https://www.candobear.com/detail/l_690851c1e4b0694c5b483edf/4阅读路径:先读第二组,弄清私人知识库为什么不能等于收藏夹,否则接通工具也只是多一个搜索入口;再读第三组,看文章阅读如何变成笔记重构;第一组解释做中学与上下文的关系,第四组看标题工作流和Notion的边界。只看一组就看第二组,它决定你给AI的是自己的思考,还是没消化的资料。
一句话结论:对已有阅读与笔记积累的人,AI浏览器的主要收益不在替人点击,而在把当前文章与个人知识接入同一场讨论;如果输入只有未经消化的收藏,接通私人库也不会自动得到更好的自己。
howie从第一次实际买期权讲起:相关知识以前系统学过,但真正拿起手机操作,才发现体验、细节和书本理解不是同一回事。他把概念分成两类:一类偏向知道是什么、为什么,另一类必须靠操作获得程序性的理解。教学、写作、编程都属于不能只听懂就算掌握的事情。
这不是鼓励用交易收益证明学习方法,而是在解释为什么看了多年AI资讯,仍可能不知道怎么把AI用进工作。获取关于工具的信息,与形成使用工具的能力,是两件事。他的直播因此选择围绕自己的实际使用展开,而不是把快速变化的AI包装成一门静态课程,承诺听完就能掌握。
Ben哥可以把这条转成tasks.md的任务卡要求:在既有任务描述中增加「真实场景」「本轮操作」「结果证据」「下次调整」四项。比如试用浏览器,不写“研究AI浏览器”,而写“用同一篇难读文章完成结构提取与一次追问,记录哪一步减少了理解阻力”。这是后续字段提案,本轮不改任务文件;也不把工具演示完成等同于能力已经形成。
他反复降低提示词的神秘感:把需求清晰、完整、结构化地说出来,就是提示词的重要部分。暖气异响的例子里,他没有只问“暖气怎么修”,而是交代换了新暖气片、何时开始供暖、声音持续多久、其他暖气片有什么不同,再提出是否需要维修的问题。这个案例说明的是表达方式,不是提供维修规程。
随后他把重点转向上下文工程:模型思考时能接触到什么,直接影响它能给出什么。AI知识管理在他这里,相当于非程序员也能做的上下文工程——把与自己有关、经过自己处理的知识,放进模型解决问题的工作环境里。问题不只是怎么问,更是模型凭什么回答。
对应Ben哥的knowledge.py,可以提出一个build_context_bundle()函数:接收「任务目标」「相关笔记」「来源」「明确限制」,输出供对话使用的材料包。与其把提示词越写越长,不如让它明确显示实际选中了哪些笔记、缺少哪些背景。函数名和字段是本篇应用设计,不是对现有代码的描述;没有选中相关材料时,不应声称已经调用了整个私人知识库。
有人问Google Drive里的PDF文献能否检索、效果与笔记有何差别,howie明确说自己没有试验过。他没有据此给出兼容性结论,而是转向自己的知识管理原则:笔记库主要放亲自写下的内容,阅读库主要放画线及画线时产生的笔记,不把所有阅读原文都塞进用于思想综合的库。
他举出大量电子书的极端例子:即使技术上能全部索引,也不等于这些内容已经成为自己的知识。若检索范围只是“我收藏过但没有看过的东西”,结果可能只是一台范围更小的搜索引擎。私人库的特殊价值来自选择、理解与思考,而不只是文件归自己所有。这里说的是他的知识实践,不是禁止保存原文作为证据或档案。
| 内容类型 | 本场中的位置 | 判断标准 |
|---|---|---|
| 自己写的概念笔记与思考 | 笔记库的主体 | 能看见自己的理解与问题 |
| 阅读画线及附带笔记 | 阅读库的主体 | 留下实际阅读时的选择与反应 |
| 收藏但未读的文章 | 先收集,另找时间处理 | 收藏行为不等于已经学习 |
| 大量未处理电子书或PDF | 不能直接视为私人知识 | 索引能力不等于知识质量;PDF效果原文未验证 |
Ben哥的kb/STANDARD.md可以增加「材料属性」与「个人加工」两项口径:区分原始资料、画线摘录、本人思考和AI整理,说明哪些内容允许进入个人观点综合。对reading.py可提出select_learning_traces()函数,只为这一用途挑选画线与注释,同时保留原文的证据位置。不能为了贯彻这场观点而删除现有原始转写;原文存档与私人思考检索,可以承担不同职责。
他的实际路径是把多个来源汇入本地Markdown库:微信读书与Readwise通过插件带来画线、笔记,过去Kindle时期的阅读积累也属于阅读库;Logseq承担大纲式整理,Obsidian利用插件生态打通来源。随后把本地文件夹加入Google Drive同步,再让AI通过连接器检索相关内容。
他演示的核心指令并不复杂:使用连接器,搜索与某个主题有关的内容,然后综述、综合。他以Notion和“做中学”为题,展示从自己的阅读与笔记中组织报告的过程;其中一次深度研究据他说用了13分钟。价值不是重新定义一次Notion,而是把过去分散在不同文章、画线和个人笔记里的线索,聚到一个当前问题下。
Ben哥可以在knowledge.py提出search_then_synthesize():返回「命中条目」「对应来源」「综合结论」「未覆盖范围」,把检索结果与模型归纳分开展示。对reading.py则提出记录「来源更新时间」和「本次获取时间」,用于区分源头没更新、同步未完成与检索未命中。本篇不替Ben哥开云盘同步,也不假定现有系统已经具备这些字段;先用一个熟悉主题核对能否找回自己的已知笔记。
他对Atlas最强烈的推荐,不是Agent Mode替人自主操作,而是读文章时AI与网页上下文的整合。他用布莱克—斯科尔斯期权定价模型的百科条目、技术博客等举例:长文逐字读很耗费认知资源,先让AI整理出主旨和结构,就有了继续理解的支架。他常用的是“三级笔记”提示词,但这份转写没有完整展示提示词正文,不能据此复原其精确格式。
接下来的动作不是把AI输出当学习终点,而是复制到自己的笔记工具,作为最早版本,再解释概念、建立联系、加入自己的问题。他把这种方式称作笔记重构,并用建构主义来解释:学习是主动建立框架,而AI降低了搭出初始框架的成本。省掉的是从零整理的负担,不是学习者作判断的责任。
Ben哥可在reading.py提出build_reconstruction_draft(),先生成「主旨」「论证骨架」「不熟悉的概念」「追问」四部分,再给本人补充理解。这是从本场方法推导的草稿格式,不冒充讲者原版三级笔记。kb/STANDARD.md相应区分“AI初稿”和“个人重构”,只有复制动作、没有本人解释的条目,不能因此被写成Ben哥已经形成的判断。
howie会在信息流、订阅工具或社交媒体中先收集与目标相关的材料,再安排专门时间阅读,而不是看到什么就在当场一路深挖。浏览器中的AI负责辅助理解当前材料,让阅读从被动滑动转成能提出问题、讨论观点的过程。他说自己处理信息的量可以提高很多,但这属于个人估算,不是本场给出的对照实验。
他同时强调概念储备:思考一个主题时,如果不断遇到不理解的词,就会反复停下来查找,思路容易被打断;积累概念和框架,是为了让后续思考走得更远。这与前面的“AI帮你搭骨架”并不矛盾:骨架降低进入门槛,理解概念仍要由你逐步完成,不能让生成的流畅文字掩盖自己没懂的地方。
| 阅读环节 | 本场采用的做法 | 不应混为一谈的结果 |
|---|---|---|
| 信息流筛选 | 按兴趣与目标收集 | 收集数量不是学习成果 |
| 专门阅读 | 用AI获取主旨与结构 | 结构摘要不是读懂全文 |
| 概念加工 | 弄清概念,补进自己的框架 | 见过术语不等于会运用 |
| 思想对话 | 提出理解,让AI回应,再修正 | 得到回答不等于完成判断 |
Ben哥可给reading.py提出「已收集」「已结构化」「已重构」三个状态,让队列能区分材料到了与真正处理过。cron-jobs.json里的阅读任务若以后调整,可把任务说明中的目标写成“推进已收集材料的重构”,而不是只追求新增条数;本篇不指定新调度时间,也不改cron。具体状态名属于应用提案,原文没有讲软件里的状态机。
他展示给长文章起标题的过程:先提取关键词与核心思想,再排列组合出多个候选,参考外部已有标题的表达,最后与AI讨论。他并不直接接受AI第一轮给出的答案,而是把自己对全文的压缩理解重新打回对话,让AI围绕这个核心继续生成、分析和评价。
讨论涉及认知张力、情绪、意象与隐喻、句式节奏等维度。AI给的分数在这里是讨论材料,不是标题传播效果的实测。这个案例要说明的是:当你原来就有一套编辑方法,AI可以进入其中承担提取、生成和对照;真正决定标题是否贴合文章的,仍然包括你对文章的理解与选择。
对应Ben哥的~/.agent-autoloop/report_html.py,可提出一个build_title_candidates()函数,输入「报告核心结论」和「必须保留的事实」,输出候选标题及各自强调点;另保留「最终采用理由」,避免只按AI评分自动选标题。该函数仅负责编辑表达,不得反向改动数据或把不确定判断包装成确定结论。本轮只写方法,不修改报告脚本,也不对外发布任何标题。
开场预告很大:要用Notion构建家庭学习OS。实际讲到的内容主要是Notion的数据库本质、页面与条目,以及AI能够在其环境内读写页面和数据库的能力描述。临近结束,他明确把Notion专题留到下次,因此这场不能被整理成一份完整的家庭学习系统搭建教程。
工具定位也要分开:他用Logseq做大纲式笔记,用Obsidian的插件处理连接与同步;Notion在他这里不是个人知识管理的主要系统。他还说自己保留Arc处理分屏与空间等需求。至于Atlas的Agent Mode,他在当时认为浏览器自主执行能力还不够可用。同一个人高度认可AI浏览器,也可以不认可其自主操作模式;不能把对阅读助手的赞赏扩成对全自动工作的背书。
Ben哥可在kb/STANDARD.md提出「已演示」「仅描述」「原文未展开」三个证据标签,避免深蒸馏把预告写成教程。knowledge.py若以后增加工具选型卡,可设置「解决的任务」「依赖材料」「本场边界」字段:Notion家庭学习OS写“原文未展开”,浏览器阅读与自主操作分别记录。不要因为出现一个新产品名,就迁移现有知识库或改动cron-jobs.json。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 做中学,不靠资讯形成能力 | tasks.md | 任务描述增加场景、操作、证据、下次调整,按真实使用结果记录 |
| 上下文比提示词花样更关键 | knowledge.py | 提出build_context_bundle(),明确目标、选中笔记、来源与限制 |
| 私人知识不是未读收藏 | kb/STANDARD.md、reading.py | 区分原始资料、摘录、本人思考、AI整理,保留原始证据 |
| 先检索,再跨笔记综合 | knowledge.py | 提出search_then_synthesize(),把命中来源与综合结论分开 |
| AI草稿需要本人重构 | reading.py | 提出build_reconstruction_draft(),产出骨架与追问,不直接标成已掌握 |
| 收集与消化分开 | reading.py、cron-jobs.json | 区分处理状态,后续调度目标从新增条数转向推进材料重构 |
| 标题工作流需要专业判断 | ~/.agent-autoloop/report_html.py | 提出build_title_candidates(),记录核心结论、候选及采用理由 |
| 演示、描述与预告不能混写 | kb/STANDARD.md | 增加证据标签,Notion家庭学习OS标为原文未展开 |
原文:howie《ai 浏览器和 ai notion:实战总结、专题分享》,2025.11.07直播。正式开始预告为20:00,结束时口述22:20,据此估算约140分钟;开播测试更早,录像精确时长未标。
本篇依据:用户提供的整份机器转写。主线为做中学、个人知识库与连接器、思想综合、浏览器阅读和起标题工作流。双十一促销与闲聊不作为方法论展开;期权经历只用于解释实践与书本理解的差别,不提供交易建议。序号29按本次任务文件编号标注。
更正与边界:将反复误识别的ChatGPT、Logseq、Obsidian、Readwise、Atlas及“知识管理”“思想综合”等按上下文统一。讲者对连接器即时更新、检索覆盖和内部机制的强判断,不能当作本篇独立验证的技术事实;PDF检索效果他明确未试。三级笔记完整提示词、家庭学习OS的数据库结构与搭建步骤,原文未展开。产品价格、模型比较与Agent Mode评价均属于2025.11.07的表述,不作为当前购买或能力结论;语言史、宏观市场等旁支判断未采纳为已核实事实。实际应用中的函数、字段和状态均为面向Ben哥文件的后续设计提案,未检查其现有实现,也未改动这些文件。
定位:中文深蒸馏,不是逐字摘要。标「原文在说什么」的部分提炼讲者观点;标「对你的实际应用」的部分是分析,与原文分开。