编按：
这里是 Tabbit「Tinsight · 洞见」栏目，我们会在这里分享一些值得花时间阅读的深度好文。上一期我们分享了 来自 offbook.press 2026 年 4 月发布的文章《AI 时代的真正分化》当中的第一部分： 你在消费信息，还是启动认知 ，本次推送的是第二部分，可能也是整个系列中最扎心的部分。
作者：耿达维 Dawei Geng 来源：https://offbook.press/essays/on-cognitive-decoupling/
大部分人把知识、经验、熟练度错当成了认知能力本身。他们从未识别过什么是真正的认知活动。
第三章 · 反刍链里人的位置：学习还是焦虑管理？
如果 AI 是放大器而不是均衡器，「不同使用者的产出差距在拉大」就是一个必然推论 —— 放大器把使用者这一端的原有差距按倍数放出。但这还不足以解释为什么两群人的差距 如此之大 、而且 方向完全相反 ：一边是通过 AI 做出复杂系统的人，另一边不是「AI 用得少」，是通过 AI 消费越来越多却产出越来越少。
这个反向动力学需要一个额外的解释。它不是「能力差」或「使用技巧差」的问题。真正的原因是 —— 在反刍链的末端，大部分人做的根本不是学习。他们在做另一件看起来很像学习、但机制完全相反的事。
▌ 学习和焦虑管理
先把两件事的定义干净地放在一起。
学习 是这样一个闭环 ：遇到一件不明白的事 → 自己先形成一个初步判断 → 带着具体问题去找信息 → 用信息校准判断 → 形成新的、自己拥有的理解。
四个动作缺一不可。
其中 前置判断 和 校准动作 是整个过程的核心 ——没有这两步，进来的信息不会被任何已有结构吸收，就像水倒进没有容器的地方，过一会儿就干了，什么都没留下。
焦虑管理 是另一个闭环 ：感到落后 → 消费信息 → 产生「我在跟上」的感觉 → 焦虑短暂缓解 → 因为没有任何东西被内化，一段时间后再次感到落后 → 再次消费。
这个循环里 没有前置判断、没有校准、没有内化 。它的运行逻辑和学习完全不同 —— 学习的产物是认知结构，焦虑管理的产物是情绪缓和。
两件事在表面上很像，因为都伴随「读了东西」这个动作。但在机制上完全相反。更麻烦的是—— 大脑无法区分「读到一个结论」和「自己想到一个结论」 。
读一篇总结得头头是道的文章，大脑会产生一种「我现在理解了这件事」的感觉，和自己真正推导出一个结论时的满足感几乎一致。但前者只是一瞬间的错觉，文章关掉几天后什么都留不下；后者是真实的认知内化，会长期改变一个人对这件事的判断方式。
这个脑内机制是整条反刍链能够持续运转的基础 —— 它让焦虑管理 感觉上 和学习一样，所以消费者每天都有「今天没白过」的确认，而实际上什么都没有被真正吸收。
▌ 反刍链的真正目的
第一章已经讲过反刍链的机制 —— 每一层加工都在让信息密度下降、误差累积、情绪浓度上升。但更关键的事实是： 这整条生产链的设计目标不是传递信息，是留住注意力 。
这个区分很重要。一个为传递信息而生产的东西（比如学术论文、严谨的实证报告、技术文档），它在设计上会优先保留「让读者能真正理解和使用」的内容 —— 定义、条件、反例、不确定性。
这些东西在注意力经济里是 负资产 ，因为它们降低阅读流畅度、增加认知负担。所以一个为留住注意力而生产的东西，在设计上会系统性地 删掉 这些东西。
这意味着 —— 即使花再多时间认真读这些内容，也学不到东西 。不是读者不够努力，是这个产品从设计上就不是为让人学到东西而造的。你读得越认真，越是在一个不设输出口的房间里转圈。
▌ 人在这个闭环里的位置
现在把焦虑管理的循环和反刍链叠在一起看，可以精确地描述大部分人每天在做的事：
打开一个 app → 刷到一个带钩子标题的判断成品 → 快速读完 → 记住一两个关键词或情绪印象 → 关掉 → 获得「我今天跟上了」的感觉 → 焦虑短暂缓解。
这整个过程里，没有任何一步是学习。没有前置判断（读之前不知道自己要验证什么），没有校准（没有拿信息和任何已有判断对照），没有内化（关掉之后什么都没留下，下次被问起复述不出来）。
全部的动作都是情绪调节 —— 用一次「接触信息」的动作，完成一次「我没落下」的心理仪式。
这里有一个残酷的验证方法：随便找一个每天刷 AI 动态的人，让他复述三天前读到的任何一条内容的核心观点和他对它的判断。
绝大多数人做不到。
这不是记忆力问题。是 那些内容从来没有被加工过，所以没有任何东西可以被记住 。大脑只记得住被自己处理过的东西 —— 被判断过、被反驳过、被对照过已有理解的东西。被动流过去的信息，不管当时感觉有多「信息量大」，几天之后都不存在。
对照着看真正在做 AI 相关工作的人，会发现一个完全相反的现象。他们不消费反刍内容 —— 因为每天手上的实验、模型反馈、代码调试，已经在提供远高于任何二手总结的信息密度。他们对一个模型能做什么、不能做什么的判断，来自 昨天自己让它做失败的一件事 ，而不是别人写的评测。
更反常的是： 消费反刍的人越消费越感觉落后，做事的人越做越感觉清晰 。 这不是因为做事的人懂更多 —— 是因为两种活动的信息处理方向完全相反。
焦虑管理是只进不出，信息变成情绪消耗掉了；真正的工作是处理输入并产生输出，每一次处理都在加固认知结构。前者的人对 AI 的印象是「东西太多了、跟不上了、又出新的了」；后者的人对 AI 的印象是「我昨天发现它在 X 上特别好、在 Y 上还是不行」—— 具体、清晰、有边界。
两群人用同一个词，但背后对应的是完全不同的心智对象。
▌ 当消费反刍变成成就
把这个诊断推到底，会遇到一个值得盯着看的现象。
OpenClaw 这类工具最广为传播的用途，是「帮我每天整理 AI 圈发生的事」。看起来是提升了效率，这是以前做不到事情，但仔细想 —— 这是一件值得被自豪宣传的成就吗？
在前面的分析框架下，它的意义变成了：一个工具帮我更高效地、持续地消费反刍出的低密度内容；而我把这件事当作值得分享的使用案例。 主动吞食反刍物的效率本身成为了一种生产力表达 。
这不是某个工具的问题。这是一个更深的集体信念的外化： 跟上信息等于有能力 。在前 AI 时代这个信念有一定依据 —— 信息稀缺，能持续获取一手信息本身是稀缺技能。但在 AI 让判断成品的生产成本降到零之后，这个信念变成了一个纯粹的伪需求。你能消费的内容无穷多，但 没有一份是为了让你学到什么而造的 。
于是出现了一个结构上很讽刺的画面：AI 让信息供给从匮乏变成无限，一部分人的反应不是「终于可以从消费信息转向产生判断」，而是「我需要更强的工具来消费更多信息」。工具越强，消费得越快；消费得越快，接触的信息维度越大；接触维度越大，焦虑就越深 —— 因为每消费一条都在暗示还有十条没消费到。
当判断成品的生产成本降到零，「消费判断成品的效率」就成了伪需求的最后堡垒。这个堡垒之所以还立着，不是因为它提供任何真正的价值，而是因为它提供了 一种可以被展示的忙碌 —— 一种在 AI 时代看起来像「跟上了」的表演。
而做真正认知活动的人，早已不在这个表演里。他们甚至根本不观看这个表演。
第四章 · 一个更隐蔽的陷阱：知识管理
反刍消费是明显的形态——刷、读、下一条。但它还有一个更隐蔽的变体：不是被动吸收，而是主动建构；不是刷信息，而是整理信息。因为它伪装得更像「正经事」，所以对认真的人杀伤力更大。
这个变体叫知识管理。
▌ 为什么它在 AI 时代变成伪命题
「知识管理」这个词里藏着一个旧时代的假设 —— 知识是一种可以被管理的静态对象 ，像图书馆里的书一样，能被归类、索引、检索。过去几十年的整个知识管理工具链（Evernote、Notion、Roam、Obsidian、Logseq）都建立在这个假设上。
但真实的认知过程不是这样的。脑子里的「知识」不是静态存储的信息，是一张 不断被重构的关系网络 。「理解」不等于「记住」，「能用」不等于「能找到」。这个错位让知识管理从一开始就在做一件错位的事。
几个机制在过去几年同时发生，让这件错位的事彻底变成了伪命题：
检索问题被 AI 解决了 。过去整理笔记的核心目的之一是「以后能找到」。现在的 AI 几乎了解世界上所有的文本信息，检索成本降到几乎为零。整个「为检索而整理」的传统目的，80% 已经不成立。
记忆外置的陷阱 。心理学上有个现象叫 Google effect —— 知道「信息被保存了」会让大脑更少真的记住它。这个效应在重度笔记用户身上特别明显： 笔记里有 ≠ 脑子里有 。能被调用的知识是脑子里的活跃模型，不是笔记里的标签。大量重度笔记用户的脑内活跃知识反而在退化，因为他们把大脑当成了索引而不是工作台。
整理笔记是最高级的焦虑管理 。这件事在焦虑缓解量表上得分极高 —— 它看起来像工作、有成就感（今天新增了 12 个 backlink）、不需要承担任何判断风险、提供「我在成长」的感觉但完全不需要输出。 这比刷反刍内容更危险 ，因为它有更强的「我在做正经事」的伪装。
整理笔记和形成判断是两件不同的活动 。Luhmann 的 Zettelkasten 之所以产生了他 70 多本书的核心材料，关键不是他用了什么系统，而是他每张卡片写的都是 自己的思考 —— 每张卡片都是一个小判断、一次对已有知识的校准。这个系统的本质不是「管理知识」，是「强制思考」。现代人用 Obsidian 大多是在 管理别人的思考 —— 高亮、摘抄、引用 —— 这和 Luhmann 做的事没有任何共同点，只是借了同一个视觉形式。
▌ Karpathy 的 wiki 方案：它真正在解决什么
在这个背景下，Andrej Karpathy 在 2026 年 4 月初提出过一个 LLM Wiki 的方案：把原始资料扔到 raw/ 文件夹、让 LLM 自动编译成结构化的 markdown wiki、人只负责策展输入内容。他自己一个研究话题的 wiki 已经生长到约 100 篇文章、40 万字，他几乎不亲手编辑。
这个方案核心解决三件事：session 之间的上下文丢失、笔记维护的不可持续性（LLM 做 bookkeeping 比人强）、知识不复利（每次新资料进来自动更新多个已有页面、建立 cross-reference）。
听起来像是对「知识管理是伪命题」的反驳 —— 毕竟他做的是一种知识管理，而且在他身上真的管用。
但这里有一个最底层的事实决定了它对他管用的真实原因： Karpathy 是科学家 。
他的 raw sources 是 arxiv 论文、实验结果、代码、他自己还没发表的工作—— 这些都是大模型训练数据里没有或者已经过时的内容 。模型训练数据有 cutoff，前沿研究的最新进展模型常常不知道，而科学家恰好生活在这个 cutoff 之后的信息空间里。他不是在「管理知识」，是在 维护一个模型知识的 delta ——把前沿补充到已有底座之上。
这和知识管理社区那套「我要管理我读过的所有内容」完全是两件事。
▌ 普通人复制它为什么失败
理解了 Karpathy 的前提，就能理解普通追随者复制他方案时为什么会变成新的焦虑管理。
普通人感兴趣的内容 —— 商业新闻、AI 动态、科普、管理方法论、行业分析 —— 模型基本都知道得比他们多 。他们试图「管理」的「知识」其实是模型训练数据里早就有的东西的反刍版本。
在这种情况下复制 Karpathy 的方案会变成什么？
让 AI 从已经被反刍过的内容里生成一个看起来结构化的 wiki —— 这是在给反刍链又加了一层。产物看起来更像「知识」、更像「系统」、更像「研究」—— 但离原始信息更远、更空。
而且由于 wiki 的视觉结构感比笔记更强，它产生的「我在学习」的错觉也更强。一个人每天看着自己的 wiki 在变大、cross-reference 在增加，会比刷小红书有更强的「我在成长」的感觉。但真正发生的事情，和小红书读者本质上一样 —— 他都在消费自己不能真正调用的信息 。
区别只在于一个是在公开产品上消费，一个是在自己搭建的系统里消费。后者更 cope，不是更健康。
▌ 什么是合理的个人信息基础设施
要避开这个陷阱，需要问一个根本的问题： 模型相对于我，到底缺什么？
大部分知识管理实践从来不问这个问题。他们只问「我应该记录点什么」，然后记录了一堆模型其实知道得比他们更多、更准的东西。
这个问题的合理答案只有两类：
第一类 · 学科前沿的 delta 。 你在一个快速变化的前沿领域工作 —— 研究、尖端工程、未被训练数据覆盖的新兴实践。在这种情况下，维护一个持续更新的知识底座有真实价值，因为你积累的是模型不知道的东西。
Karpathy 的 wiki 方案适合这类场景。前提是 —— 你真的在做前沿工作、你的 raw sources 是一手的、你有判断能力去检验 wiki 是否偏了。
第二类 · 个人独特认知的 delta 。 你不在前沿工作，但你有自己对具体事物的判断、偏好、非共识模型、个人经验教训 —— 这些是通用模型从训练数据里无法生成的。
这种情况下合理的做法是 最小对齐层 ：只记录「模型不已然知晓的东西」，让下次和模型协作时它能从你的上一次终点开始，而不是从零。
两类方案看起来很不同，底层逻辑完全一致 —— 都是在回答同一个问题：「模型相对于我，缺什么？」只是两种人的「缺」落在不同的信息分布上。
第二类方案有一个反直觉但重要的特性： 它无法被表演 。因为它的准入门槛是「我能识别什么是模型不知道的」—— 不具备这个判断力的人用不了这个方法（他们会发现自己其实没什么可记的）；具备这个判断力的人记录下来的内容一定有效。这个自我筛选机制比方法本身还值钱 —— 它从结构上就防止了这个方法变成新的反刍仪式。
对大多数人， 第二类方案是合理的起点 。 在使用过程中如果发现「模型在我的领域里知识不够用」，再考虑加一层 Karpathy 式的学科底座。顺序反过来则容易陷入仪式式的知识管理陷阱 —— 这也是整个知识管理社区犯的最大错误：他们建议新人先建底座，结果新人花几个月整理别人的判断，认知活动反而被整理动作本身替代。
▌ 一个更通用的原则
把知识管理这个具体话题推到最一般的层面，会得到一个能用来评估几乎所有未来「新方案」的原则：
在 AI 时代，任何不要求使用者具备独立判断能力的方法论，都已经或正在变成反刍消费的一种变体。
区别不在方法论的内容 —— 它可以是提升效率、促进学习、组织知识、加强创造力。区别在使用者是不是把判断外包给了这个方法论。
这也解释了一个普遍现象： 所有「方法论的流行」本质上都是认知外包的集体仪式 。 一个方法论越流行，就越说明它满足的不是具体的工具需求，而是「不用自己判断」的需求。真正有效的方法论往往不流行，因为它们太依赖使用者的具体情境，无法被批量复制。
Karpathy 的 wiki 方案本身 —— 在他自己身上 —— 是有效的。但它流行起来之后产生的那批「Karpathy Wiki 教程」「Second Brain 2.0」「AI 知识管理工作流」等等已经在变成新一轮的表演方案。区别的判断标准很简单： 这个方案在你身上用多久之后，开始让你感觉「我不用亲自判断」？ 这一刻就是它开始腐烂的时间点。
未完待续……
第五章 · 他们都说对了什么：通才、品味、智力的重新折叠
第六章 · 四元公式：逐项讲透
第七章 · 最后
