我读了一千本书，却从来没有真正读懂过一本
一只阿木木约 12 分钟我读了一千本书，却从来没有真正读懂过一本
——"赛博时代的认知进化论"系列 第三篇
2022年的秋天，我参加了一次技术团队内部的架构评审。
评审的主题是：我们的系统要不要引入事件驱动架构（Event-Driven Architecture）。我是这个提案的发起人。我为这次评审准备了将近两周，读了大量相关的文章和书籍，做了一份我认为相当扎实的PPT。
评审开始，我讲完了所有的优势：解耦、异步、扩展性强。
然后我们团队的老宋抬起头，问了我一个问题：
“你说事件驱动能解耦。但我们现在最大的问题是什么？是耦合，还是一致性？”
我愣了三秒。
老宋继续说：“事件驱动确实能解耦，但它同时会让你的数据一致性问题变得极其复杂。如果我们现在最大的问题是一致性——引入事件驱动，是在解决问题，还是在制造更大的问题？”
那次评审，我的提案没通过。
回到工位，我重新翻开了我读过的那些资料。那些资料里，其实有好几处提到了事件驱动架构的一致性挑战。我读过，我也做了笔记。
但我只读了"它能做什么"，我没有读"它不能做什么"，以及"它和我当前的问题之间，究竟是什么关系"。
我读了很多东西，但我只是在收集观点，而不是在回答一个问题。
这件事让我开始重新审视一个我以为自己早就掌握的技能：阅读。
然后我重新翻开了一本我五年前读过、但其实从来没有真正读懂的书：
《如何阅读一本书》（How to Read a Book），作者，莫提默·艾德勒（Mortimer J. Adler）。
一、一个1940年的洞察，让我意识到我从未真正读过书
这本书第一版出版于1940年。在互联网出现之前将近半个世纪。
但艾德勒在书里描述的那个问题，和今天我们面对的问题，几乎一模一样：
信息太多，理解太少。
他把阅读分成了四个层次：
第一层：基础阅读（Elementary Reading） 认识字，能读通句子。大多数成年人都在这一层以上，但你可能没想到，很多人在读专业书籍时，其实还停留在这一层——他们认识每一个字，但不理解这个字在这个语境里的真正含义。
第二层：检视阅读（Inspectional Reading） 在有限时间内，快速判断一本书说的是什么，值不值得精读。艾德勒给了一个具体的方法：先读书名、副标题、目录、序言，然后随机翻几页，读最后两三页。用十五分钟到一小时，对这本书建立一个框架性的认知。
第三层：分析阅读（Analytical Reading） 把一本书读透。不只是理解作者说了什么，还要理解他为什么这么说，他的论证是否成立，他的前提是什么，他的结论你是否同意。这是大多数人认为的"认真读书"，但艾德勒说，这还不是最高层次。
第四层：主题阅读（Syntopical Reading） 带着一个具体的问题，同时阅读多本书。让来自不同时代、不同领域、甚至观点相互对立的作者，围绕同一个问题展开讨论。
艾德勒说，主题阅读是最主动、最费力，也是唯一真正能让你形成独立观点的阅读方式。
然后他说了一句让我读到之后久久无法释怀的话——
大多数人一辈子都没有做过一次真正的主题阅读。
我第一次读到这句话，感觉有点刺。
因为我以为我读了很多书，我以为我在认真学习。但仔细想想，我的阅读方式，几乎全是第三层——我把一本书读透，然后换下一本书，再把那本读透。
每一本书，我都是单独和它对话。
但我从来没有让这些书相互对话。
我在架构评审上犯的错误，根源正在这里。我读了很多关于事件驱动的内容，但我从来没有带着"什么情况下事件驱动是错误的选择"这个问题，去把这些内容和其他内容放在一起审视。
我有一堆答案，但我缺少一个问题。
没有问题驱动的阅读，是知识的收藏，不是知识的构建。
二、主题阅读为什么这么难，以至于几乎没有人真正做过
艾德勒在书里描述了主题阅读的操作步骤，但他也坦率地承认：这件事非常困难，因为它需要解决三个几乎不可能同时解决的问题。
第一个问题：你不知道该读哪些书。
主题阅读的前提，是找到所有与你的问题相关的材料。但在你真正开始深入阅读之前，你其实不知道哪些材料是真正相关的。这是一个先有鸡还是先有蛋的困境。
第二个问题：不同的作者用不同的语言说同一件事。
一个经济学家谈"信息不对称"，一个程序员谈"接口隐藏"，一个心理学家谈"认知闭合需要"，他们可能在说非常相似的东西，但如果你不能把这些不同的语言翻译成同一套词汇，你就无法让他们真正对话。
第三个问题：你很难不被某一本书的观点所主导。
当你在做主题阅读时，你往往先读了某一本书，这本书的框架就会开始影响你理解后续所有书籍的方式。你以为你在进行多方对话，但实际上你只是在用第一本书的视角解读所有其他书。
这三个问题，让主题阅读在实践中极其费力，费时，而且极容易失败。
我自己尝试过两次。
第一次，我想搞清楚"分布式系统中的一致性问题"。我列了一个书单，有七本书。读到第三本，我发现我已经完全忘了第一本说了什么。
第二次，我想搞清楚"为什么好的系统设计那么难"。我只找到了两本觉得直接相关的书，然后就陷入了"还有什么书是相关的"的焦虑里，迟迟无法真正开始。
两次尝试，都以失败告终。
然后AI出现了。
三、一次真实的主题阅读实验
在告诉你我如何用Obsidian和AI实践主题阅读之前，我想先带你看一次完整的、真实的过程。
不是最完美的那次。是最能说明问题的那次。
那次评审失败之后，我给自己提了一个问题：
“什么时候应该引入新的架构复杂度，什么时候不应该？”
我把这个问题写在了Obsidian的一个新笔记里，标题就是这个问题本身。然后我做了第一步：
我打开AI，输入了这个Prompt：
text
1 2 3 4 5 6 7 8 9 我是一个后端程序员，正在研究一个问题：
"什么时候应该引入新的架构复杂度，什么时候不应该？"
请帮我做两件事：
1. 这个问题可能在哪些不同的领域里有相关的讨论？
（不只是技术领域，包括管理学、认知科学、哲学等）
2. 每个领域里，有没有特别值得参考的具体书籍或概念？
给我清单就好，不需要展开。
AI给我列了一张清单。
技术侧：《架构整洁之道》《人月神话》《Designing Data-Intensive Applications》。
管理学侧：《精益创业》里的"过早优化"概念，《奈飞文化手册》里的"复杂度税"。
认知科学侧：卡尼曼的"系统2"认知负荷理论。
哲学侧：奥卡姆剃刀原则，以及一个我完全没想到的方向——尼采关于"生命意志与复杂性"的讨论。
我盯着这张清单看了一会儿。
管理学和认知科学我能理解。但尼采？我的直觉告诉我这个连接有点牵强。但我没有立刻否定它，我在旁边打了一个问号，继续往下走。
然后我做了艾德勒说的检视阅读——但用AI来加速它。
对于清单上每一本我还没读过的书，我让AI帮我做一个两分钟版的检视阅读：
text
1 2 3 4 5 6 7 请用检视阅读的方式，帮我了解《人月神话》。
我不需要内容总结，我需要：
1. 这本书要回答的核心问题是什么？
2. 它提出的最重要的一个反常识论断是什么？
3. 它的结论对我的问题（"什么时候应该引入架构复杂度"）有没有直接相关的部分？
三点就够，每点两句话。
这个过程，我对清单上的八本书/概念，做了八次这样的检视。
用了大约四十分钟，我对每一本书在我的问题上的立场，有了一个粗略但真实的判断。我把每本书的核心立场，都写成了一条原子笔记，放进了Obsidian，然后把它们全部双链连接到"什么时候应该引入新的架构复杂度"这个主节点笔记上。
现在，最关键的一步来了。
我打开AI，把这八条笔记的核心立场全部粘贴进去，然后输入了这个Prompt：
text
1 2 3 4 5 6 7 8 9 10 以下是我整理的，来自不同领域的八个观点，
它们都在尝试回答同一个问题：
"什么时候应该引入复杂度，什么时候不应该？"
[粘贴八条笔记的核心立场]
请帮我做一件事：
让这八个观点相互对话。
找出它们之间最尖锐的矛盾点是什么。
不需要调和这些矛盾，只需要把矛盾挑明。
AI给了我三个矛盾点：
矛盾一： 《架构整洁之道》认为复杂度应该被提前设计和控制，但《精益创业》认为过早引入架构复杂度是创业公司死亡的主要原因之一。——到底是"提前规划"还是"延迟决策"？
矛盾二： 卡尼曼的认知负荷理论说，复杂度会消耗人的认知资源，降低决策质量。但《DDIA》里某些章节暗示，系统的复杂度有时候是无法被消除的，只能被转移——消除了一个地方的复杂度，另一个地方就会变得更复杂。——复杂度是可以被消灭的，还是只能被搬家？
矛盾三： 奥卡姆剃刀说，在能解释问题的所有方案中，选最简单的那个。但《人月神话》里有一个著名的论断：没有银弹——软件的本质复杂度无法被消除，任何简化方案都只是在简化偶然复杂度，不是本质复杂度。——简单，到底是一种美德，还是一种幻觉？
我盯着这三个矛盾看了很长时间。
然后我意识到一件事：
这三个矛盾，其实是同一个更深层的矛盾的三种表现形式。
真正的问题不是"什么时候引入复杂度"，而是：
“我们能不能区分本质复杂度和偶然复杂度？如果不能，我们所有的’简化’，都只是在自欺欺人。”
这个洞察，不在任何一本书里。
它是这些书相互碰撞之后产生的一个新东西。
我回头想起了那次评审。
老宋的那个问题——“我们现在的问题是耦合还是一致性”——本质上是在问：事件驱动架构能帮我们消除的，是本质复杂度，还是偶然复杂度？
如果我在那次评审之前做过这次主题阅读，我不会无法回答这个问题。
四、可以复用的主题阅读工作流
让我把这套过程整理成一个可以直接复用的SOP。
但在给你步骤之前，我要说一件重要的事：
主题阅读的起点，必须是一个真实的问题，而不是一个主题。
"我想了解微服务"不是一个问题，这是一个主题。 “我们的系统现在有多个服务共享同一个数据库，这会带来什么问题，怎么解决”，这是一个问题。
没有真实问题驱动的主题阅读，你只是在换一种方式囤积知识。
Step 1：在Obsidian里建立"问题节点"
当你遇到一个真实的、让你困惑的问题，在Obsidian里为它建一条笔记。
格式如下：
Markdown
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 # [你的问题——用完整的问句写，不要用关键词]
## 问题的来源
这个问题是怎么产生的？是什么具体的事情让你开始困惑？
（越具体越好，最好有场景）
## 我目前的直觉答案
在读任何东西之前，你现在直觉上的答案是什么？
（先把直觉写下来，后面可以用来对比你读完之后的变化）
## 相关材料（待填充）
## 各方观点（待填充）
## 矛盾点（待填充）
## 我目前的结论（待填充）
## 还没解决的问题（待填充）
最后一栏"还没解决的问题"，是整个笔记最重要的部分。
好的主题阅读不会消灭你的困惑，它会把一个模糊的困惑，变成几个清晰的、更深层的困惑。
Step 2：用AI扩展你的材料范围
把你的问题发给AI，用这个Prompt：
text
1 2 3 4 5 6 7 8 9 10 11 12 我正在研究一个问题：[你的问题]
请帮我做两件事：
第一，告诉我这个问题在哪些意想不到的领域里可能有相关讨论。
（重点是"意想不到"，技术领域的我自己会找，
我需要的是心理学、哲学、历史、生物学等跨领域的视角）
第二，每个领域给我一个最值得参考的具体概念或书籍，
并用一句话说明它和我的问题的关联。
不需要超过5个领域。
把AI给你的清单，填入"相关材料"栏。
然后，加上你自己已有的材料。不要只依赖AI的推荐，你自己的阅读经历里可能有比AI推荐更相关的东西。
Step 3：用AI加速检视阅读
对于你不熟悉的材料，用这个Prompt做快速检视：
text
1 2 3 4 5 6 7 8 9 10 请帮我用检视阅读的方式了解[书名/概念]。
我的问题是：[你的问题]
我需要：
1. 这本书/这个概念的核心论断是什么？（一句话）
2. 它对我的问题，持什么立场？（支持、反对、还是提供了一个新的维度？）
3. 它最有价值的一个具体论证或案例是什么？
三点，每点不超过三句话。
把每本书的回答，整理成独立的原子笔记，双链连接到你的问题节点。
Step 4：让AI当"辩论主持人"
当你收集了至少三到四个不同的观点之后，用这个Prompt：
text
1 2 3 4 5 6 7 8 9 10 11 以下是我收集的，来自不同领域的观点，
它们都在试图回答同一个问题：[你的问题]
[粘贴各方观点]
请扮演一个辩论赛主持人：
1. 找出这些观点之间最尖锐的矛盾（不超过3个）
2. 对于每个矛盾，给出最能代表两方立场的一句话
3. 不要调和这些矛盾，不要给出你的答案
我需要的是清晰的矛盾，不是和稀泥的综合。
把AI找出的矛盾，填入"矛盾点"栏。
然后，这些矛盾是你自己思考的起点，不是终点。
Step 5：写下你自己的结论——包括你还不知道的部分
这是最难的一步，也是最重要的一步。
艾德勒在书里说，主题阅读的最终目标，不是找到一个所有人都同意的答案，而是让你形成一个你自己的、有根据的立场。
用这个格式写你的结论：
Markdown
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 ## 我目前的结论
基于以上材料，我目前的立场是：
[用自己的话写，不要引用任何人]
这个立场和我最初的直觉相比：
- 被确认的部分：
- 被推翻的部分：
- 被复杂化的部分：
## 还没解决的问题
做完这次主题阅读，我还是不知道：
1.
2.
3.
“被复杂化的部分”，是整个主题阅读里最有价值的产出。
一个问题在你开始之前是简单的，做完主题阅读之后变得更复杂了——这不是失败，这是进步。真实的问题从来都不简单，你之前的"简单"只是因为你看得不够深。
写在最后
艾德勒写《如何阅读一本书》的时候，这个世界的信息总量，大概是今天的千分之一都不到。
他已经在担心人们读太多、理解太少了。
如果他活到今天，看见我们的信息流、我们的收藏夹、我们的Obsidian库，他会说什么？
我猜他会说同一句话，只是语气会更重：
你们读了太多，但你们提出的问题太少了。
主题阅读的本质，不是一种阅读技巧，它是一种认识论的立场：
你不是知识的接收者，你是知识的审问者。
那些书，不是来告诉你答案的。你把它们召集过来，是为了审问它们，让它们在你面前相互质疑，直到真正重要的矛盾浮现出来，然后你自己做出判断。
但我在用这套方法做了将近一年的主题阅读之后，开始有一个隐隐的不安：
艾德勒说，主题阅读要求你主动地、有意识地抵制任何一本书对你的控制，保持独立判断。
但当我越来越依赖AI来帮我找矛盾、总结立场的时候，我是在增强我的独立判断，还是在悄悄地把判断外包给了AI？
AI找出的那三个矛盾，是真实存在于那些书里的矛盾。
但那些AI没有找出来的矛盾，是因为它们不存在，还是因为AI不擅长找它们？
如果是后者，我所做的所有"主题阅读"，都在AI的视野边界之内。
我一直以为我在审问那些书。
但也许，我只是在AI允许我审问的范围内，进行了一场精心安排的庭审。
下一篇预告：
《思维的熵减：用KCS方法论与AI打造"不用维护"的知识库》
——你有没有遇到过这种情况：翻出一年前写的笔记，发现里面的观点已经是错的，但你不知道它什么时候开始错的？一个从不腐烂的知识库，是怎么做到的？