到处问人、付费买课、追着别人的总结看，本质都是在吃别人嚼过的剩饭。AI 时代真正该做的四件事：尽可能接近一手信息；提升学习和动手能力，弄懂底层原理和核心方法后让 AI 去执行；警惕被 AI 长文占领注意力；边学边做，用真实反馈修正方向。
最近想明白一件事：我过去很多时间，都花在吃别人的剩饭上。
看别人的总结，听别人的解读，到处问人"这个怎么做"，买课买报告进社群。这些东西有一个共同点：都是别人消化过一遍、吐出来给我的。剩饭吃得再多，也长不出自己的判断。
这篇把我给自己定的四条规矩写下来。
同一件事，你可以从三个地方知道：
每往下一层，信息就损耗一次，噪音就叠加一次。而绝大多数人每天接触的都是第三层，偶尔碰到第二层，几乎不碰第一层。
你的判断质量，上限就是你信息源的质量。信息源是三手的，你再聪明，也只是在噪音里做精确计算。
所以第一条规矩：遇到任何重要的事，先找一手来源。看模型进展，去看厂商自己的发布页和论文，不看解读；看一个创业者怎么做的，去看他本人的推文和产品，不看别人写的"十个秘诀"；看一家公司，去看财报原文和电话会记录，不看研报摘要。
这件事很枯燥，但它是整个认知链条的起点。起点是脏的，后面全是脏的。
到处问人，就是吃剩饭。
问别人得到的是别人的结论，不是你的理解。别人的结论是基于他的处境、他的信息、他的利益给出的，未必适用于你。更要命的是，问别人这个动作本身会让你的学习能力退化：习惯了等答案，就不再习惯找答案。
付费买二手信息，也是吃剩饭。课程、报告、付费社群、"内部消息"，本质都是别人嚼过一遍的东西。以前这门生意成立，是因为一手资料难拿、消化成本高，你花钱买时间。但现在一手资料就在那，AI 就在旁边，"替你消化"这件事的价值已经归零了。
那正确的做法是什么？提升自己的学习能力和动手能力。
具体说，我现在的流程是：
这里有一个关键的分界线：
以前学一个东西，原理和细节是一起学的，因为细节最后要你自己动手。现在不一样了。细节是 AI 最擅长的部分，参数怎么调、代码怎么写、格式怎么排，你只要原理对了，它做得比你快也比你好。你花时间去学细节，等于和 AI 抢它的活，还抢不过。
反过来，原理是 AI 替不了你的。你不懂原理，就不知道该让 AI 做什么，也判断不了它做得对不对。
所以和别人交流的时候，我也换了一个目标。以前是想从对方那里拿一套"怎么做"，现在是想在对方的一堆铺陈里，搞懂最关键的那一点。任何一个领域，真正决定成败的通常就一两个东西，其它都是围绕它的细节。做产品，最关键的可能就是"有没有人愿意为这个付钱"；学一个技术，最关键的可能就是"它解决的根本问题是什么、代价是什么"。抓住那一点，其它的让 AI 补。
AI 让长文的生产成本变成了零。结果就是现在到处都是几千字、上万字、结构完整、小标题工整、看起来很有道理的文章。这些东西非常擅长占用注意力：你读的时候觉得学到了，读完什么都没留下。
因为这类文章有一个共同特征：它们在铺陈，不在解释。把一个核心观点拆成十个小标题，每个小标题下面填三段话，加几个案例，加一段总结。字数上去了，信息密度反而下去了。
一件事真正的核心，往往就是一两句话。剩下的全是包装。
所以第三条规矩：读任何东西之前，先问这篇的核心原理是什么，能不能用一两句话说清楚。说得清楚，那一两句话就是全部价值，其它可以不看。说不清楚，大概率这篇本身就没有核心，只是在用长度模拟深度。
这条也是对自己说的。与其写一万字讲一个工具怎么用，不如把它为什么这样设计、解决的是什么根本问题讲透。前者过半年就过时了，后者能用很久。
前面三条做到了，还差最后一件事：守得住。
现在的干扰比任何时候都多。每天都有新模型、新工具、新风口。每个群里都有人说这个方向不行了、那个方向起来了。推荐算法不停往你眼前塞"别人正在做什么"。这些东西的共同效果是：让你不停地怀疑自己正在做的事，然后不停地换方向。
我复盘自己过去一段时间没拿到结果，最大的一条原因就是被带偏。不是没有判断，而是判断做了守不住。看到别人在做 A，就怀疑自己做的 B；听到某个人说 C 才是未来，就放下手里的东西去看 C。每次切换成本都很高，切回来时之前的积累已经凉了。
那什么东西可以用来修正方向？不是别人的声音，是真实反馈。
学习和行动应该是螺旋上升的：
学而不思则罔，思而不行则空。
只学不做，脑子里全是别人的框架，不知道哪一条对自己有用，这叫罔。只想不做，想得再通透也没有一个反馈能验证，全是空的。学、思、行三件事得咬在一起转，转一圈往上走一层。
抗干扰不是固执。固执是不看事实，抗干扰是只看事实、不看声浪。方向可以改，但只能被一手信息和你自己的真实反馈改，不能被别人的一句话改。
四条规矩，其实就是一句话：别吃剩饭。
信息要一手的，原理要自己弄懂的，注意力要留给核心的，方向要用自己的反馈修正的。这几样 AI 帮你加速，但替代不了。剩下的细节和执行，才是交给 AI 的部分。