# AI时代的收集者谬误升级版

一、我以为我需要一手信息

今年2月底，我认真想搭一个AI News工具。

起因很简单：关注AI行业，但每天看到的信息几乎都是二手的。某个模型更新了，某个产品发布了，我总是从别人的公众号、别人的日报、别人的解读里才知道。等我看到的时候，已经过了好几手。

我想看到一手信息。

但真动手的时候，第一步就卡住了——我连有哪些信息源都不知道。

于是我花了几天时间，在Twitter上把自己关注的所有AI相关账号翻了一遍。官号、二级媒体号、有独特视角的个人博主、普通人……大大小小搜了六十多个。我想用Grok自动读取这些源，看看能不能搭一个自动抓取的News流。没搞成。

3月初，我接上了Claude Code，终于编译出了一个最简单的AI News——它能帮我抓Twitter上的AI新闻，按一些小规则筛选出来。

但说实话，我做出来之后，自己不太想看。

抓取经常断，筛选出来的东西也没有让我觉得"这比看别人的日报更有用"。后续也没有继续升级。陆陆续续有了别的想法，这件事就放下了。

然后，AI News的开源项目突然遍地都是。

卡兹克开源了他的AIHOT，Horizon也出来了——一个开源的AI信息聚合平台，多源抓取、去重、评分、摘要，搭建门槛很低。大大小小的博主在开源，中型博主在开源，我身边的朋友也在做。

我还没做完我的Twitter搜索，别人已经开源了更好的版本。

这件事让我停下来想了想。

不是"别人做完了我就不用做了"的那种停。是一种更深的不对劲——我原本以为，我的问题是"看不到一手信息"。只要我搭了工具、搜了更多源、跑在了别人前面，问题就解决了。

但当我真的看到这些开源项目的时候，我意识到一件事：

看到更多，本身不是答案。

卡兹克做了168个信源、11版评分策略，Horizon搭出了完整的信息雷达——但说实话，我自己用下来，基本上不会去看。

不是工具不好。是我没有一条主线，让这些信息有地方可去。

没有主线的一手信息，和没有主线的二手信息一样，只是谈资。

我以前以为我的问题是"看不到"。后来才发现，我的问题不是看不到，是不知道看了之后该往哪放。

二、收集者谬误的AI时代升级版

做知识管理的人大概都听过一个概念：收集者谬误。

它的意思是：你以为自己保存了一篇文章，就等于处理了它。收藏了，就是读过了。读过了，就是理解了。理解了，就是可以用了。

这是一个幻觉。但这个幻觉很舒服，因为保存的动作会释放一种"我已经处理了"的心理张力。觉得自己在建设，其实只是在堆仓库。我自己也干过这事。

AI时代，这个谬误升级了。

以前的收集者谬误是：我保存了，所以我处理了。

AI时代的升级版是：我搜到了一手信息，所以我比别人更早更准。

看起来比"保存了"高级多了。毕竟你确实在主动搜索，确实在看一手信源，确实比别人更早看到了那条消息。但本质上，它和"保存了所以处理了"是同一套逻辑——

"看到"被当成了"判断"。

没有主线的收集，不管是一手的还是二手的，都只是谈资。

我自己的经历就是证据：我搜了60多个Twitter博主，搭了一个能自动抓取筛选的工具，做出来了——然后不想看。不是因为工具不好，是因为我不知道看了之后该拿它怎么办。

这不是个例。我身边做AI News开源的朋友，工具做得比我好，信源覆盖比我广——但说实话，很多人用下来也是同样的感觉：刚开始新鲜几天，后面就不看了。

AI圈里有些前辈说得更狠：他们根本不看新闻。真正重要的东西，自然会推到你眼前。

这句话我一开始觉得太傲慢。后来慢慢理解了——他们不是不看信息，是信息已经在他们的主线上了。他们有自己的标准，知道什么值得注意，什么可以忽略。信息不是被"看到更多"筛选出来的，是被"我到底在往哪走"筛选出来的。

回头看，瓶颈一直在变：从"找不到"到"信谁"到"我到底在往哪走"。AI让前两个问题容易多了，但让第三个问题变得更紧迫。

而更根本的问题是：就算你找到了、也信了，如果你不加工——不跟自己已有的经验做联系，不想它下一步往哪存、往哪用——看再多也没用。找到不等于处理，保存不等于理解。记录本身必须带着重新组织，否则它只是在换一种方式堆仓库。

不是先看到更多信息再找到方向，而是先有方向，信息才有地方可去。

三、开源的是管道，判断是不可开源的

卡兹克开源了他的AIHOT——168个信源，T1/T1.5/T2三级分类，评分策略迭代了11版。

但他开源的是管道：信源列表、抓取脚本、评分框架。

真正不可开源的，是他用11版迭代凝结出来的判断标准——为什么选这些源、为什么这条值得推、为什么那条可以忽略、权重怎么算、阈值怎么定。这些东西长在他自己的主线上，没法fork。

这也是为什么，即使有了这么多开源的AI News工具，我用自己做的最简版抓出来之后，还是不想看。不是工具不好。是通用打分不是基于我的判断，它不认识我。别人的管道再好，没有我自己的判断标准穿进去，信息来了也只是又多了一堆待看列表。

开源的是管道，判断是不可开源的。

一个只收集、不判断的系统，只是囤积，不是判断。

四、先有签子，再穿东西

那怎么办？

我后来想明白了一件事：我需要的不是看到更多信息，而是先搞清楚我自己到底在往哪走。

有一次我打了个比方——你的主线就像烧烤的那根签子。没有签子，你拿一堆食材，不知道往哪穿，只能堆在盘子里。有了签子，你想插什么就插什么，不是随便插，是有选择地穿上去。

我现在的签子有三条，它们不是并列的，是递进的：

第一条：用AI把现有的工作串起来。这是当下就能用的——怎么用AI帮我把日常工作做得更快、更好，这是我每天都会碰到的问题。

第二条：把自己的信息沉淀下来。不管是读到的、想到的、做过的，都放进一个结构化的系统里，以后能找得到、能用得上。这是长期底座。

第三条：在前两者的基础上，看看能不能沉淀出一些别人也能用的东西。可能是深度研究报告，可能是个人偏好备忘，可能是某种可复用的方法。这是远期复利。

有了这三条线，我再去看AI News，感觉就不一样了。大部分news，答案是"跟我的主线无关"。那就过。

先有签子，再穿东西。

五、最小动作：试一张判断卡片

说了这么多，到底该怎么做？

有了主线，你就知道什么该看什么不用看。但"该看"的信息来了之后呢？——你还得判断它到底值不值得信、值不值得跟。这就是判断卡片在做的事。

我不是要你马上去搭一套完整的信息判断系统。先别急着搭——那太重了，大概率搭完也不用。

我想建议的最小动作是：试一张判断卡片。

什么是判断卡片？就是当你看到一条信息，觉得"这可能重要"的时候，不要只收藏，而是花两分钟写下四件事：

1. 我现在判断什么？——一句话，把你从这条信息里提取出来的判断写下来。不是"这篇文章说了什么"，而是"我看完之后，我相信什么"。

2. 我有多确定？——给一个置信度，60%、70%、90%都行。不用精确，但必须写。写下来你才会发现，很多时候你以为自己很确定，其实没那么确定。

3. 什么会改变我的想法？——如果未来出现了什么信号，我会承认自己判断错了？这个问题能逼你想清楚，你的判断到底建立在什么前提上。

4. 什么时候复盘？——给自己定一个日期，到时候回来看这条判断。对了，信源升级；错了，信源降级。

这四件事，核心只有一个：把"我好像懂了"变成"我愿意为此下注"。

为什么必须用自己的话写？2014年，Mueller和Oppenheimer做过一个实验：两组学生听同一场讲座，一组用电脑打字记录，一组手写。结果手写组在概念理解上显著优于打字组。原因不是手写比打字好，而是手写速度跟不上，逼着你必须用自己的话重新组织信息——哪些重要，哪些次要，换一种说法。打字速度快，倾向于逐字照抄，深度加工较少。

这个实验的真正结论是：记录本身必须带着重新组织，不是只保存信息，而是在加工信息。判断卡片就是在做这件事——你写下的不是原文摘要，而是你自己的判断。

模糊是焦虑的温床，具体是清醒的开始。

AI让记录变得越来越简单——保存、摘要、分类，几秒钟就搞定。但越简单，越要警惕：记录变简单了，不代表思考变多了。AI能帮你整理和润色，但思考、感受、判断——这些只有你自己能做。

所以，先别急着搭一套完整的信息判断系统。也别急着把所有东西塞进AI里，期待它给你一个人生答案。

先写下你的三条主线是什么。然后，下一条让你觉得"这可能重要"的信息来了，试一张判断卡片。

至少这个阶段够了。

这篇文章不是一个终极系统发布。更像一次小版本更新。后续可以展开的还有很多：AI摘要制造的理解幻觉、信源分级的具体方法、30天判断系统实验——如果你感兴趣，我们后面慢慢聊。