AI比我们快

1962 年，Douglas Engelbart 做了一个实验。

把铅笔绑在砖头上，让人写字。

结果很明显——写得慢了，写得少了。

但他发现了一个不明显的结果：写得少之后，人会停止发展复杂思想。你没法在纸上推演，只能在脑子里转，脑子装不下，想法就断了。

他的结论一句话：工具的笨拙程度，决定了你能产生多复杂的思想。

反过来说——工具变强，思维跟着变强。而且是变成你事先想象不到的样子。

我在过去几周亲手验证了这件事。只不过我用的不是铅笔，是 AI。

春节期间我开始搭一套自用的 AI 系统。飞书做入口，大模型做大脑，处理日常工作。

第三天就撞墙了。

AI 写代码没问题，回答问题没问题。但它有一个致命缺陷：它不能自己生长。

我告诉它的经验，关掉对话窗口就忘。上次犯的错，这次照犯。上周定的规则，本周违反。

技能满点，记忆清零。每天从头开始。

我烦了。

于是我开始做一件当时没想清楚的事——给 AI 设计知识容器。

什么知识放在哪。什么时候加载。出错了怎么修正。修正了怎么沉淀。沉淀了怎么检索。过时了怎么淘汰。

做了二十天，我发现一个让自己停下来的趋势。

前五天，80% 的精力在教 AI 具体的事——这个问题怎么处理、那个场景怎么应对。

到了第二十天，70% 的精力在设计知识系统本身——AI 找不到该找的知识怎么办、两条规则冲突了听谁的、一条经验该记在哪里、什么时候该忘掉过时的东西。

我写的知识越来越少。我设计的"知识怎么运转"越来越多。

那天晚上我盯着屏幕想：这到底是怎么回事？

然后我想起了泥板。

五千年前，一个苏美尔人把一笔交易刻在泥板上。他以为自己在记账。但他做了一件比记账大得多的事——第一次把知识从人脑里搬到了人脑外面。

在此之前，知识跟着人走。师傅死了，徒弟没记全，三代就断了。

泥板改变了什么？存储介质。知识第一次有了脑子之外的载体。

但紧接着，新问题来了：泥板越来越多，怎么管？

苏美尔人不得不发明泥板目录——用一块泥板，记录其他泥板放在哪。

管理知识的知识，诞生了。

这个模式重复了五次。每一次都一样。

1040 年，毕昇发明活字印刷。佛经、历书、农书第一次能批量复制——知识不再靠手抄传递了。

1876 年，杜威发明十进制分类法。10 大类，100 小类，1000 子类。他给知识分配了地址。

杜威做的事比写一百本书都重要。他让已有的一百万本书变得可检索了。

再后来，Google。1998 年，两个斯坦福博士生用 PageRank 解决了一个问题：几十亿个页面，0.3 秒找到你要的。怎么做到的？不看页面写了什么，看谁引用了这个页面。用知识之间的关系来判断知识的价值。

评估知识的方式，本身变成了新的知识。

泥板 → 印刷 → 索引 → 搜索引擎。每一次跳跃，都不是因为新知识出现了。是因为有人重新设计了知识的容器——存储、复制、检索、评估的方式变了。

而每一次容器升级之后，人类花在"管理知识"上的精力都超过了"生产知识"。

我二十天里经历的 80%→70% 的翻转，和五千年里发生的事情，是同一件事。

想到这我站起来倒了杯水，走到窗户边喝完。

因为我意识到 AI 时代正在发生第六次跳跃。而这一次，跟前五次都不一样。

前五次，容器变了，使用者没变——都是人在操作。人在泥板上刻字，人在翻书，人在搜索引擎里打关键词。

这一次，容器的使用者变成了 AI。

现在的 AI 理论上能一次性读完一整本书。但 2023 年 Stanford 的研究发现了一个反直觉的事实：你塞进去的内容越多，AI 对中间部分的理解越差。就像你把一本书一页不落地摊在桌上，AI 只认真看了开头和结尾，中间大段翻都没翻。

2025 年的跟进研究更狠：就算信息确实喂进去了，AI 真正用上的不到 10%。

能装一本书，真正消化的可能就一章。剩下的，是噪音。

AI 不缺算力，不缺知识。它缺的是有人设计"什么知识该在什么时候出现在它面前"。

这就是第六次跳跃的核心问题。

回到我自己。

二十天搭建之后，我的系统长成了四层结构。240 行规则，41 个知识文件，2000 多条自动索引。加在一起，15000 多行。

这套东西最重要的特性，不是结构。是它会自己生长。

AI 每次犯错，系统会自动把错误变成新的规则。下次遇到同类情况，直接调用，不再重犯。

免疫系统。每次感染，记住病原体特征，生产抗体。下次同样的病毒来了，直接杀掉。

我给 AI 建的不是知识库。是一个会自己生长的免疫系统。

建完这套东西之后，我回去翻 Engelbart 的原文。就是做砖头铅笔实验那位。

他写了一句话，我读了三遍：

"This interdependence actually has a cyclic, regenerative nature to it which is very significant to us."

工具和思维之间存在一种循环的、再生的依赖——更好的工具让你产生更好的概念，更好的概念让你设计出更好的工具。

他管这个叫 bootstrapping——自举，自己把自己拉起来。他还提了一个三层模型：

• A 层：做事。

• B 层：改进做事的方式。

• C 层：改进"改进方式"的方式。

绝大多数人一辈子在 A-B 之间循环。文明跳跃，发生在 C 层。

泥板目录是 C 层。杜威分类法是 C 层。PageRank 是 C 层。

我花 70% 时间设计的那些东西——AI 该去哪找知识、犯错了怎么自我修复、经验该怎么沉淀、过时的该怎么扔掉——全是 C 层。

想明白这些之后，我去找答案。

我想知道有没有人已经在研究这件事。翻论文，翻博客，翻开源项目，翻做 AI 的头部公司的技术文档。从认知科学到知识管理到人机交互，跨了好几个学科。

找到了很多。Bush 1945 年说过知识的组织比知识本身更重要。Polanyi 1966 年说我们知道的永远比能说出来的多。最近两年有大量研究在探索同一个问题：你给 AI 的信息越多，它反而可能表现越差——规则太多会打架，上下文太长会失忆。各大 AI 公司在做记忆系统，开源社区在做各种知识检索和智能体框架。

每一个都有启发。有的做得很深，让我学到很多。

但看完之后，我心里一直有个声音：还不够。

每篇论文、每个框架，都像是拼图的一块。每一块都做得很精致。但我要的是那张完整的图——一套从头到尾打通的东西：知识怎么进来、怎么组织、怎么在对的时间出现在对的地方、错了怎么自我修复、旧了怎么自动淘汰。

没有找到。也许有人已经做出来了但还没公开，也许这个问题本身就还没到能被完整回答的阶段。但至少在我能触达的范围里，那个让我觉得"就是这个了"的答案，还不存在。

我有一个越来越强的直觉：模型的能力在去年底已经跨过临界点了。现在的瓶颈不是 AI 不够聪明。是还没有配得上它智力的知识系统。

所以我决定自己继续探索。

市面上最接近的有两个词：

Prompt Engineering——怎么给 AI 下一条好指令。

Context Engineering——怎么在一次对话里给 AI 提供好的背景信息。

但我需要的事，比这两个都大一层。

前者是写一条指令。我设计的是决定什么时候该把哪条指令拿出来的操作系统。

后者是组织一次对话。我设计的是跨越所有对话、让 AI 持续变聪明的知识基础设施。

我没找到一个现成的词能覆盖这整件事。所以我自己起了一个。

Meta-Knowledge Engineering——元知识工程。

打个比方。你往 AI 里灌知识，相当于盖房子。你写 prompt 教它怎么回答，相当于定建筑规范。

但我做的事是城市规划——这栋楼该建在哪、路怎么修、水电怎么走、旧楼什么时候拆、新区往哪个方向扩。

城市规划师不盖一栋楼。但你住在一个规划烂的城市，哪怕每栋楼质量都好，你还是堵车、找不到医院、通勤两小时。

元知识工程就是给 AI 做城市规划。

这不是凭空造词。这是一个五千年的老问题，在 AI 时代重新涌现。

苏美尔抄写员决定什么值得刻——元知识工程。杜威给一百万本书编地址——元知识工程。Page 和 Brin 用链接关系评估信息价值——元知识工程。

每一次，做这件事的人不到同代人的万分之一。但他们定义了整个时代的知识效率。

AI 时代不一样了。

每一个认真用 AI 工作的人，都在做元知识工程。 只是大多数人没意识到。

你给 AI 设定了一套回答问题的规矩——你在做元知识工程。你帮 AI 整理了一份它可以随时查的资料库——你在做元知识工程。你写了一条规则"出错先查源头别解释"——你也在做元知识工程。

区别只在于：有些人自觉地、系统性地做，有些人在碎片化地摸索。

自觉和不自觉，结果差多少？

同一个底座的 AI，一个越用越聪明，一个永远在原地转圈。

Engelbart 说得对。工具塑造思维。

但他只说了一半。

在 AI 时代，还有后半句：思维塑造工具的认知架构，认知架构反过来塑造思维能产生多复杂的想法。

这个循环转起来了。我亲手感受到的。

从搭系统到现在，我思考问题的方式变了。我不再问"这个知识是什么"，我开始问"这个知识应该放在哪、什么时候出现、跟什么关联、过期了怎么办"。

Engelbart 六十四年前就预言了这件事——更好的工具帮你想得更深，更深的想法帮你造更好的工具。自己把自己拉起来。

只是 1962 年，这个循环只能靠人推。每一圈都很慢。

2026 年，AI 接上了另一半。循环加速了。快到你能感觉到。

我不打算证明这件事"有用"。证明印刷术有用是多余的——你见过它的世界，回不去了。

我想做的事更简单：给这个五千年的老问题一个新名字，让正在做这件事的人找到彼此。

苏美尔的抄写员。中世纪的编目修士。杜威和他的分类法。Larry Page 和他的排序算法。

他们都是同一种人——不生产知识本身，设计知识的容器。

现在轮到你了。

你给 AI 设计的每一条规则、每一个知识结构、每一次纠错沉淀，都是在做同一件事。

这件事终于有了一个名字。

功成不必在我。

下一步怎么走，一起探索。