作者:Dan Koe
编译:FFIVE,慕课网
“如果你需要刻意去记住它,那它就不重要;如果它真的重要,它自然会在你需要时浮现出来。”
这句话听起来像某种玄学鸡汤,却是 Dan Koe 在《如何记住你读过的所有内容》一文中抛出的核心命题。我们这一代人陷入了一种奇怪的焦虑:收藏了上千篇文章,装了五六个笔记 App,搭建了看似完美的“第二大脑”,结果要用的时候什么都调不出来,反而觉得自己越来越“记不住东西”。
问题从来不在记忆力上,而在我们对“学习”这件事的认知从根子上就歪了。下面我会沿着 Dan Koe 的框架,结合控制论、输出驱动学习、以及当下 AI 工具(Obsidian + Claude、Eden 等)的实际落地方式,重新梳理一套能让你真正“记住”并“用上”所学内容的系统。文章较长,但每一部分都对应一个你在知识管理中真实踩过的坑。
一、为什么“记住一切”是个伪命题
先拆掉一个根深蒂固的观念:学习 ≠ 把信息塞进脑子。
学校用背诵和考试训练了我们十几年,让我们误以为“能逐字复述”就是学会的标志。可现实世界并不按答题卡计分——老板不会因为你背得出《经济学人》某段的原文就给你升职,客户也不会因为你记得某本营销书写了几个步骤就签单。
Dan Koe 的观察很犀利:多数人记不住读过的内容,不是因为读得不够认真,而是因为他们把“记住”当成了阅读的终点。你拼命想记住每一句话,本质是想显得聪明——“看,我能随口抛出知识点”,这种虚荣心驱动的学习,从一开始就走偏了。
真正重要的东西,从来不需要死记硬背。它会通过你反复使用、反复思考、反复和人讨论,自然地沉淀进你的认知结构里。忘掉大部分内容,是大脑的正常机制,不是你的失败。你该关心的不是“怎么记住”,而是“哪些东西值得被记住,以及用什么机制让它们在需要时出现”。
二、把学习看成一艘船:控制论视角的四步闭环
Dan Koe 借用控制论(Cybernetics)——这个词源自古希腊语“舵手”——把学习重新定义成了一个反馈调节系统,而不是单向的输入管道。
一个智能的学习系统,和家里空调的恒温器、身体分泌胰岛素的胰腺,用的是同一套逻辑,包含四个环节:
| 步骤 | 控制论术语 | 学习场景中的对应 | 缺失的后果 |
|---|---|---|---|
| 1 | 目标(Goal) | 你清晰知道的“我想抵达的状态” | 没有方向,所有信息都看似相关又都不相关 |
| 2 | 感知(Sense) | 诚实评估“我现在在哪” | 自我欺骗,以为收藏=学会 |
| 3 | 比较(Compare) | 看出“目标和现状差了多少” | 发现不了偏差,就不会产生学习动力 |
| 4 | 行动(Act) | 采取缩小差距的具体动作 | 停留在空想,永远“准备开始学习” |
多数人学不下去,不是意志力差,而是只有第 2 步(盲目输入),却没有第 1 步(清晰目标)来产生“偏差信号”。没有偏差,大脑就不知道哪些信息值得保留,哪些可以丢弃,最后只能一股脑全往里塞,再一股脑全忘掉。
举个直观的例子:你说“我想变健康”这个目标太模糊,没法触发任何纠偏——今晚喝多了、熬夜到三点,你也不会觉得偏离了什么。但如果你定的是“三个月内完成一场半马”,那么每一次没去跑步的晚上,都会产生一个清晰的“偏差信号”,迫使你去调整。学习也是同理。
三、最有效的学习从“输出”开始,而不是输入
理解了控制论框架,接下来是最反直觉、也最管用的一条:别先学,先开工。
Naval 讲过“特定知识(Specific Knowledge)”的概念——那些既符合你天性、又能带来竞争优势、不可替代的知识。这类知识不可能通过“系统补课”获得,只能通过做事的过程中“按需抓取”获得。
Dan Koe 给出的路径是三段式:
- 先有一个属于你自己的、有意义的目标(不是社会塞给你的“考证/升学/加薪”默认路线)。这个目标越具体,神经可塑性越强。
- 直接启动一个项目,而不是先去“备课”。想学 After Effects?别把全套教程从头刷到尾,先定一个具体作品——比如“给朋友的咖啡馆做一支 30 秒宣传片”,然后只学能推动这个作品的那部分技能。
- 缺什么补什么。卡在关键帧了,就去查关键帧的教程;卡在调色了,就去研究调色面板。几个项目下来,你掌握的技能是叠加式的,而且每一块都和真实场景绑定,忘不掉。
学吉他也一样:别先埋进乐理书,先挑一首你真想弹的歌,学会第一个和弦、第二个和弦,卡住时顺便学调弦和节奏。等你真能弹下几首歌,自然会好奇“能不能自己写一段旋律”——学习是在“想做出来”的拉力中发生的,不是在看课件中发生的。
学校擅长教通用知识,却不教你怎么为自己导航。自我教育不是囤积知识制造“我在进步”的幻觉,而是为了你自己定的目标,去补齐刚好够用的那一块。
四、“第二大脑”为什么大多变成了数字坟墓
说到知识管理,绕不开“第二大脑(Second Brain)”这个概念。Tiago Forte 提出的 PARA 法和 CODE 流程本来是要解放记忆的,但现实中 90% 的人把它用成了高级收藏夹。
Dan Koe 自己也折腾过好几代工具:从 Roam Research 改变写作方式,到自己做了 Kortex,再到后来演化成现在的Eden。他的结论是:问题不在工具,而在用法。
大多数人跌进的坑有三个:
- 收藏即完成幻觉:链接存了、高亮划了、笔记记了,然后就再也没打开过。整理动作本身带来了廉价的多巴胺,让你误以为“我在学习了”。
- 过度整理强迫症:给每条笔记打五六个标签,花几个小时调 PARA 分类,却从不基于这些笔记产出一篇短文、一个项目方案、一次分享。笔记的价值在于它帮你完成的工作,而非笔记本身。
- 忽视“被取出”的设计:几乎所有教程都在讲“怎么放进去”,没人教你“怎么在需要时把它捞出来”。一个只进不出的系统不是知识库,是数字坟墓。
回头看看那些真正产出作品的人——马可·奥勒留的《沉思录》本是私密摘记;达·芬奇留下几千页布满素描和问题的手稿;马克·吐温、蒙田、Rick Rubin 都有各自的摘记系统。他们和现代“笔记爱好者”最大的区别是:收集想法,是为了把它们变成作品。塞涅卡有个绝妙的比喻:从许多花朵上采来花粉,再酿成自己的蜂蜜。放到今天,就是把外部材料消化之后,做出属于你的东西。
五、把“第二大脑”升级为“第二潜意识”
Dan Koe 提出了一个更精准的说法:我们要建的不是一个静态仓库,而是一个“第二潜意识(Second Subconscious)”。
潜意识的特质是什么?它不是你主动去翻的时候才工作,而是平时就在后台默默关联、在你盯着一个问题发呆时突然“抛”一个联想上来。好的知识系统也该如此——在你创作时,它能主动把相关的材料推到你面前。
方案 A:Obsidian + Claude Code 的自建派
适合愿意折腾、追求数据完全本地化的人。核心思路是让 Claude 充当你的“知识管理员”,而不是你亲自去维护复杂的分类树。
搭建逻辑大致是这样:
- 装好底座:安装 Obsidian(本地 Markdown 笔记,数据完全自己掌控),并配置好 Claude Code 或 Claude Cowork 环境。
- 设定工作目录:把 Obsidian 的 Vault 文件夹设为 Claude 的工作目录,相当于给 AI 一把“只读+按需改写”的钥匙。
- 写两个 Skill(技能指令):
- “保存想法”Skill:当你扔给 Claude 一段灵感、一篇文章链接、一条推文时,让它在 Vault 的
Inbox文件夹里新建一条笔记,自动补上清晰标题和时间戳。 - “处理收件箱”Skill:让 Claude 定期读取
Inbox,补充标签、移动到合适的分类文件夹(Projects / Areas / Resources / Archives),并给相关笔记加上双向链接[[ ]]。
- “保存想法”Skill:当你扔给 Claude 一段灵感、一篇文章链接、一条推文时,让它在 Vault 的
- 日常调用:写作或做项目时,直接对 Claude 说“在我 Vault 里找出所有和 [当前主题] 有关的内容”,AI 会跨整个知识库检索并带回带引用的材料。
进阶一点的仓库结构可以参考这样分层:
核心原则是源文件只读不写,AI 只动 Wiki 层。CLAUDE.md里写明你的关注领域、仓库结构规则、导入和查询流程——这相当于给 AI 一张地图,让它知道每类信息该往哪归置、引用时用什么格式。
方案 B:Eden 这类“自动分类+语义搜索”工具
如果你不想自己维护向量数据库、embedding API、索引脚本,也不想操心每次增删改后重新嵌入的缓存问题,把底层维护交给工具,自己只管思考和创作,是更划算的选择。
Eden(前身就是 Dan Koe 参与的 Kortex)做的事情和 Obsidian + Claude 类似,但更“无感”:
- 自动采集:Substack 文章、YouTube 视频、X 长文都可以一键存进去,自动转录文本、做高亮。
- 自动嵌入与语义搜索:每条记录被编码成约 1500 个数字的向量,相当于在知识空间里的“GPS 坐标”。哪怕两条笔记没有重合的关键词,只要在语义上接近,系统也能把它们连起来——这是传统关键词搜索做不到的。
- 连接 Readwise:如果你用 Readwise 存书摘,可以同步进 Eden,变成可按语义搜索、可对话、可拖进 Board 做成引用卡片的素材库。
- 异常值内容发现:Eden 会分析创作者表现突出的内容,帮你找值得深入讨论的话题,而不是漫无目的地刷信息流。
MyMind 也是类似思路的代表——你把链接和想法丢进去,它自动分类、打标签、做语义检索,你不必亲自维护流程。
两种方案没有高下之分:
- Obsidian + Claude胜在完全自主、数据不出本地、可高度定制,但需要你写规则、管索引;
- Eden / MyMind胜在零维护、语义关联强、自带创作工作流,但数据和索引在云端(虽然 Eden 承诺不上传私有内容,但架构上你依赖它的服务)。
六、筛选比收集重要:你该往系统里放什么
不管用哪种工具,有一件事必须想清楚:不是什么都要存。
AI 已经能批量制造内容了,稀缺的从来不是信息,而是经过你筛选、能被你世界观消化的那一层。Dan Koe 的建议很直接——只收藏那些你愿意被它塑造的想法。
你持续关注、反复回味的那些思想家和创作者,会慢慢构成你的世界观透镜。比如 Dan Koe 自己思考现实本质时,历史、整合理论、螺旋动力学这些概念会自然浮现,因为它们是他解释问题的常用框架。你要慢慢积累的,正是属于自己的这类“想法集合”,而不是今天看到热点就存、明天看到新概念又存。
具体怎么操作:
- 多读长期稳定的好作者的书和思想,少刷放大焦虑的信息流。对写作者和创作者而言,研究可能占工作量的 80%,剩下 20% 是把研究过的东西消化成对别人有用的表达。
- 通过写作、公开分享把材料变成自己的一部分。光收藏不输出,那些想法永远悬在“别人的智慧”里;只有你用自己的话重述、结合自身经验重构、放到真实场景里被反馈检验,它们才真正进入你的认知结构。
- 让项目做过滤器。不能推动你当前项目的知识,就算暂时学了也留不住。项目会给你明确的边界和里程碑,自动帮你筛掉噪声。
七、AI 的正确位置:降低摩擦,而不是替你发言
最后必须聊清楚 AI 在阅读和写作里的边界——这是目前误解最深的地方。
Dan Koe 的态度很平衡:不要用 AI 替你表达自己的价值观和判断,但可以让它做你的课程、导师和编辑。
具体分寸大概是:
- 事实性内容可以借助 AI:比如解释 Greuter 的自我发展九阶段、梳理某个理论的背景,直接让 AI 生成或引用既有资料没问题——这和用 Google 查完再写没本质区别,硬要全文重写一遍反而浪费读者时间。
- 观点和组织必须亲力亲为:要把自己的想法说清楚,总得经历一点“阻力”——亲自推敲结构、组织论证、修订措辞,你才会更明白自己究竟信什么。如果连这部分都交给 AI,你输出的就不是你的世界观,而是模型的统计平均。
- 用 AI “去掉摩擦”的场景:结构想不出来时让它给几个组织方式;不知道下一段怎么展开时让它提供可能方向;遇到不懂的概念时让它帮你快速进入研究。最终做判断、决定什么可以发布的人,始终是你。
所谓“不要用 AI 写作”真正想提醒的,是别让 AI 替你表达自己的价值观。AI 不替代阅读,它让阅读变得更关键——因为能被 AI 直接给的答案越来越不值钱,你通过深度阅读建立起的那套不可替代的世界观,才是别人愿意追随的东西。
八、一个可落地的写作/创作闭环
如果你准备开始写作(不管是 Substack、公众号、X 长文还是 YouTube 脚本),Dan Koe 给出的流程可以作为起点:
- 选一个“已被验证 + 你好奇”的交叉主题。所谓“已被验证”,是这个话题曾经获得过真实关注——你可以保存高传播的社交帖子,或用 Eden 的异常值发现功能找表现突出的内容;“好奇”则是即便没流量你也愿意想下去的问题。两者叠加,既不失去表达欲,也更容易被看见。
- 先倒想法,再搭结构。别对着空白页面等灵感。先把和主题有关的念头尽量写出来,翻翻笔记库把能用的材料都拉进来,然后给它们一个简单的叙事骨架(比如:问题 → 洞见 → 方案),再把材料填到合适的位置。
- 初稿串联。把提纲、随手记和知识库都放在可调用的位置(比如让 Claude 读你的 Vault,或打开 Eden 的语义搜索),然后把它们串成一篇完整文章。
- 反复改到说出你真正想说的。如果一篇作品还没承载你的价值、想法和信念,就继续改,直到它说出来。
九、写在最后:记住,不是终点,是副产品
回到开头那句话——你不需要记住读过的一切。
真正留下来并能帮你做更好决策的,从来不是那些你强迫自己背下的句子,而是:
- 你为一个属于自己的目标主动去学的东西;
- 你在一个真实项目里反复用过的东西;
- 你通过写作、分享、和人讨论消化过的东西;
- 你放进第二潜意识里,让它在你需要时自己浮现出来的东西。
工具(Obsidian、Claude、Eden、Readwise...)只是让这个过程更顺滑,它们不能替你建立世界观,也不能替你回答“我究竟想走向哪里”。
先让目标变得足够具体,先开工做一个属于你的项目,再让知识在做事的过程中自己找上门来——记不记得住,到那时已经不重要了,因为那些重要的东西,早就长在你身上了。
