我们讲讲，如何管理知识。
写这封信的时候，我想了好几个主题。
想写一写“简单”，因为简单是一种被极度低估的力量，我们天生对复杂有一种抗拒，一个事如果过于复杂，比如搭建一个复杂的知识管理系统，我们很可能直接放弃。
还想写关于“思维模型”的，因为思维模型是建立智慧的基石。我们之所以一直重复过去的低效甚至错误的行为，背后就是我们思维模型出了问题。
但在我与AI对话之后，我有一种感觉，我写什么已经不重要了。
AI已经可以无限生成各类信息，我能想到的它也能想到，我想不到的它也能提供。
我认为大道至简，对内复杂对外简洁是一种高级智慧。AI直接跟我说：
- 初学者眼中的“少即是多”（以为只是省略）；
- 修行者眼中的“少即是难”（深知删减比堆砌更难）；
- 得道者眼中的“少即是全”（一即一切，简即丰盈）。
我就想，与其写一篇AI能快速生成的文章，不如我好好讲一下“如何管理知识”，正好这也是我发起《甲第来信》的动机之一。
外界信息已经无穷多，但如果我们不会管理知识，只会溺亡在这信息浪潮之中。
庄子讲，吾生也有涯而知也无涯，以有涯随无涯，殆也。
‘知道什么’已不再稀缺，真正稀缺的是：如何让知识真正改变我们的人生。
01 纳瓦尔：几乎不做笔记
在多次访谈与播客中，纳瓦尔反复强调，他不追求“收藏知识”。
他读得很多，但很少系统性地做笔记。
他管理知识的流程非常简单：
- 大量阅读
- 长时间独立思考
- 只在形成稳定判断时，才对外表达
他曾说过一句很有代表性的话：
如果一本书对我足够重要，它的思想会留在我脑中；如果留不住，说明它并没有那么重要。
纳瓦尔真正使用的“外部系统”，是X（前身是Twitter）。
他会把已经想清楚的东西，压缩成一句推文或一条 thread。
能否压缩，本身就是筛选机制。
无法表达清楚的内容，不会被他保存。
这是一种非常克制的管理知识的方法：
外部世界可以无限复杂，但进入内心系统的内容，必须极少。
少即是多。
02 肖恩·帕里什：把信息变成可调用的判断
Farnam Street 的创始人帕里什，是少数把“信息管理”公开写成方法论的人，但即便如此，他的管理知识的方法也远比多数人想象得简单。
早期的帕里什坚持使用普通的卡片系统。
每张卡片只回答一个问题，记录一个可复用的判断。他强调“可调用性”远高于“完整性”。
他反复提醒读者：知识的价值，不在于你存了多少，而在于你在关键时刻能不能想起它。
他的 Farnam Street 文章、邮件与课程内容，几乎全部来自长期积累的卡片，而不是临时搜索。
值得注意的是，他极少记录“信息本身”。
更多时候，他记录的是： 这个信息改变了我什么判断？ 它和哪些模型发生了连接？
03 达尔文：靠索引而不是记忆
在《达尔文的笔记本》（Darwin’s Notebooks）中，学者详细还原了他的工作方法。他一生留下了几十本笔记，但这些笔记并不追求整洁或完整。
真正让这些笔记可用的，是他自己设计的索引系统。
达尔文会在阅读与观察中随手记录想法，然后在单独的索引页中，用关键词标记这些内容。
比如“变异”“人工选择”“物种分化”。
当他需要写作或思考时，他并不是翻遍笔记，而是通过索引定位。
这套系统极其原始，却高度有效。
他并不追求随时记住所有细节，而是确保： 当我需要它时，我能找到它。
04 费曼：只记录“我不懂的地方”
理查德·费曼的笔记方式，也与常规印象相反。
他留下了大量手稿，但这些笔记并不是“知识总结”。相当一部分内容，看起来甚至像是学生作业。
原因很简单：他只在一个时候写笔记——当他发现自己理解不清楚的时候。
费曼著名的学习方法，并不是抄写结论，而是强迫自己用最简单的语言解释问题。如果解释失败，他就回到源头重新推导。
他的笔记，本质上是“理解失败记录”。
这也是为什么他的讲义和书籍，看起来异常清晰。他并没有保存大量资料，而是反复清理理解中的模糊地带。
对费曼来说，管理自身知识的目标只有一个：确保没有假装理解。
05 查理·芒格：不求新，选择沉淀
查理·芒格几乎不谈“工具”，但他的知识管理态度非常明确。
他大量阅读，但极少追逐新观点。
他反复强调“少数重要模型”的价值，并公开承认： 自己真正长期使用的心智模型，数量并不多。
芒格刻意放慢更新速度。
一旦一个模型被证明可靠，他会长期使用，并不断在不同领域验证。新信息进入他的系统，需要通过极其严格的过滤。
他不追求信息的前沿或领先。
这在今天看起来有些反潮流，但恰恰构成了他的长期优势。
06 管理知识的方法，不在于全面。
把这些人放在一起看，会发现一个明显共性：
他们从不试图管理全部信息。
无论是纳瓦尔的极简内化，帕里什的模型化卡片，达尔文的索引系统，费曼的理解筛选，还是芒格的长期沉淀，本质上都是一种“压缩”：
主动压缩知识系统的规模。
他们对外界信息保持开放，对内在系统保持克制。
我最近非常喜欢“压缩即智能”这个说法。
有些电影看一遍就能明白讲了什么——情节清晰、人物动机明确、结局可预期；
而另一些电影则需要反复观看，仔细梳理其中埋藏的伏笔、隐喻与非线性叙事，才能真正理解其主旨。
万维钢讲，抛开任务、台词、道具这些细节不谈，俗套电影的柯尔莫哥洛夫复杂度比较低，而不俗的电影，柯尔莫哥洛夫复杂度比较高。
这里的“复杂度高低”，并非指剧情是否烧脑，而是指描述这部电影所需信息的最短长度——也就是你能用多简洁的一段话，准确概括它的核心内容。
例如，《泰坦尼克号》虽然制作宏大、情感细腻，但其故事内核高度可压缩：“穷小子与富家女相爱，并在沉船灾难中自我牺牲。”
这意味着它的柯尔莫哥洛夫复杂度较低——说明它符合经典叙事模式，易于被人类心智快速建模和传播。
相反，像《盗梦空间》《记忆碎片》或《2001太空漫游》这类作品，很难用一两句话完整传达其结构、主题与多层含义。任何简短概括都会丢失关键信息，因此它们的柯尔莫哥洛夫复杂度更高。
换言之，智能的本质之一，就是能否用最简模型捕捉最多现象。
能被高效压缩的，未必是平庸的；但能被瞬间理解的，一定是因为它契合了我们已有的概念框架。
知识管理亦如此。一个无法被压缩成一句话的核心洞见，往往尚未真正被你掌握。
真正属于你的知识，必能被你用自己的语言极简表达——否则，它只是你硬盘里的‘信息尸体’。
这或许就是AI时代管理知识的真功夫：
1.外部信息系统的价值，已经更迭为：降低我们找到关键信息的成本。如果一个系统需要我们反复维护、分类、重构，那这个系统会消耗我们本可以用来思考的时间和精力。我们需要什么，就调用什么。这才是外部信息系统的价值。
2.不追求全面详细地存储知识，核心是把少数重要模型理解透彻。我观察到，很多人花大量时间管理记录的，其实是“不会出现在决策现场的知识”。
它们读起来很高级，保存起来很舒服便捷，却几乎不参与人生的任何关键时刻。
3.管理知识，本质上是在管理注意力。所有高水平的知识管理方法，最终都指向同一个目标——节约注意力，把注意力留给真正重要的思考。
AI可以提供无限知识，但并不能让我们的头脑自动产生智慧。这也从侧面告诉我们，应该建立极度严格的输入机制，而不是什么信息都看。