听无人知晓 E45 孟岩对话李继刚：人何以自处 有感

听无人知晓 E45 孟岩对话李继刚：人何以自处 有感

这期播客虽然已经播出一段时间了，但我自己听完还是很有感触，前后分了两天听完，又拖了一天整理。这也是我第一次认真写播客听后感。之前我虽然是重度播客听众，但很少专门写这类文章，主要是因为很多播客内容偏散，通常只值得在 Notion 里随手记几条零碎想法。这一期不一样：里面有不少观点，确实让我想停下来单独记一篇。

注：本文不等于播客内容的完整总结，如果您有需求，AI 做得比我好多了。如若也对这期内容感兴趣，推荐直接收听原播客。本文仅记录一些笔者在收听过程中真正“触动”了我的观点，并在此基础上补充一些个人思考。尽管我会尽量加以区分，但部分转述可能无意中融合了个人的一些思考，请读者以原播客内容为准。

特别有感触的观点用“💡”注明。

个人思考部分，会以这种批注的方式呈现，加以区分。

1. “取景框”

嘉宾认为，每个人看待世界有不同的视角，称作取景框。这种取景框，实际上是世界这个多维事物在某些维度上的投影。也就是说，在特定的语境下，或者说特定的上下文中，取景框里显示的内容和其认知是符合的。但是问题是每个人的取景框检测的维度是不一样的。因此，一个人应该承认自己取景框的局限性，积极借鉴他人的取景框，才能对世界有更全面的认知。

注意，这里要区分我和我的取景框这两个概念。我的取景框是一个相对静态的概念，它代表了我在某一成长阶段看待世界的方式。而我是一个动态概念，会随着成长历程不断迭代。

2. 财富占比投资观

我们投资追求的并不是绝对数额上赚了多少钱，本质上应该换一个更有启发性的思路来投资。也就是说，我们的目标应该是尽可能增大自己的个人财富在整个世界总财富中的占比，或者退而求其次，至少不让这个占比下降。而从这个思路出发，我们只需要把资金配置在那些未来会变得越来越主流、体量越来越大的资产上。这是一个宏观长期的总体目标。

如果说手上全是现金，或者是全放余额宝，这样的话，其实至少目前来看，现金是会贬值的。因此这种方式并不能达到前面的目的。

💡3. 知识获取的时空维度压缩

纵观人类的读书或者说学习这个过程，最早的话是看书，就是纸质的书。我们可以从空间和时间两个维度上来分析。如果是读书的话，就是传统的读书，它可能是需要占有一定的空间和时间。空间就是说书有物理体积，时间的话是说你需要阅读和理解思考的时间。然后你才可以把这些知识真正掌握。到了互联网时代，很多东西都电子化了，物理空间消失了，转换成了数字空间。但时间维度仍然存在。

比如说你看电子书，你仍然需要自己去理解，去消化，才能掌握一些里面的精髓知识。但是到现在，如果 AI 出现的话，实际上是把最后一个时间维度也给压缩掉了。也就是说，你以前想要看完一本书，反复咀嚼才能获得知识，你可能现在一问大模型就有，或者说让它帮你总结。这一步节省了时间。至此，时间和空间两个维度上，知识的门槛已经大大降低了。

再比如说之前中国和美国是有空间距离的。但是后面上网之后，两边就可以很大程度上逾越空间的现实差异，然后进行更多更密切的交流、沟通。

4. AI 是更好的对话者

和 AI 聊天的深度，能比和人聊天更深。AI 学习了人类知识的很大一部分，LLM 融合了海量的知识和智慧，不是单个人可以比拟的。因此，应该多和 AI 交流自己的思想。

5. AI 时代的职业意义

很多职业在未来遇到 AI 后面临的问题，相当于国际象棋或围棋的专业棋手在遇到人工智能这座无法逾越的高山时，下棋竞技的意义何在。

这个类比非常有意思。

💡6. AI 时代如何读书

关于读书这个话题，在 AI 时代，我们应该如何读书呢？人类的注意力资源（或者说算力，用 Agent 的概念来说）是有限的，传统的方式就是人直接用自己的算力去阅读、理解和整理书籍里的知识。如果从学习作者提供的知识来看，具体从书中如何获得作者想要提供的知识并不重要，哪种方式更容易、更省时间就怎么做。因此利用 AI 来阅读、快速整理自己感兴趣的部分是没有问题的。那读书的意义在哪里呢？在现在，亲自读书更大的意义在于，你在阅读的时候会触发思考，对自己进行启发，提供灵感。

其实写作也是如此。如果追求流量、效率、变现的话，那么让 Agent 完全接管写作，无疑是最“好”的选择，我相信已经有很多人这么做了。因为对我来说，写作最大的意义不是结果本身，而是在过程中把一些原本不会想得那么深入的问题想清楚，并在写作中获得新的启发和灵感。在这点上其实我是比较自私的，因为文章的产出，对读者的价值，在我这里其实并不是最主要的，反而是我自己在写作过程中获得的启发和灵感，对我来说才是最大的价值。当然，我也会尽可能在和 Agent 的协作中，渐渐地提高我的写作水平。

💡7. 驱动 AI，而不是被 AI 驱动

和 AI 聊天，深度能比和人聊天更深。

一个例子是，老板让你做 xxx，你根本不思考，直接让 AI 做，做了个还凑合的交给老板。在这个过程中，是老板<->你<->AI，你实际上成为了 AI 的传话筒，成为了 AI 的工具。另一种方式是，你对老板给你的任务有一些自己的 idea，然后让 AI 帮你为这个 idea 进行反思、添砖加瓦或是快速实现，这种其实仍然是老板<->你，但是你利用 AI 这个东西，一方面做得更快了，另一方面，你本身在和 AI 的交流过程中，对任务有了新的认识和思考，你在进化，你的取景框更加丰富，对事情的思考更加深入。

这里其实引起了一个我许久之前没想通的问题，即关于我们在日常生活中的一些事情，如果交给 Agent 做，会不会让我们的能力“退化”？我目前的观点是，应该一分为二地看待这件事情。如果是那些“非核心”的能力（注意，这里的核心具有相对性，因人而异），比如对我来说有 Excel 的操作、具体代码技术细节的编写、错别字纠正等，那么完全交给 Agent 做即可。而对那些你在意的“核心”类型的，我认为应该采用一种与 Agent 协作的方式，让它和你对这个问题共同讨论、共同进步。这背后的原因很简单，因为不管做什么都是需要注意力资源的，而人的注意力资源是有限的。把不那么核心的任务或你对其背后能力不感兴趣的注意力，更多放在那些真正重要的上，自然就是更好的一种选择了。

那么我们具体如何判断，什么样的能力才是符合自己需求的那种“核心”能力呢？这个问题我也没有很好的答案，我提供几个问题，供读者参考。一是问“没有了这种能力，我的竞争力会怎么样？”，比如说前面的 Excel 操作，我以后不会成为一个需要靠 Excel 操作为业的，那么这个能力对我就无关紧要（更不用说以后这种可能就完全被 Agent 取代了，甚至可能有更加适合 Agent 之间数据流转的标准出来）。二是问“是否有复利效应”。如果有很多可选的同等重要的能力，那么在注意力有限的前提下，优先选择有复利效应的那些，比如人的认知、思维方式、审美、学习能力等，而不是那些线性的具有重复性特征的，如代码编写能力这种“手艺”。

8. 心力 vs 脑力

嘉宾比较激进地认为，在未来，AI 和人的分工将会非常极端。用嘉宾的话来说，人负责提供心力，Agent 负责提供脑力，实现心力和脑力的解耦，但二者又可以紧密联系。前几次工业革命，人把一部分体力工作让渡给机器，总体上来说，人更多负责使用智力来为社会提供价值。在本次新的革命中，人可能还得把脑力让渡给 LLM。那人还剩下什么呢？也就是所谓心力了，即人类最本源、最内在、最本质的驱动力。

演进路径： 早期人类把体力交给机器 → 进入脑力时代；现在脑力交给 AI → 进入心力时代。

💡9. Agent 时代的长尾商业逻辑

Agent 时代，底层的商业逻辑是长尾。互联网时代的底层逻辑是马太效应（赢家通吃、头部集中），Agent 时代的底层逻辑变成了长尾效应（无限细分、每个人都被完美服务）。

长尾效应：由 Chris Anderson 在 2004 年提出，指大量低需求的小众产品累积起来的总市场份额，可以与甚至超过少数热门产品。核心是「销售更多更少」（selling less of more）。

以前互联网虽然也在讲个性化，但本质上仍然是平台基于规模效应做出来的「千人千面」：它能把人分群，用同一产品疯狂扩张，拉低边际成本曲线，但对于具体化、个性化的需求来说，却很难真的服务到每一个具体的人。现在 AI 更像是「一人一面」，有一个随时在线、拥有全人类很大一部分知识的 Agent 为每一个人服务，可以做到极致的个性化。也正因为如此，Agent 时代的长尾才成立：以前很多过于细小、服务成本过高的需求不值得被满足，现在却可能被低成本、持续地满足。于是长尾变成主战场：每一条长尾都能被完美服务，累加起来就是巨大价值。以前你得靠规模（用户多、流量大）才能活；现在你只要把一口井打得足够深（对一小群人极致理解），就能活得很好，甚至一个人 + 一堆 Agent 就能撑起一家公司。

10. 三次工业革命

嘉宾把工业革命以来分成三个阶段：

1. 移动原子 - 蒸汽机、火车、汽车、飞机
2. 移动信息 - 互联网、移动互联网
3. 移动智能 - AI、Agent

每个阶段都带来自动化和效率的数量级提升。

💡11. 链与环

讨论大模型知识来源时，嘉宾提出两个相对概念：

• 环：头尾相接，自成体系的思考方式/范式，关键特征是可复用
• 链：不连接，临时的论据，射出去就没了

举例：金字塔原理（Pyramid Principle）是由麦肯锡前顾问芭芭拉·明托（Barbara Minto）提出的思考与表达框架，她在 20 世纪 60 年代于麦肯锡工作期间发展了这一方法，并在 20 世纪 80 年代正式出版成书。核心是把所有想法组织成金字塔形状。运用金字塔原理，其实就是实现了环的复用。

Prompt 是人与 Agent 之间进行交互的媒介。传统的 prompt 本质上是一种一次性的链，用完即抛。和 LLM 对话中的成长，必须经由人的大脑来处理，或者人将所思主动记录，这样其实是受限于人的注意力的。但嘉宾提出了另一种思路，可以让 Agent 来辅助处理这个过程，相当于把人脑处理成环的这部分注意力解放一部分。通过设置 Soul 和 memory 文件的方式，让 AI 自动查找潜在的关联，或者实现记忆文件的迭代，实现人与 Agent 的认知共建。这个思路很有意思。

受李继刚老师启发，我想到也可以把自己的认识给他落盘，形成一个具有层级的知识库，让 Agent 帮我在和我不断交流的过程中，一起迭代我的认知。这当然不是放弃思考，把脑子交给 Agent，我希望做的是和 Agent 的双向交流，既有我的特色，又能参考一些 Agent 的意见。另外，由于人的注意力资源是极其有限的，而 Agent 的智力在我们看来可近似于无限，那么靠 Agent 来给我们在后台进行思考、总结，并提出一些潜在的知识的跨领域迁移或是思考中潜在的不足，可以让我们在这个过程中节省大量注意力资源。我目前准备研究一套这样的与 Agent 对接的个人认知管理系统，希望不久以后就可以和读者见面。

12. 在阅读材料上运用杠铃法则

嘉宾提出了一种将「杠铃法则」运用于阅读材料选取的思路。嘉宾说现在基本只选取两种书目来读，一种是经典，经过实践沉淀；一种是前沿优秀论文。思路值得借鉴。

13. 对于规律本身的态度

我其实是一个比较喜欢总结和抽象的人，看到某些现象，总想着把这些现象背后，会不会有一些更加本质的、可泛化的一些规律，提出一些假设，并且看看这种假设，在其他外延上是否成立。嘉宾也是如此，他提到说，如果自己找到一个更加深一层、更本质的规律，那么就可以直接把原来的规律抛掉。逐渐这么迭代，人对世间事物的理解就会更加深入。

14. 健脑房：脑力替代后的补偿机制

嘉宾用了一个很有意思的类比：工业革命后，体力劳动被机器替代，人需要通过健身房、康复训练来补偿身体使用不足；如果 AI 大量替代脑力劳动，未来也可能出现某种「健脑房」，用于恢复或训练人的脑力。

这里的脑力，更接近计算、逻辑、分析、推演这些能力，而不是前面说的心力。这个类比最有意思的地方在于，它把一个常见的乐观叙事反过来问了一遍：如果 AI 真把脑力活都接过去了，人会不会像长期不运动导致肌肉萎缩一样，出现某种「脑力萎缩」？

15. AI 的终极变量：意识

未来 AI 是会摧毁人类，还是说为了人类的福祉而工作？嘉宾认为，最关键的一个变量就是，AI 究竟到未来会不会拥有意识。

如果 AI 没有意识，那它再强，本质上也仍然是工具；如果 AI 拥有意识，那它就可能具有自己的目标，人类与 AI 的关系也会发生根本变化。

这一点之所以重要，是因为它已经不只是技术问题，而是哲学和伦理问题。比如，什么叫意识？自我意识、主观体验、意向性分别算不算？以及，LLM 现在的一些涌现现象，到底只是复杂系统表现，还是某种更深东西的前兆？这些问题短期无解，但确实决定了很多终局判断。

💡16. Agent 时代的组织管理重构

嘉宾认为，传统人类管理体系在 Agent 时代可能会变成累赘。

过去层级式管理很大程度上是为了上传下达、维持组织运转效率；但如果 Agent 可以直接接收目标并执行，那么很多中间层的传递职能就会被削弱，组织可能进一步扁平化，甚至出现某种接近无层级的形态。

同时，传统激励机制也会失效。管理人需要奖金、晋升、认可等激励，但没有意识的 Agent 不需要被激励，它只需要明确的目标、约束和接口。

这意味着未来管理的重点，可能会从「如何驱动人」，转向「如何定义目标函数和边界条件」。人的角色也会从执行者进一步转向定义者和监督者。这个视角挺狠的，因为它实际上是在讨论整个组织学的前提会不会被改写。

17. 审美即权重

嘉宾提出一个说法：审美本质上是一种「权重」。

也就是说，审美不是简单地觉得某个东西好看，而是在面对多个维度、多个选项时，能够对不同因素进行权衡、排序和取舍。

这么说，审美其实更像一种长期实践之后形成的判断结构。你在一个领域做得越久，越知道什么是好的、什么是更好的、什么是最好的。

到了 AI 时代，这种能力反而更重要。因为 AI 可以生成无限选项，但最后哪个更值得选、哪个更符合目标，仍然取决于人的判断。

💡18. 少即是多：Agent 时代的注意力管理

嘉宾这里强调的是，Agent 时代真正稀缺的不是信息，而是注意力。

因此，思维方式要从「多一个没什么坏处」的加法思维，转向「为什么不减少一个」的减法思维。因为信息一旦过载，人往往只能浅层浏览，反而失去深度理解和思考的能力。

所以，比起不断增加信息源，更重要的是主动减少输入，只保留真正优质、值得长期关注的来源。

这点真是给我很多启发了，我之前认识到人的注意力资源是最宝贵的，但是却没意识到，现在很多信息源总是抱着“多一个没坏处”的出发点去无脑添加，结果到最后就是啥都看不进去，而那些真正高质量的信息源，却被当作平庸的信息源一样处理了。精选每天摄入的信息源，才可以达到效益最大化。听完我深受启发，马上把各平台的信息源进行了整理，发现自己无意之间竟然订阅了许多可有可无的信息源🤣

后记

最后回看这篇笔记，我真正想带走的其实不是某一个漂亮概念，而是几条更具体的提醒：

1. 尽量扩展自己的取景框，但也承认它的局限
2. 尽量借助 AI，但不要把自己活成 AI 的传话筒
3. 尽量减少无效输入，把注意力留给那些真正重要、且能持续产生复利的东西。
4. 借助 AI，和自己在元认知上协同进化

如果说这期播客最后让我更确定了一点什么，那大概就是：**AI 时代，人更需要认真决定，自己到底要把注意力放在什么地方**。