[!info] 这是一篇流水账式的记录，记录我在这件事情上的点滴思考，和推进过程
[!success] 请我喝杯咖啡？——我觉得是个好主意！
[!error] 我使用了 AI
我使用了进行内容整理，为了对信息含量进行浓缩
所以一股子 AI 味是正常现象，但内容都是我的思想和当前认知
2026-05-24 扮演的角色
请说出那句咒语来解锁此内容——我请老鼠喝咖啡~
核心原则
笔记是人类思想的延续，是思考时的草稿和记录，人必须绝对主导。AI 是辅助工具，不是思考的替代品。
核心矛盾：用前置思考置换事后甄别
给 AI 更高品质的输入（更多上下文、更精确约束），人的工作量反而增加。但这并非倒退：我们是用“事前思考的深度”，置换“事后甄别的焦虑”。增加的，是提炼元数据、设定边界、提供思想种子；减少的，是筛选垃圾、反复调试、思想偏离自我。最终产出的不仅是笔记，更是因高输入要求而变得更清晰的自己。
简言之：AI 扮演了类似小黄鸭的角色，而人在对话中，在自我描述中，逐渐清晰化自我的认知。（我一直觉得学透一项技能的最佳方法是教会别人，异曲同工了）
AI的核心角色：对抗者
AI 不是助手，而是比“小黄鸭调试法”更进一步的思维对抗者：
- 无知的提问者：苏格拉底式反诘，逼你厘清模糊概念。
- 善意的反贼：为对立观点构建最强论证，让思想在对撞中坚固或被修正。
- 博学的影子：挖掘知识库内外的意外关联，挑战思考边界。
笔记因此成为思想格斗的实时记录：主张、被挑战、回应、修正。对抗的过程本身就是最高质量的产出。
致命风险：AI的迎合倾向
AI天然迎合，若我存在思维盲区，它会与我一同绕过，形成逻辑自洽的错误回音室。
应对：主动植入“不信任”，制造结构性对抗
- 指令层面：要求“驳斥”而非“完善”，命其寻找逻辑结构中最脆弱的崩塌点。
- 视角层面：引入异质性思想资源，或让它先质疑问题本身隐含的假设。
- 元认知层面：以“智力摩擦”为警报——当AI的回答太顺、太合心意，恰是最危险的时刻，必须主动掀起波澜。
我利用 AI 进行学习时经常有类似的做法，对于一个概念，让 AI 讲清楚，让我感到我理解了，就开始从我理解的角度去提出各种刁钻的问题，让 AI 去判别，在这个过程中实现更清晰立体的认知。
根本选择：对抗，而非并肩
并肩完善是“盲区放大器”，对抗拆台是“盲区探测器”。前者得到更花哨的旧自己，后者才有可能抵达更清晰、更坚固的新自己。
2026-05-25 AI 卡片盒笔记
请说出那句咒语来解锁此内容——我请老鼠喝咖啡~
我想用卡片盒笔记，因为和AI结合的部分，大概都是关于知识和思考的。毕竟私人日记类的东西，我也不想让AI去接触。那么这样一个笔记就类似于 Wiki，以及从各个知识点延伸开的思考。
其实我并不知道卡片盒笔记的具体定义，或者说我没有办法明确的去讲出来吧。但是不重要，比如我们现在可以随意的去创造一个自己的卡片或者笔记法——我把已知的知识写在卡片的正面，然后在卡片的背面写上对这个知识的思考。但这是孤立的卡片，那我还要把这个卡片去联系上其他卡片，显然还要建立入口。日后还要从入口，沿着这些联系去回顾卡片。
但是依旧的，这也不重要。毕竟我们还有 AI……
第一篇笔记
显然AI是会跑偏的。所以第1篇笔记，我就让他先把卡片或者笔记法是什么给写出来。然后我们共同了解一下。无论这个概念是否存在偏差，起码我们两个的基准是一致的。
渐进式搭建
我没有办法一下子搭建出完善的结构，因为我也在思考。AI可以给出一堆建议，但他的建议是不是正确有效，我又没有能力进行准确的判断。我尝试将同一篇笔记交给不同的AI，他们会给出完全不同的处理方式，而且讲的都很有道理。但笔记终究是我的笔记，所以它应该是我认为合理的样子。那么每一步都做自己确定知道的事情，而不知道的，不确定的，可以先不做。根据自己当前的需要，一步一步的去完善去搭建。
我觉得这个过程很好，它能让自己更加理解自己的笔记，更加清楚的认识到自己需要什么，又如何满足自己的需要。保证了自己对自己的笔记，知其然，也知其所以然。
工作流
如果一件事情经常去做，那就把它固定为工作流。这就像是写笔记的模板，只不过这是做某件事情的模板。有了这些，就可以让AI更稳定的去完成我们交代的任务。所以你把它称作skills也完全没有问题。
所以首先是笔记入库的工作流，当我们放入一篇笔记，AI应该如何对这篇笔记进行处理，将它制作为可以入库的卡片，并且进行相应的联系，添加入 MOC 文件等。
笔记体系
如何让笔记相互关联，那如何对笔记进行索引，如何保证对笔记的经常整理，又如何对笔记进行回顾……这些都可以根据自己的需求去和AI探讨，获得一个自己觉得舒服的姿势，然后慢慢的打造成对应的工作流。
复杂度
这样工作流肯定是越来越多的。所以看起来用AI管理笔记结果把问题弄得更加复杂了。但其实这些事情在我们传统的方法中也都要做。只是其中有一些可能使用插件或者软件本身的功能去完成。我一直在问一个问题，如果我们只有纸笔就不做笔记了呢？而在只有纸笔的情况下，这一切都是我们自己去完成的。现在我们把任务交代清楚，AI能够帮我们做一部分，已经算是挺不错了。而且交代任务这个过程，本身就是对方法论深入认知的过程。我们应该如何去做？我们又为何去做？完成之后的验收标准又是什么？
倒逼
我在研究各种笔记法的时候发现，优秀的笔记法常常会通过它规范的方法去倒逼使用者对笔记进行更加深入的思考和整理。这很有趣，也很有效。
那么现在换用AI，也只是工具不同，但方向并没有改变。我们要逼迫自己去思考，从而更加深入的去认识事物。
所以在和AI讲解自己笔记思路，打造每一个细小工作流的过程，也就是对自己笔记法拆解，重新认知的过程。
AI做的好不好？
当然是不好的。跑偏和出错是常有的事情。那怎么办呢？就监督呗。竟然是我自己的笔记，为了保证质量，多读一遍又如何？甚至多读两遍三遍四遍……也是合情合理的。
当然这又是反直觉的， AI不是应该帮我们省力吗？这确实节省了我的工作量，一些繁琐的整理和笔记之间的联系等等，他都帮我做了。而我增加出来的工作量主要体现在——我要去读我的笔记，我要对笔记的工作流进行思考。工作量没有减少，但工作重心更加合理了。
一点收获
AI为笔记添加了一些相关知识的链接，但是并没有对应的笔记。然后我发现一个东西是我听说过，但是并不了解的——“费曼学习法”。然后我就让AI去创建了对应的笔记，然后发现是我一直在用的方法，只是并不知道这个方法具体的名字。于是我的知识又在延伸和生长。
Dream 和 游走
现在我正在建立笔记的dream和游走机制。 Dream主要是让AI去整理笔记，发现使用过程中产生的偏差和遗漏，并用进行修复。
游走是为了让我能够更好的回顾笔记。大概就像随便抽一张卡片出来阅读，并跟随着卡片间的联系，阅读相关的内容。
教程？
本来觉得如果我能归纳出一套方法，应该可以写一个教程。但现在发现真正的价值其实在整个搭建过程之中。别人能告诉你的，确实是“捷径”，省时又省力。但其实是剥夺了自身。对于笔记。对于方法，对于自身的思考。
2026-05-30 整理笔记
请说出那句咒语来解锁此内容——我请老鼠喝咖啡~
AI 日记
今天看到一个应用案例。通过在微信上发送消息来记录日记，反正随便怎么发，后面有 AI 去整理并进行记录。然后在每天结束的时候，根据内容生成一张四格漫画来记录当天。
实现难度并不大，毕竟现在各种 Agent 支持接入微信，然后再接一个能够生成图片的模型就行了。如果嫌麻烦也可以用 Trae Solo。Trae Solo 的问题是如果用本地模式，那就要占用一台设备，一直开着机，用来接收消息。当然用其他 agent 也会有类似的问题。如果用云端模式就不太好和本地同步吧，当然要是作为云端笔记那么看也非常合理。反正最终在需要的时候，可以对文件进行打包下载。
我以前想过生成一张图来展现当天，而看到的案例则是生成四格漫画。要是这一天没记录多少事情，或者记录了很多事情，四格漫画可能还是有一定局限性的。另外就是生成效果，很可能还是会存在抽卡的问题。当然都不算大问题。一年 365 张图片，储存压力应该也不大。
已经具备比较高的可行性了。而且很可能未来我们的笔记也是类似的操作逻辑——总之就是更舒适的人机对话嘛。
整理笔记
真的打算把笔记向卡片盒笔记形式去迁移了。想到就去做。
然后遇到了许多问题，因为我对卡片盒笔记没有真正的深入了解。但是问题不大，打开三四个 AI 聊天界面，相同的问题都问一遍。我遇到的每一个问题都去这样询问，所以不到的一天的时间，我已经理解的挺深入了。这也是 AI 的意义吧。而且我感觉这也属于一种对抗中的学习，只是我很难描述这种对抗，也可能算是拿自己的无知去和 AI 硬杠吧。但无所谓了，反正和 AI 交流不用考虑情商，而且我又确实学到的东西，那就皆大欢喜。
然后笔记我不打算一股脑儿迁移过来，不太好做，而且如果只是改格式，随便整理一下内容，似乎这样操作一番的意义也不大。确实用AI就可以把这一切都搞定，但是然后呢？我还是对这些陈年笔记一无所知。所以你手动整理吧，一篇一篇慢慢弄。这本身也是一个回顾内化的过程。
这个过程中学到了很多，也想到了很多，但是能用文字输出出来的却不多。
今天想的最多的问题就是如何让笔记成为活的笔记，给笔记生命力，并与笔记深入交流。道理当然可以讲一堆，但适合自己的，还是得在实践中慢慢去寻找。
[!info] 或许……Coffee……敲碗！