把好信息管理第一关：判断信息输入质量的启发式方法｜限时试读

判断一本书、一篇文章或一段视频——以及其他媒介——值不值得摄入，绝对是整个信息管理领域中最得罪人的话题，它可以同时让读者、观众、创作者和软件开发商怒从心中起。可如果不尝试找回答这个问题，一款信息管理工具或者信息管理教程就是算命先生的作品，只告诉你多多益善，出了错他绝不负责，迨你有所成就他又将此归功于自己的远见卓识。

本文分享一种紧扣信息来源的判断方法，并就书籍、文章和视频各谈一些技术枝节。

最可靠的指标：源头活水

无论人工智能技术如何发展，无论折叠屏幕和 Readwise 如何颠覆我们的信息食谱——如果这些时髦玩意儿真的能够颠覆的话——只有本节内容，或许不会过时。

究竟哪些信息值得放诸信息管理系统？不同行业和人生阶段的人自然会给出截然不同的答案。比较聪明一点的是经济学家和社会学家，他们提出标签理论，把许多抽象简单的指标作为判断文章、书籍或者视频好坏的首要标志——你在一篇文章开头看到的那一大堆仪表盘一样的信息，就出自世界上最聪明的人之手。可是不要忘了，这些最聪明的人在上个世纪存活于世的全部意义就是让你多点几下广告、多买一些东西，现在则是从您这里多攫取一些注意力。

或许风头旺盛的心理学家可以给我们另一方启示。张口效率效率、闭口管理管理的人，总是离不开经典的心流模型，而这各高度模糊的模型中，只有一点非常坚固——来源。Csikszentmihalyi 指出鉴别一样东西的真假，最有效的方式就是看来源。在后来的两本——或许以后还会有更多——书中，Csikszentmihalyi 用了一块砖头这么厚的篇幅解释了一个完全是废话的道理：你想要搞一点名堂，那就选一个好导师。

为有源头活水来。选择好的信息方法就是那么单纯。

但这一原则，由于许多心理上的原因几乎不可能得到实践，不如来看一看，你是不是掉进了下面几个心理陷阱：

第一，损失厌恶。难道平平无奇的信息源就不能产出优秀文章吗？我和许多读者私下交流时触及过这一问题，他们很容易在一些评价一般的网站上找到好文章，进而认为，如果单纯觉得一个平台格调不高或者广告太多就完全不看上面发布的文章，系因噎废食。但是不要忘记，在一大堆垃圾中烦来找去，这本身就投入了大量的沉没成本，恐怕这些失去的是时间才是真正应当厌恶的损失。

第二，爱因斯坦陷阱。¹众所周知，爱因斯坦常常被当作民间科学家的反例，用来反对出身论（或我的“源头论”）。很可惜，爱因斯坦不仅不是民科，他偏偏来自当时的顶级大学——苏黎世大学，师从当时最权威的数学家闵可夫斯基，并且“小职员”爱氏已经获得了伯尔尼大学的邀请。

对爱因斯坦的普遍误解本身就说明，在信息管理中，大家都容易把目前所读的东西当成黄金屋，殊不知几个小小信息泉眼围成的逼仄沼地，才是真正意义上的信息茧房。

第三，另一种损失厌恶。还有一种心理陷阱，是害怕失去已经拥有的东西。大多数人看本文的读者，大概率都读过科技数码类的文章，如果有一天忽然要和这个圈子割席，似乎多少有点下不去手。对于这一类偏向娱乐性质的信息²，周作人的态度最值得借鉴：它们就好像是小时候吃的垃圾食品，多少也有一些营养，不能全盘抹杀，可是你长大时候还会只吃零嘴儿吗？想必不会。

最踏实的路径：顺藤摸瓜

开辟新信息源主要有三种途径，前两种都是自上而下，可以细分为撒网不捕鱼式和等着天上掉馅饼式；第三种，这是自下而上顺藤摸瓜。本作品倾向于最后一种。

撒网捕鱼式就是在一大堆信息里面碰碰运气。比如说问别人讨一份现成的书单，或者看看今年哪些科技公司巨头要公布了哪些必读书籍。³请别人“推荐一些订阅源”的家伙，大概会获得 Marco Arment、John Gruber 和 MacStories 三件套；请别人推荐播客者，一般会得到 Automators、MPU 和机核……这样禁锢在推荐的闭区间里，好像在吃麦当劳套餐，虽然不坏，但非常无趣。⁴

坐等馅饼也未见其可。这种开辟信息源的方式，主要依靠天降一位导师，可惜一般窜出来的是小巷里的凶手。为什么有人要给你推荐好信息？即便他正中一次你的红心，也没人知道下一次会怎样。我偶尔有幸帮到别人，博得“老师”的称呼，但我一般都会推脱：老师是骂人的，一般只有色情片演员和神棍才叫老师。

最后一种方式，顺藤摸瓜，筚路蓝缕，却是捷径——如果信息收集有捷径。

既然推荐千篇一律，“导师”难以揣摩，又如何找到优质信息源？答案就是借鉴学术界的同行评审制度——问作者。我曾在会员栏目中把作者推荐分为几个层级，录如下⁵：

1. 在文章中直接引用的网站：引用是最高的赞美。“友情链接”之类的很可能是商业互吹，后期即便发现对方是个**，碍于面子不好意思撤掉。
2. 直接推荐的网站：作者愿意在 Twitter 上、在 Link Blog 里甚至专文介绍的网站，一般都不会差，不过和作者本身的领域可能关系不大，比如好几位（前）情报人员居然都推荐了青蛙创意总监的博客，我这个外行倒是乐呵呵地照单全收，可安全行业的人恐怕就用不上。
3. “友情链接”：尽管掺有面子成分——包括自抬身价、扶持后辈以及互相吹捧——但网页侧边或者底部的友情链接还是值得打开一下，尤其在作者比较爱惜羽毛的情况下，友链里面也可以挖到宝藏。不过友链很可能和作者的专业领域隔得很远，有些作者干脆会注明自己推荐的只是“我喜欢”而已。

从一个作者找到更多相关网站，如同顺藤摸瓜。这种体验很有趣，在一路收获优质网站的同时，还可以摸清一个领域的基本情况，比如有哪些可靠人士、主要机构是什么、当前大家关注的问题是什么、在实证基础上把握某个问题的通说（主流观点），等等。如果你足够细心，还可以识别出谁是骗子、谁是复读机、谁才有真材实料，当然，这种不可复制的体验，且留给您亲自尝试。

在我写这篇文章时，正是 ChatGPT 在几乎所有行业攻城略地之际，我在草稿里面收纳的一半方法都被人工智能取代了。然而有一条更加深层的原则，似乎会更为长寿，那就是同行评审。换言之，看看真正懂货的人怎么说。

实践：透视一本书

我一直在书籍市场中寻找一种类似于论文同行评审的方法。阶段性的结论是，其他作者的引用就是对一本书最好的赞誉。同样是一本科幻作品，如果只在读者中引起水华，只能说明它很畅销，但是如果有一群物理学家甚至数学家不断地引用这本科幻小说，其地位则毋庸置疑。

找书籍的同行推荐没什么花哨办法，就是去其他书里面翻找。我非常喜欢读书籍的序言，只要是说到点子上、说出理由来的引用或推荐，都是一笔收获：又能找到一本好书！遗传学泰斗霍兰曾经坦言，他误把科幻小说作家莱姆（Stanislaw Lem）当成了数学家乌拉姆，这一误会其实是对莱姆的极高赞誉。相信绝大多数读者是通过刘慈欣才知道莱姆的，刘当然也是大家，可他推荐的书太多，已经是“商标滥用”了——而霍兰在不经意间透露出来的崇拜，当年一下子就打中了我：莱姆是谁？我要把他的书全部读一遍！

除了直接翻你已经认可的书，还有一种更方便——但也要更加小心判断——的工具：微信读书。微信读书支持全文搜索，有段时间我很犹豫要不要读威尔逊的《社会生物学》，随手去微信读书一搜，忽然发现社会学教授汪丁丁反复引用、推荐这本书，并且打包票说书虽然厚，但是配图和表格很多读起来不会累云云。这番详细、真心的推荐，多少打消了我的顾虑。其他书城我用得不多，读者可以自己试一试，看看他们是否支持整个书城范围的全文检索。

除了在线工具，也可以试一试本地检索工具，最有名当属 Calibre。在 6.0 版本之后，Calibre 可以搜索整个数据库全文，就算有几千上万本书，只要给它一些时间提前生成好索引，之后搜索就又快又准。⁶

相信很多读者都有囤积电子书的习惯，买书如山倒，一般来说，这些囤积在本地图书馆中的电子书可能一辈子都不会打开，但只要转换一下心态，囤积就无比正当：书本来就没有必要通读，而是用到的时候再从书架上抽出来。Calibre 的全文搜索功能，打开了尘封已久的本地图书馆，让找书、尤其是字符层面的精确检索成为可能。

在线书城，包括微信读书，其实是很有意思的软件，我从来没在任何一个书城里玩过一本书，但是我经常常拿他们来判断一本书值不值得读。

判断一篇文章是否值得读

判断一篇文章是否值得读，其实也可以采用同行评审的思路，不过相较于判断一本书，判断文章时有两处特别问题。

第一个问题在于，对于一篇文章而已，同行并不那么明显。一本书可能要用几个月甚至几年才能写成，而一篇文章或许是一个晚上甚至坐一趟公交车的时间就写完了。此外，文章作者的同行群体更新换代也更加快速，似乎很难找到像书籍作者那样稳固的组织或者联盟。但反过来想，文章篇幅小、门槛低，在动摇了作者稳固基础的同时，也鼓励更多读者参与：文章的同行，可能就是读者和作者共同组成的论坛社区。

换言之，判断一篇文章好不好，可能它所在社区的成员们最有说服力。比如在探讨纸笔笔记是否比数字化笔记更优越时，你最好参考一下笔记软件或者笔记方法论论坛成员们的态度，而不是看一篇文章获得多少转发或者一本教程收割了多少韭菜。国外有个写卡片笔记专题文章的家伙，似乎靠此收入在美国最繁华的地方支付了房租，但其疯狂鼓吹的“纸笔笔记的魔力”在卡片笔记论坛中遭到了严厉批评。这样一个超新星一样爆发的作者，究竟是肚子里有墨水，还是一个神棍？您可以自己去看一看关于他文章的讨论。

法国哲学家布尔迪厄曾指出，距离一个东西的源头越远，它的抽象作用就越明显。用布氏最喜欢举的例子来说（我把具体学校换为国内大学），一个北京大学毕业的人往往会给普通学校毕业生以压力，而一个上过普通大学的人，对于偏远地区几乎没有受过教育的人而言，同样是一种遥不可及的存在。这种抽象作用也产生在文章之中，如果您完全不懂高等数学，可能会觉得那些在解释人工智能模型的作者仿佛像拥有好几个大脑的外星人；而很多数学和物理学界的权威人士竟然也会拜倒在某些宗教——如果不是邪教的话——之下。下次看到一篇来自异国他乡的文章，先不要倾倒于异域风情，冷静一下，看看作者及其作品在相关社区的名声如何。

进一步的问题在于，如果总是参考别人的意见，那么第一，这会不会损害自己的独立判断？第二，评论和讨论必然晚于文章，到时候再看是不是太迟了？前一个问题根本就不是问题，因为当你对一个领域足够熟悉时，你就是社区中最值得信赖的那个发言人，你不需要先看别人的意见——相对的，如果你根本对一个领域没有什么了解，那不是恰恰意味着你应该慢下来吗？

第二个问题需要更加认真地回答。多数读者担忧的都是这样一个场景：你在 RSS 阅读器中收到一篇非常吸引人的文章，在讨论量子力学和佛教之间的关系，这两个话题都令你如鲠在喉，不读不快，可惜你在这两个领域都属于门外汉——那么，现在不读文章吗？当然不读！读文章，应当是一种探索是不是划掉任务清单上的待办事项。如果知识储备还不够，如果话题正在激烈发展迅猛发酵，那就——让子弹飞一会儿。

视频

前述用于判断一本书或者一篇文章的方法，基本适用于视频。许多论坛也热衷于讨论视频，例如手机被盗后引发的恐怖后果，就在 MPU 论坛上引发了持久激烈的讨论。比起那些趁热度想卖给你密码保护软件的家伙，看论坛讨论要有价值得多。

当然，视频也有它那本难念的经：同样的信息量，看视频恐怕要花上读文章十倍甚至几十倍的时间。这一问题的出路主要在于借助人工智能，给视频生成摘要。书和文章一般不太需要机器生成的摘要，盖作者或者编辑撰写的那百来个字，往往更加切中要害。⁷我甚至认为，如果一篇文章的摘要写得非常烂，甚至在骗你点击，那你可以连同作者甚至整个平台一起拉黑。

视频却大不一样。视频和文本本来就是两种差别巨大的媒介，要求一个视频的创作者同时能够写得一手好文章、好摘要，似乎有些过分。我的要求要低很多，只希望录制者口齿清楚，以便人工智能就可以把它转换为四平八稳的视频摘要。我写这篇文章时用的工具是 summarize.tech，相信你读到文章时，工具已经日新月异。

关于视频还有一点需要注意：视频通常是线性录制的，尽管也有后期剪辑，但肯定不像文章那样频繁修改。这种生产方式导致视频不像文章那样是一场不定向的辩护，因而也很难承担责任。如果马斯克写了一篇文章来评论互联网，他的观点肯定会被疯狂引用，并被多数人奉为圭臬（此举本身是否可笑暂且不论）；但如果马斯克在视频里发疯，观众却非常容易宽恕他——即便这次发疯可能毁掉半个互联网。

至少我自己写文章时，即便引用视频，也只是引用一个相机记录下来的事实。至于视频中出现的观点，大概看看就好，少当真。这是本书很少谈视频的一大原因。