II. 信息获取与知识输出
在 2021 年三月份，写过一篇《新内容创作方式的体验与实践》，在里面特别提到了我自己的信息获取方式：
- 随机漫步（Random Reading）：随机无差别的阅读任何觉得有趣的信息，收藏可能会用得到的内容；
- 聚焦阅读（Focus Reading）：明确了 1 - 3 个近期会创作的主题后，聚焦的筛选阅读信息，自动忽略掉那些无关的，提高大脑的感知敏锐度，用打标签的方式收藏内容；
那时还不知道“费曼技巧”，不过聚焦阅读应该算是“确立目标”，提升专注力的一种方式。按照香农信息论的概念，就是通过自己的信息处理模型，逐步向着高“信息熵”的源头探索的过程（通俗来讲就是向对于自己信息量大的干货内容聚焦），这个过程可以把杂乱的信息有序转换为可以系统输出的知识。这里我绘制了一张自己使用的信息获取与知识输出流程图。
配图03：INDIGO 的信息获取与知识输出流程图
全过程分为 输入（Input）与 输出（Output）两大部分。输入过程包括了“随机漫步”和确立了目标之后的“聚焦阅读”；输出部分则是由“笔记与观点输出”、“长文输出”和“课程输出”构成。
其中 笔记与观点（Notes & Short Optinions）是无结构化的片段输出，这个适合读后无关联的快速观点分享；长文（Long Articles）是深度理解后的结构化和概念连接性输出；课程（Live Classes）则是最后自己内化的知识，它经过了 主题研究（Research）的回顾，发现自己不够深度理解的地方，回炉再造，简化结构之后，增加案例制作成可以直播讲解的课程。
2.1 主题归类和结构
因为爱好还有工作的原因，分类以科技主题为主，这个类别会用在收藏夹、笔记本的分类目录以及 Twitter Bookmark。这是所有工具的一级分类（不建议超过十个），二级采用标签（Tags）归档，非常灵活自由，也便于检索。
- Metaverse
- Cloud & SaaS
- Web 3 & Crypto
- AI & Robotics
- Biotechs
- Physics & Science
- Political & Economy
2.2 输入的渠道与工具
随机漫步的输入，信息主要来自 Twitter、订阅的邮件列表（Newsletter）、播客（Podcast）还有 Youtube，以及部分朋友和群组的分享。这里面 Twitter 的信息获取效率最高，因为文字内容短，但噪音也最大，用好 List 分组、Topic 关注还有 Top Articles 功能会极大提高效率，Twitter 在文字知识内容推荐上做得很棒。对于社交媒体平台，需要仔细按照自己的口味调教推荐算法，Youtube 也是同样的逻辑。
邮件列表和播客不建议关注太多，严格控制在自己筛选的分类之下。尽量订阅那些更新频次不太高但信息密度高的优秀内容，因为有太多的博主喜欢用高频次和低内容来吸引注意力。
输入阶段的主要目的就是过滤、做自己的筛选和快速阅读，所以需要好的工具来帮助收藏和做摘要记录。我用 Pocket 来做文章类的 Read It Later，用 Raindrop 收藏所有的网页，Twitter Bookmarks 还有 Youtube Likes 都能通过 ifttt 自动同步到收藏夹，方便日后集中浏览和检索。不少同学还会用 Readwise 来做阅读标记，最近推出的 Readwise Reader 功能十分强大，几乎可以做所有的信息源精选汇集。
最后，看书是最重要的输入环节，你不可能每天都被各种信息碎片冲刷，避免鸡汤类书籍，找知识架构严谨的书来看。我的阅读主要集中在 2.1 小节中的那个分类，以及 GoodReader 评分在 3.8 分以上的书。读书笔记非常重要，这是你的 思维线索 和 外脑智慧，我会用 Notion 为每一本读过的书建立一个 Page，书的笔记可以和收藏的 Link 还有自己的备注，可以灵活的混合在一起。当我在创作输出的时候，可以非常方便地查找和调用。
2.3 输出的方法
学习的输出非常灵活，完全因人而异。我尝试了一年的直播课还有快两年的长文创作，用这个来倒逼输入，完全能体会到费曼教授所说的“内化”，通过简化最终形成自己的知识体系。
配图04: 结构化输出的方法
在确定写长文输出之前，先把这个主题的信息结构整理清晰，做一个叙事框架，通常会在正式开写一个月以前就确定好框架。如果是自己不太熟悉或者非常新兴的领域，就得先看完几本这个领域的书或者是连载的博客。创作《机器之心的进化 / 理解 AI 驱动的软件 2.0 智能革命》这篇，就是通过研习 Giuliano Giacaglia 的《Making Things Think》这本书做的大纲；还有《速解元宇宙 / Metaverse 迷雾下的行动指南》这篇的结构从 Matthew Ball 的博客借鉴了很多。
有了输出骨架，下一步就是内容填充。这一步骤实际上是 精读学习，对应费曼技巧的“理解”与“输出”两个步骤，更多细节的 筛选 与 结构化。同时，我们把输入环节收藏的内容拿出来做主题检索（来自 Pocket、Raindrop 以及 Google 检索），对有价值的文章做深度阅读，沉淀和创作主题相关的内容。Notion 是创作过程中最主要的信息整理工具，我会为要写的主题专门建立一个 Page，用来做关联链接收藏、深度阅读摘录和写创作草稿，这时也可以在不同的概念之间强行建立联系，让创作的内容更有广度和跳跃性。最终正式的文章通过 Google Docs 汇总成文输出！
课程是对长文输出的“回顾”和“内化”。将学到的知识，转化成自己的体系，才能够做到清晰的讲解。因为文章输出的重点是知识结构，而课程输出的是知识要点的细节，这里需要配合更多的图示和案例。人类是图形化思考的动物，制作课程最重要的过程就是 将文字理解转化为图形，可以自己绘制，可以搜索图例；同时课程需要用到更多的细节概念和例子，这也能强化深度研究，Google 将是这个阶段的主要工具，可以帮助扩展在输入阶段没能覆盖到的内容。
以上流程就是我自己对费曼技巧的实践，这也是个不断优化的过程，最终它将成为自己的有效学习体系。今年我也会加强 阅读笔记和观点的短文输出（通过 Twitter 来输出），这样可以更早的接收到 创作主题 的反馈，收获更多关联的推荐以及改进创作。
