惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Cyberwarzone
Cyberwarzone
Recent Announcements
Recent Announcements
D
DataBreaches.Net
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
博客园 - 聂微东
博客园 - 【当耐特】
aimingoo的专栏
aimingoo的专栏
N
Netflix TechBlog - Medium
V
Visual Studio Blog
The GitHub Blog
The GitHub Blog
Blog — PlanetScale
Blog — PlanetScale
Engineering at Meta
Engineering at Meta
L
LangChain Blog
The Cloudflare Blog
Y
Y Combinator Blog
AI
AI
P
Palo Alto Networks Blog
美团技术团队
有赞技术团队
有赞技术团队
I
Intezer
Last Week in AI
Last Week in AI
Know Your Adversary
Know Your Adversary
D
Darknet – Hacking Tools, Hacker News & Cyber Security
NISL@THU
NISL@THU
博客园 - 三生石上(FineUI控件)
MongoDB | Blog
MongoDB | Blog
S
Schneier on Security
IT之家
IT之家
博客园 - 司徒正美
A
Arctic Wolf
罗磊的独立博客
雷峰网
雷峰网
Vercel News
Vercel News
SecWiki News
SecWiki News
AWS News Blog
AWS News Blog
GbyAI
GbyAI
WordPress大学
WordPress大学
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
T
Tor Project blog
V
Vulnerabilities – Threatpost
Hugging Face - Blog
Hugging Face - Blog
H
Heimdal Security Blog
Schneier on Security
Schneier on Security
H
Help Net Security
T
Troy Hunt's Blog
N
News and Events Feed by Topic
爱范儿
爱范儿
V2EX - 技术
V2EX - 技术
Project Zero
Project Zero
T
The Exploit Database - CXSecurity.com

扯氮集

从马斯克公开算法到一篇讨伐算法的雄文,我的看法 人为什么要中庸 AI从一个意想不到的角度给了我雷霆一击 – 扯氮集 都是抓“奴隶” 这两个游戏的内核是完全不同的 – 扯氮集 TRAE Work已正式上岗 成为我的教学小助理 – 扯氮集 AI领域的这个iPhone时刻,大概已经成了垃圾时刻 – 扯氮集 AI领域的这个iPhone时刻,大概已经成了垃圾时刻 – 扯氮集 AI领域的这个iPhone时刻,大概已经成了垃圾时刻 – 扯氮集 AI领域的这个iPhone时刻,大概已经成了垃圾时刻 – 扯氮集 AI 时代 我们该怎么读书 顺便介绍一个小工具 – 扯氮集 AI 时代 我们该怎么读书 顺便介绍一个小工具 – 扯氮集 俞浩的社交表演 被按下了暂停键 – 扯氮集 俞浩的社交表演 被按下了暂停键 – 扯氮集 俞浩的社交表演 被按下了暂停键 – 扯氮集 粉笔网张总暴论 我的一些看法 – 扯氮集 粉笔网张总暴论 我的一些看法 – 扯氮集 粉笔网张总暴论 我的一些看法 – 扯氮集 这个当下,我们依然需要真人短剧 – 扯氮集 这个当下,我们依然需要真人短剧 – 扯氮集 这个当下,我们依然需要真人短剧 – 扯氮集 和AI 聊天,可以选择付费了 – 扯氮集 和AI 聊天,可以选择付费了 – 扯氮集 和AI 聊天,可以选择付费了 – 扯氮集 我最近沉迷于和ai交流游戏…绝不是沉迷游戏 – 扯氮集 我最近沉迷于和ai交流游戏…绝不是沉迷游戏 – 扯氮集 Sora的骤停 与业务飞轮 – 扯氮集 香蕉 种子 小龙虾 我们的AI FOMO – 扯氮集 AI在一个人的成长道路上,到底扮演了什么角色 – 扯氮集 福柯在1978 伊朗 百度的槽点到底在哪里 – 扯氮集 这届百度公关 专业丢分了 – 扯氮集 韩信的悲剧 其实是被时代抛弃了 – 扯氮集 幕府将军:原来竟是一部文艺片 – 扯氮集 看呐 车展上的那对红男绿男 – 扯氮集 网红的流量饥渴是哪里来的 – 扯氮集 一增遮百丑 不增百丑来 – 扯氮集 一则关于游戏行业的小消息 – 扯氮集 聊一聊我眼里的科技颠覆感 – 扯氮集 Vision Pro的两个难题 – 扯氮集
AI 时代 我们该怎么读书 顺便介绍一个小工具 – 扯氮集
魏武挥 · 2026-06-08 · via 扯氮集

总体而言,本篇不涉及文学作品。比如小说这种东西,另有读法。

读前提示,本文略长,公号后台统计说,四千余字。

所谓开卷有益,大体是正确的。读书当然有好处。

但书本身只是一种载体,承载着他人智慧的载体。要是把这个载体等同于智慧,那就是佛家所谓的“着了相”,是人类制造的一大幻觉。

禅宗有个著名的“指月之喻”:手指头指着月亮指出月亮在哪里,但手指头本身,绝不是月亮。

所以,对书籍这种载体别太迷恋,以至于到了还非说纸质书比电子书“高级”的地步。

事实上,书籍并不在知识界内处于顶端的位置。我当初刚读研时,还很好奇为啥老师上课时提到的某些大牌教授出书不多(但绝不是零),想找点其人著作就没多少。老师告知曰:还在活跃的大牌教授以写论文为主。当你看到一个教授一本接一本的书出的时候,这个教授大约就是快退休了。老师还反复教育我:有时间多看论文为宜。

今天这个时代,著作等身没什么了不得的。出书的门槛,比发顶刊论文,低多了。

所以,我先建立一个大前提:在当下,别把书籍这种载体,太当回事,它一点不神圣,也没啥特别的意义在。

要害是:把关。

面向公众发表内容这件事门槛越低,总体质量就越需要小心。顶刊的论文把关很严,相对来说靠谱性最高(当然我不是说百分百)。书籍在把关审核序列里是排名靠前的,所以书籍总体来说,比一般媒体文章靠谱。网文的序列最低,所以越需要小心——比如我这篇文章就约等于零把关。

同样的,不同出版机构厂牌也代表着不同的把关度,不同的媒体厂牌也代表着不同的把关度。在这个意义上讲,把关二字,即专业。

这个理念说穿了一点也不神奇,但在具体应用上,有着肉眼可见的好处。此文后面我会介绍一个小工具,基本出发点就是利用了这个理念。

但不得不承认这样的事:买书如山倒,看书如抽丝。这种状态极其常见,以至于有些人会秉持买了就算看过了的自我安慰心理。归根到底,因为书是一个人脑算力与计算标的有着巨大矛盾的东西:1)计算标的是《量子物理学教程》,我一个文科生脑袋算力处理不了,这个叫超纲(芯片不行);2)计算标的是《鲁迅全集》,18卷700万字,信息太多,算力处理起来极累,这个叫超量(存储不够)。超纲超量的结果都是一个:放下。

面对前一种情况,要明白人类世界总有些东西是你无法理解的,这并不值得多么沮丧。而且非要去理解也不是不行,一步一步来,直接从一楼到二楼跨不上去,搭个梯子一个台阶一个台阶上总可以。但通常的问题是第二种。

这就是我一直说的,书作为一种内容,颗粒度太大。你需要降颗粒度,也就是必须把它碎片化。

别惊讶,很多人说碎片时代碎片信息碎片注意力,一提到碎片,似乎就是坏词。对碎片不加区分地攻击,纯属装逼性质的扯淡。系统理解系统掌握也是一个碎片一个碎片这么积累起来,想想你小时候读书是不是这么过来的。

哪里只有千里没有硅步的混账道理。

划线其实就是一种“碎片化处理”。划线大多数是出于“这句是金句”、“那句是重点”的意图,当然也夹杂着“划过就是记住了”这类类似买了就是看了的心理状态。

可能是从小这么教育出来的缘故,很多人成年后读书依然喜欢划线,以至于微信读书把它做成了一种社交功能:你能看到别人划的线。这个功能甚至产生了某种现实幽默:有人发现波伏娃的《第二性》起手章节划线很多,越到后来划线越少。这本大名鼎鼎的煌煌巨作,看来开了卷能看到底的人,还是少数——算力不足以承担计算标的。

微信读书还做了批注的社交功能。也许真有人喜欢在读书的时候“社交”,这玩意儿就像视频的弹幕功能,不仅将颗粒度极大的视频内容降颗粒度——我表示这几帧画面很好笑但我并不是表示整个视频很好笑——还能引发共鸣。我个人对读书社交化有着强烈的不适。不过也不奇怪,我连视频弹幕都很少看。我并没有孤独到要用这种方式来找共鸣的地步。

微信读书有个skill最近挺热门,据说还被顶上了热搜。这个skill看介绍说是能帮助你提取各种阅读过的划线和批注。然后加以整理,重新组织这些阅读痕迹。

我因为没有划线批注的习惯,所以没有试用过。但重组阅读痕迹,确实是一种重组小颗粒度碎片的做法。

我们来看一下一类书籍:教材。

一本标准的教材撰写风格就四个字:述而不作。教材编写者是没有立场的,也是没有观点的。ta要做的事,就是在既定领域里,把张三李四王五赵六的看法综合起来。这些看法全部来自于各自的学术专著或论文。教材就是一种提取碎片然后加以整合的工作。

而好的教材则是在这个基础上,将可能晦涩难懂的学术观点加以不失原味地浅显化表达出来,或者不一定浅显,但有一定的阅读体验。好的教材还是要讲点文字表达能力的。

但有一点确实要承认,教材在这两个步骤里,会丢失部分信息。比如张三的看法,有着庞杂的推导过程,这一部分可能会被教材略去。教材也有可能用一些案例、比方来说明张三的看法,可能未必能百分百对应。所以,如果一个读者真得想全盘了解张三的看法,教材只是一个勾子。但如果只是想略微掌握一下并没有深入的意思,其实教材确实是够了。

这就是碎片和系统的关系。

教材用一个界面(教材这本书)在整合展示既定领域里海量书籍的信息(这里还有一定的把关成分,有些观点完全不值得介绍,有些观点需要浓墨重彩一下)。它帮助读者降低了计算标的,让读者的算力足以能去处理。明白了这件事,你就能明白接下来我要介绍这个工具的意义。

这个工具其实是一个知识库性质的。。。软件(其实它是一个agent,功能很垂,就是文档分析)。市面上不是没有成型的知识库,比如腾讯出品的IMA。但我觉得友人风端介绍我并强力推荐的这个agent更好,唯一的缺点是需要支付点散碎银子,但真得是散碎银子,不值一提的那种。

首先,下载安装claude desk。去a社官网获取。

其次,下载安装cc switch。去github获取。

最后,获取deepseek的api,略微充点钱(比如我充了200块)。

经过一番简单配置,你就获得了一个agent,风端命名为“脚手架”,他甚至还给这个脚手架做了一个skill来完成向量化运算。但考虑到他的这个skill对显卡要求很高,我的m4跑过一次,机器从来没那么烫过,就没怎么用过。

早期的claude desk可以很方便地在其中调用第三方大模型(比如deepseek)的,但现在的版本基本关掉了这个通道。所以需要一个cc switch来开一个后门。之所以要调用ds,道理很简单:性价比最高。ds的token价格只有a社的八十分之一,而且这点也很重要:你在使用这个脚手架的时候,完全不需要什么额外的上网工具。

脚手架的核心原理就是它不使用web search。在这件事上其实我迷糊了很久,后来自己想出了一个炒菜的比喻:使用bot就是菜得ai自己找,然后它炒菜。使用这个agent,原料变成我自己找的,然后它炒菜。

当你提出某个需求时,bot会去互联网上找各种信息(找菜)拼凑一个答案给你(炒完装盘),但其实web search有很大的问题,ai缺少鉴定好坏的手段——它只知道概率。但使用agent,往一个指定的workspace扔一点书,让ai就这些书里的信息进行回答,会靠谱很多。因为书籍本身就已经有把关过程了。菜是我找的,我依赖的,只是ai的炒菜能力——归纳、推理诸如此类的能力。而这些能力,人脑是完全不能比的。

我对硅谷那边诸位ai大佬之间的恩怨情仇有很强的八卦需求,我特别想吃这类瓜。

但如果你直接问一个bot——比如gemini好了,告诉我一下奥特曼、哈萨比斯、马斯克之间的瓜,一来可能料还是不够多,二来bot经过一番web search,未必可信。

大量的传记书会记载这些事。由于有着层层把关的程序,基本上可以相信这些事确实发生过。但由于传记有着各自不同的立场,所以叙述方式会不同,侧重点也不同。阅读大量的传记确实是一个好法子,但极有可能,人脑的存储无法承担,也就是看过就忘,或者模模糊糊记得。

有了这个脚手架,这个需求就会被非常容易地实现。我在授权文件夹workspace里放入了一些ai传记书籍,然后我和agent有如下对话:

agent其实洋洋洒洒写了六大点,后面还进行了四个层级的分析,太长了,就不展示了。

类似这样的需求,是可以让谷歌家的notebookLLM实现的,但我试过,路径通,但效果一般。也许和工程能力有关。风端的看法是,claude desk拆解你指令转化为若干任务的能力极佳,最好当然是用它家模型,但价格差异如此之大是不得不考虑的。deepseek v4 pro的能力可能是性价比最优的。

可以把这个吃瓜需求进行推演,比如说,你想了解某公司十年以来的财务表现。问bot可能真会出现幻觉,但你用这个agent,在文件夹里放入十年半年报、年报的pdf文档,这是一个非常好的利器,因为它不会web search。

这是一个知识库工具,但我不认为它可以替代读书。

它能做到的事是,让你读书变得更为快速。我自己一向有“不求甚解”的心态,看到比较烧脑的内容,我会跳过——我一向认为反复纠缠于个别烧脑内容,是会摧毁你的读书习惯的——可能会动用书签夹一下,提示自己有空有心情的时候再来好好用用算力。

重要的是先了解个大概,然后愿意的话,细细琢磨。这套脚手架给我这个习惯提供了很大的助力。以前的书签都白夹了,我很少真会有那个好好用用算力的时刻。但现在,这些锚其实是有用武之地的。

更重要的是,它能做到破壁。若干本书中的信息点被打碎,然后重新组合。这是电脑远超人脑的地方。但前提是,你得先了解个大概,否则你大概只会提一个问题了:这本书讲了什么,给我归纳一下。

文学作品,不是这么读的。体验文学作品,ai几乎是没用的。

我举个例子。

有个叫“小雨的名著时光”的up主,最近分享了他对水浒传中一句话(够碎片了吧)的看法。这句话出现在林教头风雪山神庙这一节中,原话是这么写的:“把尖刀插了,将三个人头发结做一处,提入庙里来,都摆在山神面前供桌上”。

这个up主有同名公号,我简单搜了搜,他撰写的和风雪山神庙分析的文章里,没有提到这个细节。他的同名视频号也没有这个内容。我就这里简单归纳一下:

up主说,为什么要写三个人头发结做一处呢?直接写“把三人首级摆在山神面前供桌上”不就完了吗?因为首先要说明林冲打算就跑一次,而不是先拿两个头进去,再拿一个头进去,而是打算一次性带进去完事,表明林冲内心其实是有些担心被附近人撞见深怕逗留太久的。而人的头颅其实重量不低,三个加一起得有大几十斤重,且鲜血横流容易脱手,加之雪夜极冷,需要一点额外的法子,才能一次性带上三个头进庙里。把头发结在一处,单手就能提上,另外一只手还可以继续拿着武器以防不测——再次提醒读者林冲心中的戒备。讲者表示,施耐庵绝对是有具体经验的,没这种经验根本写不出“三个人头发结做一处”这种细节。

我知道水浒传那种写实主义风格的残忍,武松飞云浦之后的各种表现,你读得稍微慢一点就可以品出来。但像这位up主这么分析这一句话,确实没做到。回头再去体验体验,细品细品。

雪夜山神庙入选了当下统编版语文课本,供高一年级下学期学生学习。不晓得今天的语文老师敢不敢在课堂上这么给一堆未成年人做如是分析。

文学作品是这么读的,所以ai帮不上,但依然还是那句话:碎片不是罪恶。

—— 首发 扯氮集 ——