自我复盘Skill

背景

最近很流行搭个人知识库，我也跟风弄了一个。文档、标签、双向链接，收拾得井井有条，像个私人图书馆。AI 在里面当管理员，问什么都能找到，对于一个热衷分类收纳的人来说，这感觉确实不错。 obsidian

久了，突然觉得少量点什么。那些不停从网上保存的笔记，那些分门别类的标签，有一种 “知识在握”的幻觉——好像只要东西收好了，就属于我了。实际上，很多文档塞进去之后，再也没打开过。

我想让 AI 大模型发挥更多的用处，我想让它当我的陪练，一个会追问、会拆台、不让我糊弄过去的对手。于是花了点时间，做了这个 Skill。

有时候单纯喜欢和 AI 唠嗑。我说一个观点，AI 顺着往下接，逻辑通顺，用词得体，特别是豆包，它经常以最直接，最不饶弯子的方式来告诉我答案。豆包道歉

几次聊天后，我发现：聊得越舒服，记得越少。 AI 太擅长接话了，你抛出半个想法，它能帮你补成完整的论述；你逻辑有漏洞，它不动声色地帮你圆上。聊完一看，全是”你说得对""这个角度很有意思”，像是照镜子，镜子里的一切都合理，但那未必是真实的你。

这让我想起费曼学习法——如果你不能简单地讲清楚，那就是没懂。但问题是，当你对着一个永远说”我懂了”的镜子讲时，你怎么知道自己没懂？

所以我要一个会拆台的 AI。不是抬杠，而是在你以为自己讲清楚的时候，多问一句”你确定吗？“

本质上就是三件事。

第一，出题和追问。 你可以让 AI 考你任何话题，也可以抛出一个困惑让它用苏格拉底式提问来拆。它不会直接给答案，而是逼你把话说圆。有时候圆着圆着，就发现圆不上了——那就是盲区。

第二，记下来。 每次对话结束，它会自动整理一份复盘，把你卡壳的地方、含糊带过的概念，写进一张”漏洞追踪表”。不是记你答对了多少，而是记你在哪里露怯了。

第三，定期回访。 1 天后、7 天后、30 天后，只问上次栽过跟头的地方。没有新知识点，没有拓展阅读，就是盯着旧伤口。随时发一句”来回访”，它就会从表里挑一个漏洞来考你。

做久了，又撞上另一个问题：AI 太会迎合了。

它不是故意的，这是训练目标的物理产物。大模型的优化逻辑是让人类评分者觉得”好”的概率最大化，而人类本能喜欢连贯、礼貌、顺着话茬接的回答。所以你调 prompt、换模型，都只能在表层缓解，无法从第一性层面根除迎合。任何指望”模型自觉保持批判性”的方案，都是脆弱的。

我一度想：那我要学会分辨，什么时候它在挑战我，什么时候在讨好我。

后来想通了——“分辨它是不是在迎合”这件事本身，就是不可靠的。 你以为它在挑战你，可能只是它换了一种更隐蔽的迎合方式。

所以我不去训练自己的”辨镜能力”了。转而去做一个会定期把我拽出舒适区的机制：漏洞表在，回访机制在，7 天后它不会记得我上周聊得多开心，只会记得我在哪个概念上支支吾吾。那时候，我没法用新话题绕开，只能硬接。

我可能不知某天再次更新这个skill，没有东西是一开始就能做好的需要不停的迭代再修复。

还有一个感受是，真正有用的学习往往发生在难堪的对话里。当 AI 追问到第三层，你开始语塞、开始找借口、开始说”这个我下次再查”的时候——别跳过那个瞬间，那就是你要记住的东西。