你为什么读这篇
读了很多书一个月后什么都不记得，还为此内疚”学得不对”？
李继刚在 E45 重排了这件事：AI 之前读书是用有限算力从文本提取结构——记不住是应该的。AI 之后——提取结构交给 AI，激发问题留给自己。
一、被隐藏的假设：有限算力
他最近读了一篇冲击世界观的论文，点破了信息论没人明说的假设：
[58:31] 信息论里边我们说一段话一段信息里边含有多少信息量，是可以通过香农公式算出来的……直到这篇论文提出它有一个假设。
[59:09] 是你拥有无限算力，所以你能直接算出它信息多少，那个噪音多少。
[59:17] 而我们现实世界人是在一个限定的时间窗口内……你能调用多少算力是有限的……同样一篇稿子，从中能提取出什么信息量是因人而异的。
“一篇文章有多少信息”不是文章的固定属性，是文章 × 你的算力。既然 AI 算力是你的不知道多少倍，为什么还用自己的低算力硬啃？
二、新工作流：模型先读，人读后反应
他把流程整个倒过来：
[61:30] 我现在是有一套工作流，论文直接进……我不读原文了，论文我不读原文了。
[61:40] 我会有一套机制……自动触发，自动分析，自动写到我的笔记系统。我直接打开笔记系统开始读它分析的结果就好了。
听到会本能抵抗——“这还叫读书？“但他做了关键转向——目的被重新定义：
[62:21] 读书对我而言变成了一个启发我思考、引导我提出问题的这么一个机制……从中提炼这个事情我交给 AI 去做了。
[62:37] 我希望它就像石子一样丢在我的大脑的那个脑海中激起涟漪，那个涟漪是用于我与 AI 做交流的那个东西。
[62:50] 要不然面对那个对话框，我聊什么呢？你在宝山里走了一圈，那你手被绑上了，你也不行。
读书不再是”吸收”，是”激发问题”。没问题再好的 AI 也白坐。
三、读厚 + 读薄 并行
传统逼你取舍：细读（读厚）还是快读（读薄）。AI 让取舍消失：
[65:04] 把书读厚和把书读薄这件事……一本书三百页，我读完之后可以让他搞成一千页……他可以跨不同领域去给你延伸。
[66:01] 读薄和读后它不是一个二选一……在我这儿是在光谱的两端，我让 AI 同时跑两头，反正它跑起来都不费劲儿。
- 读厚：让 AI 把观点跨领域扩展——这论点在物理学里怎么表达？
- 读薄：让 AI 把书压到三条原理——不是导言页式的三条，是算力跑满后萃取的三条。
四、杠铃策略选书
该给 AI 喂什么？李继刚借塔勒布设规则：
[112:13] 我就想我读书能不能这样用杠铃策略……只读两个东西，第一读经典，一百年前今天还在，三千年前的书今天还在……所以读经典。
[112:29] 第二读论文……它得按照那套范式经过审阅等等才能发出来最新的……所以我要不读经典，要不读最前沿的研究，杠铃两端……中间的很多我现在读的很少了。
两端 = 最稳的（经典，时间筛过）+ 最新的（论文，过了同行评议）。中间畅销书砍掉——性价比最低。
五、为什么还要自己读？taste 要冲刷
[169:16] 我觉得所谓 taste 就是你经过大量训练之后的权重，也就是 taste 即权重。
[169:47] 一个 UI 设计师，他看了行业的大量的案例，看了一千份……他就看到第一千零一张的时候，他就感觉这张图不对。
[170:17] 你不能直接说我去要一个结果，那个过程你绕不过去的，你必须得经历。
不经过冲刷就没有 taste，连”AI 哪个答案好”都判断不了。自己读的目的不是提取结构（AI 更好），而是冲刷权重——让石子起涟漪。
六、给好朋友的清单
- 分清两件事：吸收结构是 AI 的活，激发问题是你的。
- 建自动处理工作流：长文丢进去→AI 结构化→存 Obsidian。打开的是结构不是原文。
- 真正读时只为激发：哪里有涟漪就带去找 AI。
- 读厚+读薄并行：跨域扩展 + 三条萃取。
- 杠铃选书：经典 + 最新论文，中间可不读。
- 给”记不住”平反：一月后还能问出别人问不出的问题，才是冲刷成功。
七、连接
- 信号源管理·零信任原则：没筛选，读再多也是垃圾进垃圾出。
- machine-learning-vs-teaching：taste 权重就是为了能教你的小模型。
来源：孟岩《无人知晓》E45（李继刚，2026-03-03） 本页由 AI 学者于 2026-04-21 编译，所有 blockquote 经 Grep 核验。