我在笔记上写了「⚠️ 这个概念还没搞清楚」，然后让它暂时悬在那里。

两天后我换了一个角度重新理解它，才真的搞明白。

在那两天里，「不知道」的状态并不舒服。但它是真实的。

我越来越觉得，一个人的学习质量，很大程度上取决于他能在「不知道」的状态中待多久而不逃跑。

逃跑的方式有很多——假装自己懂了、含糊地复述一个定义、赶紧翻到下一章、用AI查到一个答案然后立刻关掉窗口。这些都是在逃离「不知道」的不适感。

但如果你能多待一会儿——多问一个问题、多想一个角度、多试着解释一次——往往就是在那个多待的「一会儿」里，理解发生了。

有一个相关的变化值得一提。

我在工作中也开始更频繁地说「这个我不太确定」「我需要再想想」「这个问题我目前没有好的答案」。

两年前我会觉得在会议上说这些话显得不专业。现在我觉得恰恰相反——在你不确定的时候假装确定，才是最不专业的行为。 因为它会导致基于错误理解的决策。

当然，这取决于你的工作环境。有些环境确实不鼓励承认不确定性。但至少在我目前的环境中，说「我不确定」并不会降低别人对你的评价——反而会因为你的诚实和审慎而增加信任。

变化三：我对「学习速度」的焦虑消失了

两年前，我有一种强烈的感觉——我学得太慢了。

看到别人一年读100本书、一周学一门新技能、每天都在分享新知识——我觉得自己在被甩开。世界变化这么快，新东西这么多，我怎么学都学不过来。

这种焦虑驱动了我最初的那些「高效学习」尝试——疯狂收藏文章、同时读好几本书、笔记库追求数量。

那段时期我「学习」的速度确实很快。但如果你用「我能独立解释多少个我声称'学过'的概念」来衡量，答案是——非常非常少。

高速度 + 低留存 = 原地踏步的错觉。

你觉得自己走了很远。但你只是在转圈。

现在这种焦虑基本上消失了。

消失的原因不是我变得更快了——恰恰相反，按照「接触信息的数量」来衡量，我现在比两年前「慢」得多。我一年只精读两三本书。每个月只深度学习十几个概念。我的信息消费量大幅下降。

焦虑消失的真正原因是——我找到了一个我信任的标准来衡量「我到底在不在进步」。

这个标准不是信息的输入量（我读了多少）、不是笔记的数量（我记了多少）、不是工具的复杂度（我的系统多强大）。

这个标准是：「我能用自己的话解释多少个我学过的概念？」

如果这个月我能解释的概念比上个月多了三五个，那我就是在进步。

如果这个月我对某个老概念的理解比上个月更精确了——从 v2 迭代到了 v3——那也是在进步。

这个标准很朴素。但它有一个巨大的优点：它不依赖和别人的比较。

别人一年读100本书和我无关。重要的是我今年比去年多理解了多少个概念、多看清了多少个之前模糊的问题。

当你的进步标准从「和别人比」变成「和过去的自己比」时，焦虑就失去了着力点。

这里我想说一段可能有些争议的话。

我觉得「知识焦虑」这个说法本身就有问题。

当人们说「我有知识焦虑」的时候，他们通常的意思是：「有太多东西要学，我学不过来，我很焦虑。」

但如果你仔细想想——世界上的知识总量一直是远远超过任何个人能掌握的量的。这在100年前是这样，在今天也是这样。信息量增加了，但「学不过来」这件事从来就没变过。

那为什么现在人们对此特别焦虑呢？

我觉得一个重要的原因是：现代信息环境让你对「你不知道的东西」的感知变得异常清晰。

以前你不知道量子力学，你也不知道别人在讨论量子力学。所以你对自己的无知是无感的。

现在你打开手机，看到别人在讨论量子力学、在讨论区块链、在讨论具身智能——你不知道的东西被一条条推送到你面前。每一条推送都在提醒你：这个你不懂，那个你也不懂。

不是你的无知增加了。而是你对自己无知的感知增加了。

这种感知本身不是坏事——知道自己不知道什么，总比不知道自己不知道什么好。

但如果你对它的反应是「我必须把所有不知道的都学会」，那你就会陷入一个不可能完成的任务，然后产生焦虑。

我现在的反应变了。

看到一个我不懂的话题时，我的第一反应不再是「我应该学一下」，而是——

「这个话题，我需要深度理解吗？还是知道它的存在就够了？」

大多数时候，答案是后者。

世界上99%的知识，你只需要知道它的存在。你不需要理解它。当你某天真正需要用到它的时候，你可以花时间去学。但在那之前，它就是一个你知道自己不知道的标签——这就够了。

只有极少数知识——和你的工作、思考、决策直接相关的那些——值得你花时间深度理解。

区分这两类知识的能力，比任何学习方法都重要。

因为如果你不做这个区分，你就会把有限的认知能量平均撒在无限多的话题上——结果是每个话题都学了一点点，没有一个话题真正学透。

这就是第二篇文章里说的：费曼学习法不是用来学「更多」的。它是用来把少数真正重要的东西学「透」的。

变化四：我开始相信「慢就是快」——但这很难

「慢就是快」是一句常见的鸡汤。

在我真正体验到它之前，我一直觉得它是一种安慰——安慰那些学得慢的人：没关系，你慢但你深嘛。

但现在我确实体验到了一些支持这个说法的真实证据。

举个例子。

去年我用了大约两周时间（总计十几个小时）精读了《系统之美》——这在第五篇文章里详细记录了。

如果只看那两周的「效率」，我的表现很差：两周只吃透了一本书。我的一些朋友同一时间段可能看了三四本。

但在精读之后的几个月里，「系统思维」这个框架在我的工作和思考中反复发挥作用——

有一次团队在讨论为什么某个用户增长策略短期有效但长期失效，我能用「反馈回路」和「延迟」的概念给出一个结构化的分析。

有一次朋友向我抱怨他减肥总是反弹，我能用「存量与流量」的框架解释为什么一次性节食（改变存量）不如改变饮食习惯（改变流量）有效——虽然我不是营养学专家，但系统思维提供了一个有用的分析角度。

有一次我自己在做一个决策时，下意识地开始想：这个选择会产生什么反馈效应？三个月后会不会出现我现在没想到的副作用？

这些「调用」不是我刻意去做的。它们是自然发生的——因为「系统思维」这个概念已经不在我的笔记里了，它在我的脑子里。

而那些我快速浏览过的四十多本书呢？说实话，它们中的大多数我已经记不清内容了。 有些我连书名都不确定了。它们在我的阅读记录里占了一行，但在我的思维里几乎没有留下痕迹。

所以从「最终产出的价值」来衡量——

花两周精读的那一本书，给我提供了持续几个月（也许更长）的思维工具。

花同样两周快速浏览的四五本书，给我提供了……大概几周内在聊天时说一句「我最近看了这本书」的谈资。

两周换来几个月的思维工具 vs 两周换来几周的谈资——哪个「快」？

从长时间尺度看，「慢」的方式反而有更高的投入产出比。

但我也必须说：「慢就是快」在很多时候是反人性的。

因为「慢」的回报是延迟的、不确定的、不可见的。

你花两周精读一本书的时候，你不知道它未来会不会在某个场景下被你用到。你甚至不知道你会不会记住它。你只能「赌」它会产生长期价值——但这个赌的回报可能在几个月后才出现。

而「快」的回报是即时的、确定的、可见的——你读完了！你的阅读列表又划掉了一本！你的 Goodreads 上的年度阅读数又加一了！

在即时反馈和延迟反馈之间，人类的大脑天然地偏好前者。这就是行为经济学中讨论的「时间折扣」——未来的价值在心理上被自动打折。

所以即使我在理性上相信「慢就是快」，在实践中我还是经常忍不住加速——跳过费曼输出、省略 AI 追问、快速翻完一本书然后赶去下一本。

我没有完全克服这种冲动。我只是比两年前更能觉察到它。

觉察到的时候，我有时候能让自己慢下来。有时候不能。

这不是一个「我已经完全改变了」的成功故事。这是一个「我在持续和自己的习惯对抗，有时候赢有时候输」的过程。

变化五：我对知识的「存储位置」不再执着

两年前，我有一种执念——所有重要的知识都应该被记录在我的笔记系统里。

如果我学到了一个好的概念但没有记下来，我会感到一种隐隐的不安——好像知识漏掉了，好像我浪费了一次学习机会。

这种执念驱动了我早期的「疯狂记录」行为——什么都记，什么都存，笔记库越来越大，但真正有用的笔记越来越难找到。

现在这种执念淡了很多。

原因是我慢慢意识到了一件事：知识不只存在于笔记里。它也可以存在于你的思维方式里。

有些知识被记录在 Obsidian 中，我可以随时搜索和回顾。这些是「外部存储」的知识。

有些知识没有被记录在任何地方——但它们改变了我看问题的方式。比如「系统思维」的框架，即使我不打开笔记，它也会在我分析问题的时候自然浮现。这些是「内化」的知识。

还有一些知识，我既没有记录也没有内化——但我知道如果需要的话可以快速找到它们（通过搜索、通过 AI、通过问人）。这些是「可获取」的知识。

三种存储位置各有各的价值，不需要把所有东西都塞进同一种。

需要精确记住细节的知识（比如一个概念的准确定义、一个研究的具体数据）→ 适合外部存储（笔记）。

需要在实际场景中快速调用的知识（比如一个分析框架、一种思考方式）→ 适合内化（通过费曼输出和反复使用）。

偶尔才用到的知识（比如某个编程语法、某个历史事件的年份）→ 适合保持「可获取」状态（知道去哪里找就行）。

不是所有知识都需要被记在笔记里。也不是所有知识都需要被内化到脑子里。

明确这一点之后，我记笔记的压力小了很多。我不再觉得「每次学到东西都要记下来否则就浪费了」。有些东西，看过、想过，就够了。如果它真的重要，它会在未来的某个时刻再次出现——到时候你再决定是否要深入。

变化六：我开始把「输出」当作学习的一部分，而不是学习之后的事

这个变化听起来很抽象，但它在实际操作中的影响很大。

两年前的我对学习和输出的理解是线性的——

text

第一步：输入（读书、听课、看文章）
第二步：消化（思考、理解）
第三步：输出（写文章、做分享、教别人）

在这个线性模型里，「输出」是最后一步。你得先「学够了」才能输出。

所以我一直在等——等到我觉得自己对某个主题「理解得足够深」了，再去写。

结果就是：我一直在等。因为「足够深」是一个不断后退的标准——你越学越觉得自己知道的少，你就越觉得「还没准备好输出」。

费曼学习法颠覆了这个线性模型。

它让我意识到：输出不是学习之后的事。输出本身就是学习。

当你试着用自己的话解释一个概念时，你不只是在「展示」你的理解。你在「构建」你的理解。写的过程中你会发现盲区、会产生新的连接、会找到更精确的表达方式——这些都是在输出过程中发生的认知活动。

所以学习和输出不是先后关系，而是交替进行的关系——

text

输入 → 初步理解 → 输出（发现盲区）→ 补充输入 → 更深理解 → 再次输出 → ...

这个认识改变了我的行为模式。

以前我等到「准备好了」才写。
现在我在「还没准备好」的时候就开始写——正因为没准备好，写的过程才能帮我发现我需要准备什么。

这篇系列文章本身就是一个例子。

我在写这六篇文章之前，并不是对所有话题都有了清晰的、完整的想法。很多想法是在写的过程中才成形的。

比如第二篇文章里关于「表演性学习」的讨论——费曼输出可能变成一种走形式的表演——这个概念是我在写那篇文章的过程中才第一次清晰地意识到的。之前我模模糊糊地感觉到了这个问题，但直到试着用文字把它表达出来，它才变成了一个我能够思考和讨论的概念。

写作不是思考的记录。写作是思考的发生。

这是我从两年的费曼输出实践中获得的、也许最有实际价值的一个认识。

如果你正在等「想清楚了再写」，你可能会等很久。

试试反过来：先写，在写的过程中想清楚。

什么没有变

说了很多「变了」的东西。为了诚实，也说说什么没有变。

没有变的事 #1：我还是会犯我知道不应该犯的错误。

我知道「看完 AI 的回答就关掉」大概率什么都留不住。但我大部分时候还是这么做的。

我知道费曼输出应该「先写后查」。但我经常忍不住先查了再写。

我知道笔记写完后应该定期回顾。但我的回顾频率一直很低。

知道一件事是对的，和持续做到这件事，之间有一条巨大的鸿沟。

两年的实践没有帮我消除这条鸿沟。它只是帮我缩小了一点点——也许从「10%的时候做到」变成了「30%的时候做到」。

这个30%和100%之间还有很远的距离。

但30%比10%好。而10%比0%好。

进步不需要是全有或全无的。做到一点就比不做好。

我对自己说这句话——不是作为安慰，而是作为一个策略。因为如果我要求自己100%做到，我大概率会在失败后彻底放弃。而如果我接受「做到30%已经有价值」，我就更可能持续做下去。

没有变的事 #2：我还是会有知识焦虑。

虽然前面说焦虑「消失了」，但更准确的说法是——它从一种持续性的背景焦虑变成了偶尔发作的阵发性焦虑。

刷到一个别人做的很厉害的项目时——「他怎么什么都会？」

看到一个新技术的讨论完全看不懂时——「我是不是已经落后了？」

这些念头还是会冒出来。

区别是：两年前，这些念头会驱动我去「赶紧学」——打开一个新标签页、收藏一篇文章、买一本书——用行动来缓解焦虑。

现在，我更多地只是让这些念头来、然后让它走。不做反应。

因为我知道——由焦虑驱动的学习通常是浮浅的。你不是因为真正好奇才去学，而是为了让自己「不再焦虑」才去学。这种学习的动机不对，方式通常也不对（往往是快速浏览而非深度理解），效果自然也不好。

由好奇驱动的学习 vs 由焦虑驱动的学习——看起来一样（都在看书、查资料），但内在动力和最终效果完全不同。

我现在试着只在好奇的时候学，不在焦虑的时候学。

不总是能做到。但至少在做之前会多问自己一句：我是因为好奇才想学这个，还是因为看到别人在讨论而焦虑？

没有变的事 #3：我对这一切到底有没有用，仍然不完全确定。

这句话可能让你意外——写了六篇文章分享学习方法的人，居然不确定这些方法有没有用？

但这是真实的。

我说的「不确定」不是指「也许完全没用」。我能观察到一些具体的变化——我确实能解释更多概念了、我的笔记确实比以前有价值了、我在工作中确实偶尔能调用新学到的框架了。

我不确定的是：这些变化有多少是因为方法的作用，有多少只是因为我花了更多的时间和注意力在学习上？

如果一个人每天认真学习一小时——不管用什么方法——两年后他大概率也会有显著的进步。

也许费曼输出、AI 追问、Obsidian 记录这些做法确实放大了学习效果。但放大了多少？是2倍还是1.2倍？我不知道。我没有一个平行宇宙的对照组——一个「用同样的时间学习但不用这些方法的我」——来做比较。

我能确定的只是：这些方法让我的学习过程感觉更踏实了。 以前学完一个概念后心里是虚的——「我好像懂了？」。现在心里更实一些——因为我做了费曼输出，我知道哪些部分我确实理解了，哪些部分还是模糊的。

这种「踏实感」本身也许就是最大的价值。即使方法的效果只是心理安慰剂——但如果这个安慰剂让你更愿意持续学习，它就是有用的。

不过我不觉得它只是安慰剂。我觉得它有实际的效果。但我承认，我没有严格的证据来证明这一点。

如果你读完了这六篇文章

你现在对费曼学习法、AI 辅助学习、Obsidian 知识管理有了一个基于真实实践的了解。不是理论框架，不是最佳实践指南，而是一个人在两年里真实做了什么、遇到了什么、什么有用什么没用的记录。

如果你从这六篇文章中只带走一个东西——

不是费曼学习法的四个步骤。
不是某个 AI Prompt 模板。
不是 Obsidian 的某个配置方案。

我希望你带走的是这个：

下次你读完一段文字、看完一个视频、听完一个解释之后——在你划走之前——停一秒钟，问自己：如果我现在关掉这个页面，我能用自己的话说出刚才的核心意思吗？

如果能——说明你可能真的理解了。

如果不能——至少你知道了。

知道自己不知道。这是所有学习的起点。

不需要任何工具。不需要任何系统。不需要任何准备。

一秒钟的停顿。一个诚实的自问。

从这里开始就够了。

后记

写完这六篇文章，总字数大概五万多字。前后花了——嗯，比我预期的要久得多。

写的过程本身也是一次费曼实践。很多想法是在写的过程中才第一次变得清晰的——比如「表演性学习」的问题、比如知识的三种存储位置、比如由焦虑驱动和由好奇驱动的学习之间的区别。

如果我不写这些文章，这些想法可能一直以模糊的形式留在我脑子里，永远不会变成可以被审视和讨论的概念。

这大概就是输出的价值。

不是为了给别人看。虽然如果你看了觉得有些帮助，我很高兴。

但更根本的动机是——写本身帮我想清楚了一些我原本没想清楚的事。

如果将来回头看这六篇文章，发现其中有些观点我已经不同意了——那说明我又进步了。

那就到时候再写。

如果你看完了全部六篇——首先，谢谢你的时间。五万多字不是一个小数目。

其次，如果你打算开始做一些什么——哪怕只是下次读完一段话之后试着用自己的话复述一下——我很好奇你的体验。不需要是「成功经验」。卡壳了、放弃了、觉得没用——这些都是有价值的信息。对你有价值，对我也有。

因为我也还在学。还在犯错。还在不确定。

但至少现在我对「不确定」这件事，比两年前更坦然了一些。

这大概就是进步吧。

请点击了解详情 →