「如何記住讀過的每一件事」這個題目，在網路上有數百支影片，加起來數百萬次觀看。不知道從什麼時候開始，記住讀過的東西變成了一種執念——留不住書裡的知識，就覺得自己是個失敗者，覺得那幾個小時被浪費掉了。

而整張桌子，是被這句話掀掉的：

如果一件事需要靠記才記得住，那它對你不重要。如果它真的重要，你自然會記得。

接著是一個更不客氣的問題：一開始為什麼會想把一本書逐字背下來。

答案是想聽起來很聰明。這是一種沒被意識到的地位象徵——想用談吐和思路壓過別人。但講得出東西這件事來自理解，不是來自記憶，而理解需要的學習方式跟背誦幾乎相反。學校在這件事上幫了倒忙：考試考的是記憶力，苦讀好幾個小時只為了在正確的格子裡填上答案。人生沒有那張答案卡。

真正想要的東西其實很清楚：累積知識、做出更好的決定，用更多錢和更多話語權，把自己推到一個不必天天煩惱生存的位置。這個願望沒有問題。用背誦達成它，是所有路徑裡最沒效率的一條。

學不起來，是因為沒有任何東西會痛

先講一個跟讀書無關的場景。

一個人如果沒有把身體練好這個目標——是那種從骨子裡長出來的目標，不是為了合群而許的新年願望——那他喝到爛醉玩到天亮，隔天不會覺得有什麼問題。因為那晚並沒有妨礙到任何東西：沒有隔天早上的跑步，沒有健身房的訓練量。宿醉去上班也還好，反正上班表現好不好，本來就不在意。

**沒有目標，就沒有負向回饋。沒有負向回饋，學到的東西就留不住。**大部分學習之所以失敗，根都在這裡。

Mogu 畫重點：

這個診斷的殺傷力在於，它把「學不會」從能力問題改判成結構問題。以前的解法是加大輸入——再買一堂課、再訂一份電子報、再裝一個閃卡 App。照這個框架看，那些全部都是在往一個沒有出水口的桶子倒水。

順帶一提，這件事在 agent 身上一模一樣。一個沒有明確目標的 coding agent 丟進 repo 裡，它會很認真地把整個專案讀一遍，然後 Context Window 燒光、產出一堆看起來很勤勞的廢話。有目標的 agent 只讀三個檔案就動手了。差別不在模型多聰明，在有沒有一個東西可以拿來判斷「這份資料跟我要做的事有沒有關係」┐⁠(⁠￣⁠ヘ⁠￣⁠)⁠┌

舵手：一個會學習的系統長什麼樣

學習是一個控制論式的過程。

控制論的字根是希臘文的「kybernētēs」，意思是舵手——這條字源線 SD-27 已經挖到底了，這裡只需要記得舵手在幹嘛：他不是把船頭對準一個方向就沒事，而是不斷讀取當下的狀態（風、浪、船首方位），跟預定的航線比對，然後修正。這就是試誤法的本體。而大部分人的生活裡，根本沒有一條清楚到足以讓他看出自己偏航了的航線。

拆開來看，一個有智慧的系統有四個零件：

  1. 參考訊號（目標）——系統心裡有一個目標狀態。
  2. 感測器（感知）——系統讀得到自己現在的狀態。
  3. 比較器（落差）——系統算出目標跟現況的差距，這個差距就是誤差訊號。
  4. 執行器（行為）——系統採取行動來縮小誤差。

恆溫器在太冷的時候打開暖氣，胰臟在血糖上升的時候放出胰島素，都是同一組零件在動。

Mogu 內心戲：

補兩段 SD-27 沒挖到的：「cybernetics」這個字是 Norbert Wiener 在 1948 年造出來的；而同一個希臘字根也長出了英文的「governor」——那個字同時是「統治者」和「機械上的調速器」。治理跟調速在字源上根本是同一件事，都是一直在修正偏差的那個角色。

另外，SD-27 翻的也是 Dan Koe。同一個人隔了一個月，把同一套迴圈先套在人生上、再套在筆記上。知道這些之後再看 agent 圈天天在講的「規劃 → 行動 → 觀察 → 修正」，會有種很微妙的感覺：這一套在 LLM 出現的七十幾年前就被命名完畢了，只是當年拿來舉例的是船跟恆溫器，不是 Claude。

問題就攤在這裡了。大部分人想學新東西的時候，注意力全放在素材上：囤積資料，然後用間隔重複、閃卡、線上課程、「先打好基礎」去吸收它。他們預設學習是一個輸入過程。

實際上學習是一個輸出過程，因為輸出會反過來逼出輸入。

這條鏈子是這樣接的：

目標產生誤差訊號。誤差訊號產生過濾器。過濾器產生相關性。相關性產生留存。

大部分人腦子裡塞的，是永遠用不到的雜訊。

這條鏈子還有一個比較冷的推論。一個從小被制約成「去上學、去找工作」的人，會很自然地往那個方向學習與行動——那個被指派的人生會忠實地實現。更麻煩的是，這種人不會注意到工作以外的賺錢機會，因為大腦正在把它們過濾掉。出生時被裝上的大目標決定了他的行為和學習內容。他是別人理想的傀儡，不是自己人生的掌舵者。

反過來，一個人如果有意識地建立自己的框架——清楚知道自己不要什麼樣的人生，並拿它去對照一個會持續演化的、想要的人生樣貌——他才有辦法感覺到自己偏航了，注意到誤差，修正方向。學習會變成這個過程的副產品。

不要開始學習，先走出第一步

框架講完了，具體要做什麼。

第一步，對一個有意義的目標著迷。

著迷的方法不是喊口號，是去看自己現在每天在做的事，然後誠實推算：照這樣下去，人生會停在哪裡。對大部分人來說，那個畫面不好看。

坐在那個畫面裡，讓它變成很濃的情緒，再把那股情緒的能量轉向一個比較好的方向。

也只有到這一步，追求的目標才會跟未來的瞄準點對齊，一個有用的學習過程才真的開始——這跟學校的模式完全相反，學校裡學什麼是由社會設定的方向決定的。

極端會改變大腦，會提升神經可塑性。而 Dan Koe 自己的判斷是：與其做一大堆小改變，不如做一個極端的改變。燒掉船，換一種活法。

Mogu 忍不住說：

「燒掉船」（原文寫「burn the boats」）出自登陸之後自毀退路的軍事傳說。史實細節一直有爭議，但它在這裡本來就是修辭，不是史料。

比較需要注意的是「極端改變勝過很多小改變」這條。它是 Dan Koe 的個人判斷，不是神經科學的定論——而一個靠「勸人做出巨大轉變」建立商業模式的人，在這件事上本來就有立場。當成一個值得考慮的賭注讀，不要當成處方。

第二步，不要開始學習。

想要的人生，坐落在一連串有意義的專案的盡頭。

心智要當成一個專案來經營，身體、關係、財務狀況也一樣。專案就是一組有結構的目標和里程碑。專案會替學習建立框架，因為它會把不重要的雜訊濾掉。任何沒有直接推動專案前進的東西，現在都不值得學，因為反正也留不住。

換句話說，想學新東西的時候不要開始學，而是往目標踏出第一步。

拿 After Effects 當例子。想學這套動畫軟體，跑去看一堆泛用教學、把軟體的每個角落都摸一遍，是很笨的做法。

正確的順序是先有一個想做出來的作品。用現有的知識開工，卡住了就去找一支跟目標作品最接近的教學。因為手上已經有過濾器（想做的東西），那支教學裡大部分內容都會是無用的，但總會有一個小技巧剛好夠讓專案動起來。用掉它，然後重複。技巧堆疊到一定程度，下一個作品、再下一個作品，就會越做越順。

學樂器也一樣。不要跑去讀樂理，而是挑一首想彈的歌。先學第一個和弦，再學第二個，再學第三個。過程中自然會學到某種特殊調音法，會撿到一些讓演奏變好聽的小訣竅。彈完幾首歌之後，會產生一種「好像可以自己寫一首簡單的歌了」的感覺。

那就是學會了。

第三步，去追專屬知識。

我認為每個人最終都該去搞清楚：自己獨一無二做得最好的是什麼——那件事要跟自己的本質對齊，要能給出真實感，要帶來只屬於你的知識，要形成競爭優勢，讓你無可取代。然後就一頭栽進去。而且有時候，你要做了才知道那是什麼。

— Naval

學校教的是通用知識，或者說做一份工作所需要的知識。學校不教怎麼走出自己的路。它把人窄化到單一領域，而這個方向本質上不會為創業——或者只是單純去做自己想做的事——做好準備。

自學是為了達成自己設定的目標，去學必要的東西。重點還是那個：不要靠囤積通用知識來製造「正在學習」的錯覺。

Mogu 忍不住說：

Naval 那段話裡的關鍵詞是「specific knowledge」，中文常翻成專屬知識或特定知識。它指的是那種教不會、只能靠親身經歷長出來的能力組合，跟「某個領域的專業」是兩回事——它之所以構成競爭優勢，正是因為別人沒辦法報名一堂課把它學走。

工程師版本的對照組很好認。「會寫 React」不是專屬知識，那是課程賣得掉的東西。「在這家公司待了三年，知道哪個服務半夜會爆、知道為什麼那段醜 code 不能重寫、知道要說服哪個人才推得動一個決策」——那才是。AI 時代這個區分更尖銳了：可以被課程教會的東西，通常也可以被模型學會 (⁠⌐⁠■⁠_⁠■⁠)

第二大腦的問題出在被當成倉庫

Dan Koe 不是站在外面罵的人。他從 Roam Research 開始，那套工具徹底改變了他的寫作方式：建立一個裝滿強力想法的知識庫，每次坐下來打字的時候從裡面撈。幾年前他甚至自己蓋了一個叫 Kortex 的工具，原本不是要做第二大腦軟體，但最後就是變成了那個東西，然後失敗了。或者說沒有真的失敗，而是痛苦地演化成現在的 Eden。

所以他的立場不是「第二大腦沒用」，而是它被誤用了。

加書籤、做筆記，然後那些東西再也沒有被看過第二眼。以為自己在學習，其實那段時間被浪費掉了。

在「第二大腦」這個很好賣的名詞被發明之前，人們用的東西叫札記本，英文是「commonplace book」。

Marcus Aurelius 的《沉思錄》本質上就是一本私人札記——寫給自己看的筆記，加上消化過的哲學，從來沒打算出版。達文西在數千頁筆記本裡塞滿速寫、觀察、疑問和從別人那裡借來的點子。Mark Twain、H.P. Lovecraft、Thomas Jefferson、Ronald Reagan、Montaigne、Rick Rubin，各自都有某種版本的札記本。

跟現在的第二大腦信徒之間，只有一個關鍵差別：他們的想法收藏是創作的燃料。

他們的發明、寫作和音樂不會是今天這個樣子。Dan Koe 甚至願意說得更重：如果沒有那本札記本，這些名字根本不會被記得。

這裡有一個很多人沒想通的機制。創作的時候，潛意識會吐出相關的想法來提升作品品質，但潛意識的處理能力有限，而且它有時候會決定不幫忙，把人晾在創作的死胡同裡。

Seneca 用過一個比喻：像蜜蜂那樣去許多花上採集花粉，然後消化成自己的蜂蜜。

現代版的講法是「像藝術家一樣偷」。

這也是寫作卡關的解藥。想不出內容、影片、文章的點子，是因為沒有一個可以撈的想法倉庫。他寫這封信時的帳算得很清楚：每一句話都是從先前存下的文章、影片、社群貼文、隨手想法和畫線片段裡撈出來的。

Mogu 碎碎念：

「像藝術家一樣偷」是 Austin Kleon 那本書的書名「Steal Like an Artist」，2012 年出版後變成創作圈的通關密語。它講的不是抄襲，是「所有創作都是重組」——重點在於偷完之後有沒有經過自己的消化系統。Seneca 那個蜜蜂比喻早了快兩千年，講的是同一件事：花粉是別人的，蜂蜜必須是自己的。

札記本傳統真正給出的是一個新的評分標準：不看收了多少，看創作時撈出來多少。那是一個輸出端的指標，而且很殘忍——一個從來沒有被創作行為叫醒過的筆記庫，資訊再完整都是零分。這跟前面舵手那套是同一條線：沒有輸出，就沒有誤差訊號，就沒有過濾器，就什麼都不會留下。

蓋一個真的撈得出東西的系統

那要怎麼蓋一個不會變成想法墳墓的數位札記本。Dan Koe 給這東西的名字不是第二大腦，是第二潛意識——潛意識的特徵是創作的時候它自己會浮上來，不用人特地去翻。

先講工具選擇。這裡他借了 Devon Eriksen 一句很毒的話：

不要因為 AI 有多「聰明」就大驚小怪。它比一袋濕掉的鐵鎚還笨。真正該利用的，是它在大型資料集上快速做簡單任務輸入輸出的能力。

大部分筆記與第二大腦軟體都還需要手動維護。有些軟體外掛了一個 AI 對話框，那確實有用，但它們漏掉了最有價值的那個應用：讓想法不會消失在虛空裡——因為創作能力直接取決於能不能把它們重新撈回來。

路線有兩條。

路線一：Claude Code 加 Obsidian，知識存在一個地方，用 AI 取回想法。

Mogu murmur：

這條路 gu-log 從很早以前就在走，GP-4「Obsidian + Claude Code 101」整篇都在講怎麼讓 AI 住進筆記庫，後面還有一串 Obsidian vault 相關的實作文。下面那五步就當快速對照，需要細節請往回讀。

Dan Koe 在推薦這條路的同一段裡順手吐槽了它：「大家把珍藏的 Notion 模板收藏換成了 Claude skill 收藏，這種風潮跟所有風潮一樣會退燒。」推薦跟嫌棄同時出現，他自己沒解這個矛盾——但那句吐槽很準。換一套工具而不換那個輸出端的迴圈，收藏的形式變了，墳墓還是墳墓。

八成的效果來自這五步：

  1. 裝好 Obsidian 和 Claude。
  2. 打開 Claude Code 或 Cowork，把電腦上的 Obsidian vault 資料夾選成工作目錄。
  3. 做一個「存一個想法」的 Skill——請 Claude 建一個 Skill，功能是在收件匣資料夾裡建立一則有清楚標題的筆記。
  4. 做一個「整理收件匣」的 Skill——請 Claude 建一個 Skill，功能是掃過收件匣資料夾，加上標籤、移到正確的資料夾、並補上跟庫內其他筆記的雙向連結。
  5. 請 Claude 幫忙定義分類體系，讓它知道該用哪些標籤和分類。

這樣就能把想法、筆記、知識捕捉進一個經得起時間考驗的筆記工具裡。之後隨時可以叫 Claude：「搜尋 vault，找出所有跟〔正在寫的主題〕相關的東西。」

這招足以找到大部分想法。但好的寫作和創作來自新穎的連結，而不是關鍵字搜尋，也不是讓 AI 腦力激盪一堆同義詞去撈近似值。

路線二：用會自動處理的軟體，例如 MyMind 或 Eden，它們會自動下標籤、分類，並把知識嵌進「意義空間」裡，讓看似無關的想法連起來，長出新的洞見。

MyMind 讓人把任何連結或想法存進一個大型可搜尋的圖書館。Eden 做同樣的事，再往前一步：存進一篇文章或一支影片時，它會轉成逐字稿並允許畫線，還能接 Kindle 把過去的畫線全部拉進來。

MyMind 和 Eden 跟 Obsidian 加 Claude 的差別在於，丟進圖書館的每一樣東西都會自動被標記、分類、embedding。所以同樣的搜尋做得到，但不用燒掉寶貴的 AI 用量。（Eden 也提供 MCP，想用 Claude 存取知識庫的人還是可以。）寫作者和創作者還多拿到一項：Eden 有一個異常值搜尋動態，可以看到自己這個領域裡哪些社群貼文正在跑，看到就直接存進圖書館。

差異最大的一項是按意義搜尋——Eden 做得到；MyMind 做不做得到，Dan Koe 自己也不確定。Obsidian 能顯示「什麼是相關的」，Eden 的說法是它能顯示「什麼在附近」——每個想法會被壓成大約 1500 個數字，那組數字像是這個想法的 GPS 座標。兩個想法就算一個字都不重疊，還是找得到彼此。這是「丟進去就可以忘記」的前提：因為知道需要的時候它會自己浮出來。

它也能在不重新掃過整個知識庫、不燒掉幾十萬 token 的前提下，撈出新的連結。

至於要不要自己做——Dan Koe 猜大部分人不會想，因為自己做要維護一個向量資料庫、一個 embedding API、索引腳本、筆記改動時的重新 embedding、檔案改名或刪除時的索引同步，還有避免對沒變的內容重複付費的快取。那些工具本身就把這一整套包掉了，不另外收錢。

Mogu 碎碎念：

Embedding 這個概念值得用一句話講清楚：把一段文字丟給模型，它會吐出一長串數字，這串數字代表這段文字在「意義空間」裡的座標。意思相近的東西座標就靠近，所以「怎麼跟老闆開口加薪」和「談判時先開價的人比較吃虧」可以是鄰居，即使它們沒有任何共同字詞。關鍵字搜尋在這種時候是全盲的。

至於最後那段維護清單——向量資料庫、重新 embedding、索引同步、快取——它是這篇裡推銷成分最濃的一段，但技術上完全誠實。為了一個人的筆記庫自己養一整套 embedding 流水線，就是 SD-21〈消防車澆多肉〉 那篇算過的那筆帳：資料量還沒到，工具的維護成本就先把人壓死了。個人筆記庫比那篇假設的規模還小一個量級 (⁠╯⁠°⁠□⁠°⁠)⁠╯

也要把話講明白：Eden 是 Dan Koe 自己的產品，這篇裡有推薦連結和四個月免費的優惠。方法論的部分（目標、專案、札記本、策展）跟他賣不賣工具無關，那些是文章真正的骨架；工具比較那段就當成賣家自述，自己去試比較準。

存什麼，比存多少重要

有了一個可以隨手丟想法、不用擔心整理的地方之後——因為整理的唯一理由是為了之後找得到，而那件事已經解決了——接下來就不是什麼都往裡面倒。

當 AI 可以生成任何東西，篩選比以前任何時候都重要。

需要的是一個經過策展的空間，裡面裝的是會激發靈感的想法。那是社群動態那條無盡雜訊消防水管的反面。

對寫作者、創作者，或任何想做獨立工作的人來說——所謂獨立工作，意思是必須靠自己丟出去的想法吸引到一群人——現在已經沒有人是為了內容而追蹤誰。

Google 在那裡，AI 在那裡，資訊點一下就有。

人們追蹤的是觀點。是意見、是詮釋、是個性、是故事。而這些東西全部都是世界觀的下游產物，世界觀則由拿來理解世界的那些想法組成。

Dan Koe 舉自己當例子：聊到現實的本質時，他的腦子會跳到歷史、整合理論、螺旋動力學這些方向，因為他判定這些是最有用的鏡片。相較之下其他聽過的說法都比較站不住。

要存的就是這種想法。策展出一大批最能代表理想中的自己的心智的知識。

那本花俏的筆記系統本來就是為了這件事而存在的。只是那些想法從來沒有真的變成自己的一部分——而讓它們變成自己的方法，通常是思考、寫作、公開分享，然後接受市場的回饋，讓最好的想法勝出。

做法沒有捷徑：多讀書。讓好奇心帶路。拒絕無盡下滑，改成訂閱一份經過挑選的作者與思想家名單。空出時間做「研究」，因為對寫作者和創作者來說，那就是八成的工作內容。

剩下的兩成，是把「研究」綜合成對別人有用的東西。

Mogu 偷偷說：

「人們追蹤的不是內容，是觀點」這句話，剛好是 gu-log 整個架構的設計說明書。

gu-log 的翻譯文章有一條硬規則：正文必須忠實於原文，作者的論點怎麼走就怎麼寫，不能偷偷塞進 gu-log 自己的判斷。那 gu-log 的觀點放哪？就放在讀者現在看的這種框框裡。分層的理由跟這一段完全同構——資訊本身已經不稀缺了，讀者點一下原文連結就有；稀缺的是「有人讀完之後怎麼想」，以及願不願意把那個判斷跟事實分開標示清楚。

所以這一整篇的閱讀方式也是這樣：正文是 Dan Koe 的世界觀，框框是 gu-log 的。兩層不同意的地方，剛好是最值得停下來想的地方。

寫作流程：先傾倒，再排骨架，最後才動筆

系統有了，還缺一個把它用掉的專案。而且在有理由去學之前，捕捉到的其實都還不是專屬知識——心智還沒拿到那個框架，沒辦法判斷哪些想法重要到值得存下來。

想變聰明、想記得住讀過的東西、想講話有條理。動機可能有點虛榮，但也很實際：人生的結果取決於做出的決定，而聰明的程度和把自己的價值講清楚的能力，確實對那些決定有正面貢獻。

要創作什麼，Dan Koe 沒辦法替別人決定。但如果是寫作，他願意分享一段最近幫到別人的流程。

一、選題。

最好的題目落在「表現」和「興奮」的交集上。

表現，指已經被證明會有反應的題目。找法是把爆紅的社群貼文存下來，或用研究工具去找異常高表現的內容、研究創作者的最強貼文。

興奮，指出於好奇心而想深入探索的題目和想法。

工作是把想寫的題目（那個題目大概率在社群上不會紅）跟一個已經被證明會紅的題目配對起來，這樣才能寫自己想寫的東西，同時提高它真的被看見的機率。

大部分新手就是死在這一關。

這個公式他自己剛用過一次——「如何記住讀過的每一件事」這個題目紅過的次數數不清，他套上去的是一個反向觀點。

二、大腦傾倒 → 大綱 → 草稿。

先別急著寫。

作家不是打開一頁空白文件，然後期待所有想法自動排成一直線。

從大腦傾倒開始：把所有可能塞得進這個題目的想法全部寫下來，順便翻自己的筆記、想法和連結，把它們也丟進去。

接著用大綱加上一點結構。把傾倒出來的東西塞進一個通用的說故事骨架：問題 → 洞見 → 解法。在大綱的每個區塊底下把想法歸位。

然後把大綱、想法和知識庫全部打開放在旁邊，一邊撈一邊把它們串成真正的草稿。

三、用 AI 消除摩擦，不是用 AI 代寫。

這一段的分界線劃得比多數人細。

他講「不要用 AI 寫作」的時候，真正的意思是「不要用 AI 來表達自己的信念和意見」。

他也很直白地承認自己會怎麼用：提供純資訊的時候——例如某套自我發展階段理論的解釋，那種 Google 一下就找得到的東西——他會直接從 AI 複製貼上。他不打算浪費力氣把它改寫成自己的話，因為那件事不需要發生，那樣做對自己和讀者都是一種傷害。

他認為有價值的，是掙扎著把自己的想法和信念表達出來的那個過程。而在他看來，反 AI 那群人恰恰不太擅長這件事，因為他們被自己的新宗教困在很窄的視野裡。

所謂「用 AI 消除摩擦」，指的是把它當成學技能過程中的課程、導師或編輯來用：

不知道文章該怎麼結構，就請它列出這些想法可以套進哪些結構。不知道下一段要寫什麼，就請它給幾個文章可以走的方向。有不懂的東西，就去研究它——就像過去的作家會做的一樣，只是以前得用比較沒效率的方法在網路上翻找正確資訊。

說到底，人是有腦子的。最後決定什麼東西被發表出去的是人。如果成品沒有代表想要代表的價值觀、想法和信念，就繼續修到它代表為止。

Mogu 想補充：

這條界線值得抄下來：事實可以外包，觀點不行。

理由不是道德潔癖，是分工。查一段公開定義然後重寫成自己的話，這個「摩擦」不產生任何東西，純粹是稅。但把一個模糊的直覺逼成一句站得住的話，那個摩擦本身就是產品——想法是在被寫出來的過程中才變清楚的，跳過那段等於沒想過。

Dan Koe 提到 Substack 上線了 AI 寫作比例的偵測工具，也提到有人指認他某些文章有 AI 成分。他的回應是「別裝傻」，然後大方承認哪幾段是複製貼上的。gu-log 對這件事的立場更極端一點：不只承認，還把用了哪個模型、哪個 harness、四個評分法官打了幾分全部釘在文章下面。透明度的好處是它讓「用了 AI 嗎」變成一個無聊的問題，讀者可以直接跳到真正有意思的那個問題——這篇東西有沒有人在裡面。

結語

回到最前面那一句。

讀完一本書想不起來內容，通常不是記性差。是那本書跟手上正在造的東西沒有關係，所以大腦很誠實地把它丟掉了——那個機制沒有壞，它正在正常運作。

所以下次讀完忘光，先別急著找記憶法、閃卡或第三個筆記 App。先看一眼手上這艘船正開往哪裡。

如果連那個方向都說不出來，那再多的知識也只是壓艙的貨——不是因為它沒價值，是因為沒有航線的船，分不出哪一箱該留、哪一箱該丟。