米乐学习笔记 20260103

 登金陵凤凰台

唐·李白

凤凰台上凤凰游，凤去台空江自流。

吴宫花草埋幽径，晋代衣冠成古丘。

三山半落青天外，二水中分白鹭洲。

总为浮云能蔽日，长安不见使人愁。

一、文字信息摘录

1、人性喜欢便利，喜欢确定的奖励（老虎机）。 但真正的财富（无论是金钱还是认知）都来自于复利 复利的前提是什么？是本金。 在认知领域，孤立的知识点不是本金，连接成网的思维模型才是本金。

2、分心会碎片化你的注意力。AI 工具则让这种碎片化更进一步——AI软件就像是一台带键盘的老虎机。你投喂一个提示词（prompt），盯着旋转的轮盘，然后收到不可预测的奖赏。这种机制和 小红书的无限下拉如出一辙，但它带来的新奇感带宽更高。 一旦你通过“交易”的视角来看待它，这个悖论就解开了：我们用深度换取了便利。代价是：创造力消失了。创造力需要你与一个未解决的问题共处足够长的时间，才能看到新的角度。如果你每三分钟就拉一次老虎机的拉杆，新的角度永远无法形成。

3、创造力不会凭空降临。它源于一台特定的引擎：一种能够持续足够久、从而产生意想不到组合的好奇心。 这个循环是这样运作的：一个问题卡在你的脑海里。你反复琢磨。你尝试一种方法，然后又试一种。这些方法本身又会产生新的问题。每一个答案都揭示了你未曾考虑过的邻近问题。最终，某种连接被点亮了——而那些早早停下脚步的人，永远无法触发这种连接。这个循环有一个弱点：它需要持续的注意力。如果过早打断链条，复利就会停止。这就是分心变得致命的地方。

4、好奇心需要“抓手”（traction）。一个编程初学者盯着一个报错的查询语句。这个错误对他们来说毫无意义。没有着力点，没有能吸引他们明天回来的微小胜利。所以他们关掉了标签页。 对比一下电子游戏：在第一关挂了，四秒钟后复活，尝试另一种跳法。反馈是极快的，成本是微不足道的，奖励是可见的。好奇心之所以能存活，是因为能力在微小且无可否认的步骤中积累。 区别不在于人。全在于反馈。当有人说他们对某个领域“没有好奇心”时，通常是技能差距伪装成了个人偏好。他们尝试了，感到无能，没有收到奖励信号，于是撤退。这种撤退感觉像是“不感兴趣”，其实是“自我保护”。

5、在不存在的地方构建好奇心 (Building Curiosity Where It Doesn't Exist) 如果技能创造抓手，抓手促成好奇心，那么好奇心是可以被制造的。但这个过程需要诚实地面对什么值得追求。 在工程化好奇心之前，先问问：你应该对这个感到好奇吗？ 生命是有限的。注意力是零和博弈。花在强迫自己对编织感兴趣的每一小时，都是没有花在那些有天然吸引力事物上的一小时。有时正确的答案不是“我如何对这个产生好奇？”，而是“我为什么要尝试？”

这个问题事关重大。人们花费数年时间在不适合的职业中、在他人推荐的爱好中、在自己没有天赋优势的领域中强行培养好奇心。这种努力很少能转化为真正的投入。选择先于建设。

6、假设你已经决定了：这个领域很重要，虽然没有抓手，但你无论如何都要建立它。将困难的与熟悉的配对。把你正在构建的领域和你已经掌握的领域交替进行。读一章晦涩的教科书，然后读点你喜欢的。在这个令人望而生畏的项目上工作二十分钟，然后切换到一个你感觉能胜任的任务。熟悉感为陌生感提供了情绪脚手架。

7、有时问题在于你有太多困难的事情要做，所以你从一个难事切换到另一个难事，那你当然会挣扎。制造好奇心需要不断的重新评估。要重复问的问题： 我获得抓手了吗？我仍然相信这个领域很重要吗？这种努力正在转化为真正的投入吗？你甚至不需要直接问这些问题，你会感觉到。循环要么收紧——你正在建立技能，反馈来得更快，好奇心增强——要么没有。如果三个月的努力没有产生吸引力，诚实的答案可能是放弃。这不是失败。这是高效的重新配置。

生命太短，不必耗费在那些久攻不下、无法吸引你的事情上。但我敢担保，如果你比前三次尝试再坚持得久一点，你几乎肯定会被吸引进去。

8、在任何领域的早期，学习感觉就像收集孤立的事实。你知道这个术语。你会执行那个程序。但碎片没有连接起来——每一个都孤立地、惰性地存在着。 然后，越过某个阈值。孤立的节点开始链接。第三章的一个概念照亮了第七章的一个问题。你为某个任务学到的技巧突然适用于另一个任务。网络开始嗡嗡作响。 这就是神经连接共同触发时的样子。单个突触是无用的。一簇突触开始模式匹配。一个网络开始解决你从未直接练习过的问题。

然后**元层面（meta-level）**解锁了：从一个领域学到的东西完全迁移到了另一个领域。你在音乐中内化的结构——张力、释放、节奏、重复——出现在写作中。编程中的调试逻辑在诊断商业问题时浮现。你在国际象棋中建立的模式识别出现在战略规划中。这就是好奇心的复利。但它需要你挺过早期阶段——那个孤立节点的阶段，那时什么都连不上，反馈稀少。分心会在这里杀死你，就在网络形成之前。

9、AI工具、社交网络都是老虎机。每一次拉动都提供奖励。这种奖励感觉像是进步。 但请注意缺失了什么：你没有建立网络。AI在你自己的神经元共同触发之前就回答了问题。原本会形成的连接——那个将这个问题与之前的经验联系起来的连接——从未实现。你把好奇心循环外包了。这就是提取问题。AI 工具模拟了好奇心的满足感，却没能构建使好奇心产生复利的内部架构。你感觉自己学到了东西。但你没有保留任何可迁移的东西。

10、一种方法：你让 AI 为你写年度目标。它生成了一个整洁的列表——多锻炼、多读书、多存钱。你点头，保存文档，到了二月就忘光了。AI 替你做了思考。没有任何东西迁移给你。 另一种方法：你利用 AI 来采访你的目标。它问出你自己不会问的问题。它揭示了你口头想要的和你实际时间分配之间的矛盾。浮现出的目标是你自己的——AI 只是举着镜子。

11、最近把这两者都做了。首先，我让 AI 采访我关于未来的优先事项和策略。大多数人做年度计划时都是向内看，期待清晰感自然降临。使用外部工具来构建探询过程——去问第二、第三个追问——产生了与单纯内省不同的结果。 然后我更进一步：我用 AI 将目标游戏化。不是让它告诉我做什么，而是应用那些我原本不会联系到个人规划上的游戏设计原则。AI 没有生成我的动力。它帮助我构建了一个系统，使用来自完全不同领域的机制来维持动力。我仍然需要去做工作和挣扎，但在那些我自己需要几周才能搞定的领域，我得到了 AI 的增强。 在这两个案例中，AI 是叠加的，而不是替代的。它没有取代挣扎。它创造了新的接触面。 这就是区别。提取：AI 回答，你接收，没有任何构建。建设：AI 辅助，你挣扎，网络形成。

二、图片信息摘录

三、美图摘录