Bom dia meus amigos,
Saudações de Lisboa!
您正在阅读的《壹苇可航》电子报 2025 年第 25 期。
本期笔记和初稿在 Tana 上完成，这是一款通过将 AI 驱动的结构化数据库与流畅的大纲列表相结合的笔记软件，重新定义了现代知识管理，使用户能够无缝地组织相互关联的想法，同时保持自由形式思考的灵活性。
以下是本期正文。
🔍 Insights
我需要 AI 浏览器吗？
从 6 月 11 日开始使用 Dia 浏览器至今，已经整整一个月了。在这段时间里，我的浏览器使用习惯发生了显著变化，从个人使用 Safari、工作使用 Vivaldi 的分离模式，转变为全面使用 Dia 的统一体验。这款浏览器为我带来了许多全新的使用体验。例如，当需要针对网页内容提问时，我不再需要繁琐地复制粘贴到 AI 聊天中，也无需调用 Raycast，而是可以直接在浏览器侧边栏内完成操作。无论是一键总结网页要点、快速撰写邮件草稿，还是生成内容摘录，浏览器与 AI 的深度集成确实让我感受到了效率的显著提升，这种无缝的体验让日常的使用变得更加智能和高效。
7 月 9 日深夜，我又收到了 Comet 浏览器的邀请，这是一个我期盼很久的浏览器。与 Dia 基于 Chromium 内核却进行了大量重构不同，Comet 似乎只是套壳，一款与 Perplexity 深度集成的 Chrome 而已。但它的语音模式，与 Perplexity 良好的协同，更 old school 的界面，还是博得了我的欢心。
但当我开始同时使用这两款 AI 浏览器时，也在问自己「我到底需要 AI 浏览器吗？」很长的时间里，我都是 Safari 的用户，中间即便换过其他浏览器，最终也还是回归到 Safari。原因无他，「不求有功但求无过」。Safari 的稳定性、隐私保护和与系统的完美集成，让它成为了我的默认选择。
然而，当 AI 开始渗透生活的各个角落后，Safari 的局限性也愈发明显。各种 AI 扩展的缺失，让我越来越觉得它跟不上时代的步伐。好在有 Raycast 这样的工具，可以在一定程度上弥补 Safari 的先天缺陷，但这种「外挂」式的解决方案终究不如原生集成来得自然。
其实，无论是 Dia 还是 Comet，我想就算后续 OpenAI 推出了自己的浏览器，也很难让人感受到真正的 Aha moment。因为它们本质上都只是将 AI 聊天功能添加到了浏览器中，仅此而已，并没有从根本上重构浏览器的交互逻辑。
这也让我想起了 Arc 浏览器。它曾经部分做到了重新定义浏览器体验——通过垂直标签页、工作空间概念、以及更智能的页面管理，真正改变了我们与网络内容交互的方式。只可惜，创业未半而中道崩殂。
所以，我与其问自己「到底是否需要 AI 浏览器」不如问自己「到底想要什么样的 AI 浏览器」吧？更进一步，究竟需要怎样的网络交互方式。是更智能的内容发现？更高效的信息整合？还是完全不同的浏览范式？要找到这个问题的答案，或许还需要更多的探索和时间。
需要将 NotebookLM 和笔记软件连接吗？
这是读者问我的问题，也在网络上看到过类似的讨论。对于这个问题，我并没有进行过系统性的思考，其中的一个关键点我也一直没有理顺，即为什么要将二者连接？
在我看来，NotebookLM 和笔记软件（如 Obsidian、Tana、Heptabase、Notion 等）所应对的完全是不同的使用场景。即便要将二者连接，也需要有一个类似于 Readwise 这样的中间件来处理信息的转换和过滤，而并非简单的 connection 或 interaction。
以 CETDE 框架为例，可以更清晰地看出两者的定位差异：
NotebookLM 的使用场景：Capture → Encode → Transfer。即快速导入各种格式的文档和资料 → AI 帮助理解和处理原始信息 → 通过对话、总结等方式获取结构化的信息输出。
而笔记软件的使用场景则是：Transfer → Distill → Express。即接收和整理来自各种渠道的信息 → 形成个人的知识体系和深度见解。
这之间存在一个天然的鸿沟，我们自己的深度理解与批判性思考。
NotebookLM 擅长的是信息的快速处理和初步分析，它可以帮我们快速理解大量文档的核心内容，生成结构化的摘要和要点，回答基于材料的具体问题。
但笔记软件承载的是更深层的认知工作，例如，建立概念之间的关联，形成个人的思考框架，积累长期的知识资产，支持创造性的思维过程等。
如果强行将两者连接，可能会带来几个问题：
- 认知负担增加：需要在两套不同的思维模式间频繁切换
- 信息质量稀释：AI 生成的内容可能会稀释个人深度思考的成果
- 依赖性风险：过度依赖 AI 的分析可能会削弱自主思考能力
因此，在我看来，也许我们需要的不是更多的连接，而是更清晰的边界。工具的价值不在于它们能做多少事情，而在于它们能否在特定场景下做到最好，并与我们的认知流程形成良性互补。
依然需要稍后读吗？
老牌的稍后读服务 Pocket 停止运营了。一时间，「这个时代已经不需要稍后读」的论调再度甚嚣尘上。我无意与之打擂台，只是分享一下我的思考。
「稍后读」这类产品存在的意义是什么？
是帮助我们保存那些当下觉得有价值的文章吗？是让我体验到拥有的快感吗？是提供一种「我没有错过任何重要内容」的心理安慰吗？是构建一个永远不会被清空的数字图书馆吗？是满足我们对知识的占有欲和收集癖吗？还是仅仅是在为我们的拖延症找一个看似合理的借口？
它是现代人面对信息过载时的救生圈，是数字时代的藏书阁，是知识焦虑者的安慰剂，是完美主义者的收纳盒，是拖延症患者的避风港，还是我们对「总有一天会用到」这种幻想的具象化？
至少，我不是这样理解稍后读的。
对我而言，稍后读的核心价值是增加了一个缓冲，让我不必急于立即消化信息。这种缓冲带来的好处是多维度的：
- 时间维度的缓冲：我经常会在不合适的时间遇到有价值的内容。稍后读让我能够将「发现」和「消化」这两个动作解耦，在合适的时间以合适的状态去深度阅读。
- 心理状态的缓冲：当我的状态不佳时，强行阅读往往收效甚微。稍后读让我可以等到心理状态更适合深度思考时再回到这些内容。
- 认知负荷的缓冲：信息的即时处理会增加认知负荷，影响当下的专注力。将内容暂存起来，让我能够专注于手头的任务，避免被突如其来的信息打断思路。
这些缓冲也意味着稍后读是作为知识工作的一个流程、一个环节存在。其价值在于：
- 自然筛选：通过时间的沉淀，很多当时觉得重要的内容会自然失去吸引力，这本身就是一种有效的过滤机制。
- 批量处理：集中时间处理稍后读列表，可以形成更好的阅读节奏，避免碎片化阅读带来的浅层理解。
- 延迟满足：稍后读培养的是一种延迟满足的能力，不急于立即获得答案，而是在合适的时机进行深度思考。
或许，当 AI 将「理解信息」的成本降至接近零时，我们与信息的关系正在发生根本性转变。或许，AI 可以帮我们完成繁重的阅读理解，让我们专注于提出好问题、形成独特洞见。
但是，AI 理解的信息毕竟不是我们自己理解的信息。
真正的理解需要时间的发酵，需要与个人经验的碰撞，需要在不同情境下的反复咀嚼。这个过程无法被 AI 替代，也不应该被急躁的信息消费所取代。
稍后读提供的缓冲，正是为这种深度理解留出的空间。在这个意义上，我们不仅依然需要稍后读，可能还需要更多的「稍后」——稍后思考，稍后判断，稍后行动。
毕竟，在一个越来越快的世界里，慢下来本身就是一种竞争力。
📰 Curations
Thoughts on thinking
URL: https://dcurt.is/thinking/
AI 对于人类的思维与认知会产生哪些影响？科学家们目前仍然在进行相关的研究，能够看到的有价值的学术论文并不多。不那么严谨的，以自我感受与反思出发的博客文章倒是不少。例如这一篇，作者表达了在面对 AI 时的无力感和困惑。因为 AI 所带来的是人类的认知萎缩、创造力枯竭、对真正理解的侵蚀以及对传统学习和思考模式的颠覆。
文内举的例子我自己感受颇深。作者说他过去是通过写作来形成观点、完善论证，认为思考是复合的，思考得越多，想法就越好。而现在呢？一旦产生一个初步想法，只需要随便输入几个词到提示中，几乎立即就能得到一个经过充分推理、研究和完成的想法。作者举的例子还是在 AI 没有 thinking 模式和 deep research 模式的情况下，而现在这两个功能几乎是大模型的标配了。对于「思考」这项手艺，我自己反正是越来越觉得无力。甚至于当我真的认真思考了一个问题之后，还忍不住要去请教 AI 以查漏补缺乃至颠覆。
当 AI 越来越强大，「奇点临近」时，我还剩下什么可以和 AI 去抗衡？
为什么人们喜欢鉴定 AI？
URL: https://1q43.blog/post/11260/
有些人可能觉得「鉴定 AI」就是抗衡的一种方式吧？健飞哥在公众号中遇到的评论，我在 2023 年就经历过，也因此选择关闭了自己的公众号。当时我本想将博客和电子报都在公众号里同步，结果发布的几篇早在 AI 时代之前的老文章被不少人评价为「这 AI 味儿真浓」、「一眼就知道是 AI 写的」。嗯，我就权当他们在夸我吧。
我对写作这件事情并没有那么洁癖，但也不是完全没有洁癖。AI 生成的内容如果让我直接照搬，这个坎儿反正到目前为止还没有越过去。前段时间 NotebookLM 正火的时候，就有朋友建议我直接用 NotebookLM 来读文章、生成内容，就不用自己写 CETDE Fortnight 了。我果断拒绝了。AI 生成的内容现在的确越来越可以直接使用，但正如健飞哥文中所说的：
AI 已经能够很好的模拟我的风格了，但「真正的我」却不一定遵循我的风格。
话说回来，健飞哥在文章中提到的观点我很认同。AI 鉴定这一行为具有二元性，即技术层面的无效性与社会心理层面的驱动力。随着 AI 模仿能力的日益增强，技术性鉴定将走向终结。但基于人类中心主义、社会比较和优越感展示的「AI 鉴定表演」将作为一种独特的文化现象长期存在。
内容的真正价值终将回归其内在品质和对用户的实际效用。以我的亲身经历为例：当我在 Perplexity 中搜索「如何将 Are.na 与 Tana 搭配使用」时，发现引用的内容中竟然包含了我自己的文章。那么这个现象的背后是不是有这样一个悖论：那些热衷于「AI 鉴定表演」的人们声称某些文章「AI 味儿太重」，但他们可能没有意识到，正是因为 AI 大量学习了这些作者的原创内容，才导致后续 AI 生成的文本带有这些作者的写作风格和表达习惯。
换句话说，一个作者的内容被 AI 收录得越多，AI 生成的文本就越容易呈现出该作者的特征，从而让人误以为作者的原创内容「AI 味儿太重」。这形成了一个荒诞的循环：优质原创 → 被 AI 大量学习 → AI 模仿其风格 → 原创者反被质疑为 AI 生成。
真正的讽刺在于，那些被贴上「AI 味儿」标签的内容，很可能恰恰是 AI 竭力模仿的人类智慧。