每天接触的信息实在太多了：技术文章、开源项目、客户需求、项目讨论、技术方案，晚上还要学英语、看国外的 AI 视频。过几天再回头想，真正能完整记住、能重新利用的到底有多少？
很多人都有这个体验：跟 ChatGPT 讨论一个技术问题，聊得很深入，当时觉得完全理解了，过几天遇到类似问题，又得重新解释一遍背景。Codex 里做过的项目、ChatGPT 里讨论过的方案、微信里的工作沟通，还有平时听到的有价值的观点，全都散落在不同的地方。
把 Obsidian 用起来，就是为了解决这个问题。但第二大脑不是建一堆 Markdown 文件夹，把每天看到的东西全部复制进去——那只是把信息从一个地方搬到另一个地方，文件越来越多，最后还是找不到真正需要的东西。
真正值得记的，是有长期价值的内容：一个项目为什么采用这个架构，为什么某个方案最后失败了，哪个 Bug 排查了很久，客户真正关心的是什么，以及某次交流之后自己改变了什么判断。这些东西不像一篇完整的技术教程那么漂亮，但它们才是真正属于自己的经验。
这样整理好的库，和 AI 结合起来才有意思。下一次遇到类似的业务问题，AI 可以参考过去做过的方案，帮你分析哪些经验可以复用，哪些判断已经过时。
当然，不应该无差别记录所有对话。涉及隐私、公司机密和客户数据的内容，必须有明确的权限边界。值得长期记录的，是那些经过筛选、能够帮助自己复盘和成长的信息。
AI 可以提高处理信息的效率，但如果信息本身始终零散、混乱、没有经过整理，模型再强，也不一定能真正理解你的经历。未来人与人之间的差距，可能不只是会不会用最先进的 AI，还在于能不能持续积累高质量的信息、经验和判断，再利用 AI 把这些东西真正变成自己的能力。
正文完