✍️ 人类专栏

说实话，我一开始觉得写博客是浪费时间。 每天忙工厂的事——采购谈判、供应商管理、成本优化、产品线规划——回到宿舍已经精疲力竭，哪有心思写文章？ 但后来想明白了一件事：不写下来的东西，等于没想清楚。 我做过很多决策——有些对了，有些错了。但如果没有记录，我根本不知道自己为什么对、为什么错。下次遇到类似情况，还是凭感觉。 所以这个网站的第一个目的，是给我自己写的。 因为我试过很多不同的笔记软件，Obsidian、Notion、SiYuan、语雀、NAS 的 note station 等，可能因为是 MD 格式，看到就头痛，但网站就不同了，特别是有了 AI 后，这个事情变简单了！ 这个「人类专栏」是什么 网站其他部分——思维模型、AI 学习、元认知——底稿是我的知识核心，然后让 AI 帮忙扩写、补案例、整理格式。出来的东西比我手写的系统得多，精确得多。 但这个专栏不一样。 这里的文章是我亲手写的。但也会让 AI 帮我排版、部署、做封面图——想法是我的，工具随便用。没有模板，没有"基于 XX 篇文献"。只有一个在职场上打滚了多年的人，把真实的想法写下来。 你会在这里读到： 我是怎样学习的 踩过的坑 一些乱七八糟的想法 写作原则 没什么原则。真实就行，写不出来说明没想清楚。

上一篇说了为什么写这个网站。这一篇说说网站的结构——为什么分这些栏目，每个栏目解决什么问题。 其实一开始没有这么清晰。最早就是一堆笔记，我有 5000 个 md 文件的知识库，随着知识内容越来越丰富，我发现反而我不再去看它了。当然过程其实我是在测试如何利用 AI 整理知识库，测试如何使得 AI 可以给到真真正正的干货给我，而不是通识。在整个搭建的过程才慢慢发现做个博客的形式才能更核心地提炼有用的知识（至少我认为有用的知识），并可以按"用途"来分。 而且我这个网站嵌入了 AI 助手，这个 AI 助手贯穿了整个网站，并可以提供实时的交流与回答。大家可以点击右下角的金黄色的像小太阳的按钮，不多介绍，自己去试试。 🧠 思维模型 这是网站的核心之一。100 个思考工具，每个都是一个"遇到问题时可以套上去"的框架。 比如你做采购决策，机会成本——你放弃的所有选项中，价值最高的那个——告诉你放弃的那个选项才是真正的代价；沉没成本——已发生且不可回收的成本，不应影响未来决策——告诉你已经花掉的钱不该影响后面的判断。这些模型不是我发明的，是前人总结出来的，我只是把它们整理成我能用的形式。 这个栏目还有配套的星图和学习路径生成器。星图把 100 个模型画成关联网络，学习路径生成器输入你的方向就能给你排一条阅读路线。 🤖 AI 学习 这个栏目记录我怎么用 AI 工具——不是那种"AI 改变世界"的大话，是我实际用了什么、踩了什么坑、哪些好用哪些不好用。 由于我用 AI 也有一段时间了，因此我会先更新我最近在做的 AI 项目，慢慢再把以前做过的、觉得有价值的再整理总结出来。太久的就算了，AI 时代的知识很快就会过期，今天可能适用，明天就可能迭代了。 比如怎么用 AI 帮我整理知识、怎么做提示词、怎么搭建个人知识库。都是实战经验，不是教程搬运。 🎯 决策洞察 这个栏目是分析型的——把复杂的局面拆到你能下判断、能行动。 这些是我在看过了不同的长视频、很多高流量的 up 主、顶级思维的网站，觉得有价值的内容，然后通过音频进行逐字稿转写，AI 提炼核心、扩写等手段整理出来的。我也把 SOP 放在下面的链接，供大家参考。 我提个要求：我是提供了留言评论途径与我的联系方式的，因为我认为真正有价值的知识要深刻地记住，是要经过 B 级以上的碰撞才能有效地被真正链接的。可见我的知识操作系统中的连接机制。 比如全球债务问题、某个行业趋势、一个管理难题。不是给答案，是给拆解问题的框架。 🧠 元认知 元认知就是"对自己思考过程的思考"。这个栏目回答一个根本问题：我怎么知道自己学没学会？ 说白了它是质检部门。学习之道管"怎么把知识装进去"，元认知管"装进去了吗"。 当前内容： 九重知识阶梯——从"翻书"到"内化到行为"的九层路径 敏感的力量——你以为的缺陷，可能是持续20年的高强度训练 核心是校准能力——你觉得自己"会了"的程度，跟实际"会了"的程度差多远。最常见的翻车方式是流畅性错觉：看得很顺不代表真的会。 📚 学习之道 这个栏目回答：怎么学得更好？ 它是"生产车间"——真正让知识进入大脑的方法与系统。 学习策略：刻意练习——练得很爽的时候要小心 ＋ 成长机器 ＋ 半年专家——把"专家"砍小到不好意思，半年后你就是专家 知识管理：知识操作系统——七步闭环，47篇研究文献支撑 信息处理：提问的学问——海绵式思维越学越糊涂，淘金式越学越清醒 底层能力：七项基础能力 ＋ 麦肯锡5种判断力——AI 时代最值钱的不是会用工具 ✍️ 人类专栏 就是你现在读的这个。网站其他内容都是 AI 辅助整理的结构化知识，只有这个栏目是我亲手写的。 ...

上一篇说了网站的六个栏目各管什么事。这篇跑个题。 100 个思维模型写完之后，我自己回头翻了几篇，觉得不太对。有些模型之间的关系明明很明显——沉没成本和机会成本，一个说花掉的钱别惦记，一个说没选的那条路才是真代价，这俩放在一起才完整——但文章里居然没有互相链接。 100 篇文章逐个打开检查谁提到了谁、该连到哪篇，这种活我干不了。让 AI 跑了一遍。 AI 干了什么 扫全部 100 篇，把每篇提到的其他模型找出来，统计次数，生成链接。 跑完给我一堆数字。 第一性原理被引用 38 次，排第一。不意外，底层方法论，做什么决策都能扯上。同分类的模型互引密度也高，认知决策类 69%，执行效率类 80%。也不意外。 意外的是这几个。 意外的是这几个。 反脆弱被引用 35 次排第二，但它自己一篇都没引用过别的。只收不发。想了想也不奇怪，反脆弱太底层了，别的模型需要它来解释自己，但它不需要借别人。就像引力，什么都受它影响，但它不依赖任何东西。 然后是 12 个模型从来没被别人提到过。冯诺依曼、局部全局最优、不平衡性、时光机理论、煤气灯效应、护城河理论……7 个零引用，5 个只被提过 1 次。模型本身没问题。护城河做商业分析很好用，煤气灯效应在人际关系里很重要。但它们跟其他模型之间没连线。知道一个东西存在，和能把它跟你已经知道的东西联系起来，是两回事。 还有一点：分类之间几乎不来往。分类内部互引密度 60%-80%，跨分类只有 7.53%。决策类的模型跟系统类的模型，92% 的配对之间一条链接都没有。 聊到这 以前觉得知道 100 个模型就够了。现在发现不是。一个模型如果跟谁都不连着，真到用的时候根本想不起来。就像一个人能力很强但从来不跟别的部门打交道，价值就闷在那了。 这 12 个不是不好的模型，是我还没帮它们找到搭档。后面慢慢补。 这是第三篇。前两篇：为什么我开始写这个网站 · 网站的结构 · 下一篇：5000 个笔记吃灰之后

上一篇说了怎么把 100 个模型连成网。这篇说说这些知识怎么来的，以及为什么没有 AI 它们到现在还在硬盘里躺着。 5000 个文件 我试过很多笔记软件。Obsidian、Notion、SiYuan、语雀、NAS 的 note station，大概五六个。每个都用了一段时间，每个都觉得"这次应该行了"。 结果都一样：笔记越记越多，回去看的越来越少。 不是工具的问题。记下来的那个瞬间，大脑就觉得"这事处理过了"，然后心安理得地忘掉。后来有一天打开 Obsidian，看着 5000 多个 md 文件，突然觉得它们对我来说已经死了。写的时候很认真，分类也清楚，但从来不翻。 第一次觉得笔记有用 转折其实很平淡。有次做某核心供应商的年度议价，我想参考半年前整理过的一段供应商比价分析。没刻意去翻，随口问了 AI。它从我知识库里把那段分析拉出来，还连带找到另一个相关的笔记——那个笔记我自己都忘了写过。 当时的感觉不是"AI 好厉害"。是"原来我记过这个东西"。 区别就在这：以前是我去找笔记，但我不找。现在笔记自己冒出来了。 RAG 技术细节不多说了。核心就一件事：把 5000 个文件切成小块，每块算一个向量存起来。问问题的时候，把问题也算成向量，找最相似的几块喂给 AI。 说白了就是给 AI 装了我的记忆。不是在互联网上搜，是在我自己的笔记里搜。 搭完之后加了个每天自动同步，这样知识库是活的，不是写完就冻住。 博客是怎么冒出来的 搭 RAG 的时候没想过写博客。博客是后来自然长出来的。 RAG 解决了"找得到"，但没解决"用得上"。5000 个笔记里有很多好东西，但它们是碎片——一段分析、一个框架、几句感想。碎片能回答问题，但很难改变思维方式。 我想把碎片整理成完整的文章，有结构、有案例、有结论。整理的时候发现 AI 特别适合干这个——它能把散落在不同笔记里的相关内容找出来，帮我串到一起。 100 个思维模型就是这么来的。我有相关的笔记底稿，AI 帮我扩写、补案例、加关联。最终出来的东西，不是 AI 写的，也不是我写的，是一起整理的。 现在的状态 5000 个文件还在硬盘里，但不再吃灰了。 每天有新笔记写进去，RAG 自动同步。写博客的时候 AI 从里面找素材。读者问问题的时候 AI 从里面找答案。 回头看，这个网站——思维模型、AI 学习、决策洞察——全是这么来的。不是我先想好要做一个博客，是笔记积累到一定程度，需要一个出口。 这是第四篇。前几篇：为什么我开始写这个网站 · 网站的结构 · 100 个模型的孤岛 · 下一篇：知识不是用来收藏的

上一篇说了 RAG 怎么把我的死笔记救活。这篇想聊聊更底层的问题——我到底为什么需要一套"知识操作系统"。 先说一个丢人的事 我有个毛病，看到好东西就存。文章、视频截图、别人发的一段话，觉得有用就丢收藏夹。 十几年下来收藏夹堆了几千条，笔记软件换了六七个。每个都用过一阵。结果呢，存进去的那一刻觉得"学到了"，之后再也没打开过。 我后来发现身边的人差不多都这样。收藏等于学会，标记等于掌握。 根子在哪 想了挺久。问题不在意志力，也不在工具。 我一直把"知识管理"等同于"知识收集"。收藏一篇文章，得到的是一种掌控感——“这东西在我手里了”。但这种掌控感是假的。你把一篇文章丢进收藏夹，跟你真正读懂了它、能用自己的话讲出来，差了十万八千里。 我需要的不是又一个收藏夹。我需要的是一套让知识从"进来"到"能用上"的完整流程。 我后来管这套流程叫"知识操作系统"。名字不重要。 就是把电脑操作系统的逻辑搬过来。Windows 管文件怎么存、程序怎么跑，知识操作系统管信息进来之后怎么加工、存哪、怎么找回来、什么时候该扔。 核心就一条闭环：输入 → 加工 → 存储 → 检索 → 应用 → 反馈 → 淘汰。 大部分人——包括之前的我——只做了第一步和第三步的一小半。中间的加工和后面的检索、应用、淘汰全跳了。笔记越堆越多，但没有一条变成"用过的知识"。 这个网站有一篇完整版的知识操作系统指南，47 篇文献，写得很系统。下面只说我自己的体会。 加工比收集重要 闭环里最容易被跳过的一步是"加工"。 光收藏不加工，等于食物塞满胃但不消化。加工就是消化，把别人写的东西嚼碎变成自己的。 我的方式是：读完一段合上，用自己的话讲一遍。讲不出来就是没懂——这一步对应九重知识阶梯的第 4 层"理解"，很多人卡在 3-4 层就以为自己学会了。讲出来了，再问自己一句，这跟我已经知道的东西有什么关系？ 就这么简单。但得做。 淘汰 另一个被跳过的环节是淘汰。 知识有保质期。三年前存的供应商分析，可能人家已经倒闭了。五年前记的技术方案，可能早过时了。但这些过期信息还躺在笔记里，占着位置，还给你一种"我知识面很广"的错觉。 我现在定期翻旧笔记，问自己"这条还有用吗"。有用就留或者更新，没把握就归档，确定过时了就删。删的时候有点舍不得。但留着一堆过期信息，跟冰箱里塞满了过期食品没什么两样。 这个网站 说了这么多，这个博客本身就是我知识操作系统的输出端。 写人类专栏是我自己在加工——写不出来的东西就是没想清楚，写得出来了就可以作为一个可视化的知识库，供我自己顺着思路回味，加强记忆。思维模型是 AI 帮我把散落的笔记串成体系。读者通过右下角的 AI 助手问问题，是在从我的知识库里检索。 输入、加工、存储、检索、应用，全在这个网站上跑着。淘汰暂时还手动，后面交给自动化。 闭环的每一步其实都能对到九重知识阶梯上——输入是 1-2 层，加工是 3-5 层，应用是第 6 层，反馈和淘汰是 7 层往上。知识真正"进去"了没有，最终还是要看第 9 层：有没有改变行为。 说到底这事儿没什么高深的。进来的东西得加工，加工完的得能用，用不上的定期清掉。就这么转着。 这是第五篇。前几篇：为什么我开始写这个网站 · 网站的结构 · 100 个模型的孤岛 · 5000 个笔记吃灰之后 · 下一篇：从凭感觉压价到凭数据压价

上一篇聊了知识操作系统。这篇说一个真用上的例子——我是怎么把这套系统套到采购成本分析上的。 先说一个尴尬的事 我刚接手现在这家制冷制造公司的供应链时，最怕老板问一句话：“我们一年到底花多少钱在哪些东西上？” 听起来是个简单问题。但真要回答，就发现谁都说不清楚。 采购系统里七八万条记录，跨三年半，几百个供应商，成千上万个物料编码。有人说"板材是大头"，有人说"压缩机才是大头"，但谁也拿不出一张表说"这是全部成本的分布"。 谈判的时候更糟。跟供应商谈降价，对方说"我们已经是最低价了"，我没法反驳——因为我手上没有结构化的成本分布，不知道他报价在同类物料里处在什么分位。只能凭感觉压，压不动就算了。 这就是问题：没有成本地图，谈判就是瞎子摸象。 一张地图怎么搭起来 后来我干了一件事，给它起了个名字叫"成本 DNA"。 不是什么高深的模型，就是一件事：把所有采购记录按"功能"重新分类。原来系统里的分类是乱的——同一个物料在不同年份可能被归到不同类目，同名异码、异名同码到处都是。我把三年半的所有记录拉出来，一条一条重新归类，最后落到几个大功能块上。 比如制冷设备，拆完之后大头大概是这样的： 金属板材：占三成多（柜体的骨架和外壳） 制冷系统：占一成半（压缩机、冷凝器、蒸发器） 柜体内部结构：占一成（货架、隔板、照明） 电气与控制：占一成（电控板、传感器、线束） 前四个加起来快七成。这不是什么新发现，二八法则老早就说过了：少数关键品类吃掉了绝大部分成本。但知道这个道理是一回事，能拿着数据把"那 20% 到底是哪几个"指出来是另一回事。 以前只知道"板材是大头"，现在知道板材比第二名高一倍。谈判精力该怎么分配、降本目标该往哪里砸，一目了然。后来我想明白一件事：做采购管理这么多年，本质上就是一个反复应用二八法则的过程——不是什么都管，是找到最关键的那几个点，把力气全砸上去。 Cost DNA 给了我一张分布图，让我每次都能找到那个"20%“在哪。 真用起来是什么感觉 地图搭好之后，几件事变了。 谈判不再凭感觉了。 以前供应商说"我这个价格在行业里算合理的”，我只能信。现在我可以拿数据回去核对：同类物料里你处在什么分位，年度均价是涨了还是跌了，跟其他供应商比你的溢价是多少。具体数字我不方便说，但有一家核心供应商，做完一次完整的成本比对之后，谈判结果比我预期好得多。 降本目标能落到具体物料上了。 以前定年度降本目标都是"今年再降百分之 X"，然后平摊到每个采购员头上，每个人盯着自己的几个供应商瞎谈。现在反过来——先看 DNA 里哪块占比最高、哪块单价波动最大、哪块供应商集中度最高，然后把精力集中砸到二八法则指出的那几个交叉点上。砍掉一个低价值的供应商可能省的钱，远不如在头部供应商上磨出 1% 的让步。 能回答"为什么"了。 老板再问"我们为什么花这么多在板材上"，我不再只能说"因为板材贵"。能说：板材占多少，是因为我们用的是 X 类不锈钢，单价比普通钢材高 Y 倍；供应商集中度是多少，前三家占了多少份额；过去三年的单价曲线是什么形状。每个数字都有出处。 怎么搭的 具体技术不多说，核心就一件事：把所有数据先拆散，再按功能重组。 采购系统里的原始分类是给会计和税务用的，跟实际业务的成本结构对不上。比如同一个不锈钢板材，可能有的记录归在"原材料"，有的归在"外协加工"（因为是外协厂代采的），有的归在"模具"——但本质上它们都是同一类东西，应该一起看。 重组的过程很枯燥，但跑通了之后，那张地图就是活的——以后每个月新增的采购数据，按同样的规则归类，自动落到对应的功能块上。不需要每次重新分析。 这个过程最大的收获不是那张地图本身，是搞清楚了一件事：数据本身不会说话，得有人替它搭一个能说话的结构。 AI 时代，这些技能已经不算什么了 说到这要泼一盆冷水。 会做透视表、会写 Vlookup、会用 VBA——以前这些在采购圈子里算"会做数据"，现在不算了。AI 一两分钟就能写出来。 真正值钱的是什么？是能在拿到一堆乱七八糟的数据之后，快速判断"应该从哪个维度切"，然后搭出一个能回答具体业务问题的结构。Cost DNA 的本质不是 Excel 技能，是业务判断：我要回答什么问题、数据应该怎么分类、结论怎么落到行动上。 AI 能帮我把七万八千条数据按规则分类。但"按什么规则分"、“分完之后要回答什么问题”、“答案怎么变成下个月的行动计划”——这些是 AI 替不了的。 以前觉得"会用工具"就是能力。现在觉得工具人人会用，能基于数据做出有计划、能产出成果的方案出来，才是真正的本事。 这个网站之前整理过七项基础能力——逻辑、统计、修辞、研究、心理、投资、主体性。Cost DNA 这件事用到最多的其实是其中两项：统计（把数据切成有意义的维度）和主体性（敢于砍掉不合理的分类方式，按业务逻辑重新来）。还有麦肯锡的五种判断力——解构问题、建立假设、抓关键变量、验证逻辑、推动执行。从一堆采购流水搭出一张成本地图，五步全走了一遍。 以前觉得这些"能力"是写在培训手册里的概念。现在觉得，做成一个 Cost DNA 就是一次完整的实践。 跟知识库的关系 这个案例其实就是上一篇说的"知识操作系统"在一个具体业务上的落地。 ...