AI 信息焦虑：用「低能量三步法」把刷不完变成读得动

每天几百条 AI 推文划过去：点赞、收藏、划走。关掉手机问自己今天学到什么，经常一句也答不上来。别人聊的新词你没听过，心里一咯噔，越慌越刷，越刷越碎。

这不一定是你刷得少，更可能是刷得太多、太碎——而信息流本来就不是为「让你学会」设计的，它要的是你的停留时长。

有创作者把自己从信息焦虑里捞出来的方法，概括成 低能量三步法：换信息源 → 少而精地读 → 借 AI 输出但仍核事实。核心不是更勤奋，而是把选择权从算法手里拿回来。

第一步：换到「低能量」信息源

碎片短帖很难形成记忆；算法推什么你就看什么，等于把课程表交给推荐系统。

Newsletter（邮件通讯） 是另一种结构：你主动订阅、定时到达、可归档，注意力不被无限下滑劫持。作者从上百个源里筛过一版「按职业对号入座」的清单，可作起点（质量因人而异，订阅后仍要自己淘汰）：

做产品

• One Useful Thing（oneusefulthing.org）
• Ben’s Bites（bensbites.com）
• Product Hunt（producthunt.com）
• The Batch（deeplearning.ai/the-batch）

做研发

• Simon Willison（simonw.substack.com）
• Interconnects（interconnects.ai）
• Import AI（importai.substack.com）
• Ahead of AI（magazine.sebastianraschka.com）
• Hugging Face Papers（huggingface.co/papers）

做增长 / 找素材

• TLDR AI（tldr.tech/ai）
• The Rundown AI（therundown.ai）
• Gary Marcus（garymarcus.substack.com）——需要对立面时很有用
• Last Week in AI（lastweekin.ai）

订完之后关键是整理：用邮件客户端或 Agent 扫出发件人，建立过滤器，打上如 ai-newsletter 的标签，并勾选「跳过收件箱、直接归档到标签」。邮箱重新变成收件箱，通讯变成专题书架。

第二步：低能量阅读——一天精读 3 篇

文件夹里可能躺着几十封长信。全读完不叫治焦虑，叫换地方焦虑。

一个可执行的读法：

1. 让 Agent 把近期通讯收成一张清单（标题 + 一句话看点）
2. 先划掉「你已经在社媒上被喂过的主流观点」——增量往往为 0
3. 一天只精读约 3 篇：反共识、少见数据、你没见过的角度
4. 其余不读，但可入库：把链接/要点交给知识库（例如按 LLM Wiki 思路：概念、主张、开放问题做成可互联的卡片），需要时再检索

「3 篇进脑子，其余进外部记忆」——人的工作记忆有限，Agent 适合扛重复消化，不适合替你做「信不信」的判断。

第三步：低能量输出——不从零硬写

学了不输出，等于没学；卡笔时不要对着空白页死磕。

1. 把知识库目录 / index 交给 AI，让它先在你读过的材料里检索，再生成初稿（比让它上网瞎编可控）
2. 卡住的判断去问原作者：Newsletter 往往带回复入口，一封认真的邮件比评论区刷存在感有效；可用邮件助手润色英文提问
3. 自己过事实与语气：数字、人名、时间、引述一律回原文；把 AI 腔改回你的口吻

输出质量来自「你的库 + 你的追问 + 你的校对」，不是来自更长的提示词形容词。

这套方法在防什么？

工具可以是网易邮箱大师的 Mail Agent，也可以是 Gmail 过滤器 + 任意邮件/笔记 Agent——流程可迁移，不必绑死单一 App。

小结

AI 资讯过载时，加时阅读很少能解决问题；换结构可以。

用邮件夺回选择权，用「一天三篇」保护深度，用知识库与作者对话降低输出门槛——信息不再追着你跑，而是你挑着看、存着查、写着交卷。

从今天起，不妨先做一件最小的事：订 3 份真正对口的 newsletter，并让它们永远不要再堆进主收件箱。