Dan Koe：反直覺真相，你根本不需要記住讀過的一切

編譯：FFIVE，慕課網

「如果你需要刻意去記住它，那它就不重要；如果它真的重要，它自然會在你需要時浮現出來。」

這句話聽起來像某種玄學雞湯，卻是 Dan Koe 在《如何記住你讀過的所有內容》一文中拋出的核心命題。我們這一代人陷入了一種奇怪的焦慮：收藏了上千篇文章，裝了五六個筆記 App，搭建了看似完美的「第二大腦」，結果要用的時候什麼都調不出來，反而覺得自己越來越「記不住東西」。

問題從來不在記憶力上，而在我們對「學習」這件事的認知從根子上就歪了。下面我會沿著 Dan Koe 的框架，結合控制論、輸出驅動學習、以及當下 AI 工具（Obsidian + Claude、Eden 等）的實際落地方式，重新梳理一套能讓你真正「記住」並「用上」所學內容的系統。文章較長，但每一部分都對應一個你在知識管理中真實踩過的坑。

一、為什麼「記住一切」是個偽命題

先拆掉一個根深蒂固的觀念：學習 ≠ 把資訊塞進腦子。

學校用背誦和考試訓練了我們十幾年，讓我們誤以為「能逐字複述」就是學會的標誌。可現實世界並不按答題卡計分——老闆不會因為你背得出《經濟學人》某段的原文就給你升職，客戶也不會因為你記得某本行銷書寫了幾個步驟就簽單。

Dan Koe 的觀察很犀利：**多數人記不住讀過的內容，不是因為讀得不夠認真，而是因為他們把「記住」當成了閱讀的終點。**你拼命想記住每一句話，本質是想顯得聰明——「看，我能隨口拋出知識點」，這種虛榮心驅動的學習，從一開始就走偏了。

真正重要的東西，從來不需要死記硬背。它會透過你反覆使用、反覆思考、反覆和人討論，自然地沉澱進你的認知結構裡。**忘掉大部分內容，是大腦的正常機制，不是你的失敗。**你該關心的不是「怎麼記住」，而是「哪些東西值得被記住，以及用什麼機制讓它們在需要時出現」。

二、把學習看成一艘船：控制論視角的四步閉環

Dan Koe 借用控制論（Cybernetics）——這個詞源自古希臘語「舵手」——把學習重新定義成了一個回饋調節系統，而不是單向的輸入管道。

一個智慧的學習系統，和家裡空調的恆溫器、身體分泌胰島素的胰腺，用的是同一套邏輯，包含四個環節：

步驟	控制論術語	學習場景中的對應	缺失的後果
1	目標（Goal）	你清晰知道的「我想抵達的狀態」	沒有方向，所有資訊都看似相關又都不相關
2	感知（Sense）	誠實評估「我現在在哪」	自我欺騙，以為收藏＝學會
3	比較（Compare）	看出「目標和現狀差了多少」	發現不了偏差，就不會產生學習動力
4	行動（Act）	採取縮小差距的具體動作	停留在空想，永遠「準備開始學習」

多數人學不下去，不是意志力差，而是只有第 2 步（盲目輸入），卻沒有第 1 步（清晰目標）來產生「偏差訊號」。沒有偏差，大腦就不知道哪些資訊值得保留，哪些可以丟棄，最後只能一股腦全往裡塞，再一股腦全忘掉。

舉個直觀的例子：你說「我想變健康」這個目標太模糊，沒法觸發任何糾偏——今晚喝多了、熬夜到三點，你也不會覺得偏離了什麼。但如果你定的是「三個月內完成一場半馬」，那麼每一次沒去跑步的晚上，都會產生一個清晰的「偏差訊號」，迫使你去調整。學習也是同理。

三、最有效的學習從「輸出」開始，而不是輸入

理解了控制論框架，接下來是最反直覺、也最管用的一條：別先學，先開工。

Naval 講過「特定知識（Specific Knowledge）」的概念——那些既符合你天性、又能帶來競爭優勢、不可替代的知識。這類知識不可能通過「系統補課」獲得，只能通過做事的過程中「按需抓取」獲得。

Dan Koe 給出的路徑是三段式：

先有一個屬於你自己的、有意義的目標（不是社會塞給你的「考證／升學／加薪」預設路線）。這個目標越具體，神經可塑性越強。
直接啟動一個項目，而不是先去「備課」。想學 After Effects？別把全套教程從頭刷到尾，先定一個具體作品——比如「給朋友的咖啡館做一支 30 秒宣傳片」，然後只學能推動這個作品的那部分技能。
缺什麼補什麼。卡在關鍵幀了，就去查關鍵幀的教程；卡在調色了，就去研究調色面板。幾個項目下來，你掌握的技能是疊加式的，而且每一塊都和真實場景綁定，忘不掉。

學吉他也一樣：別先埋進樂理書，先挑一首你真想彈的歌，學會第一個和弦、第二個和弦，卡住時順便學調弦和節奏。等你真能彈下幾首歌，自然會好奇「能不能自己寫一段旋律」——學習是在「想做出來」的拉力中發生的，不是在看課件中發生的。

學校擅長教通用知識，卻不教你怎麼為自己導航。自我教育不是囤積知識製造「我在進步」的幻覺，而是為了你自己定的目標，去補齊剛好夠用的那一塊。

四、「第二大腦」為什麼大多變成了數位墳墓

說到知識管理，繞不開「第二大腦（Second Brain）」這個概念。Tiago Forte 提出的 PARA 法和 CODE 流程本來是要解放記憶的，但現實中 90% 的人把它用成了高級收藏夾。

Dan Koe 自己也折騰過好幾代工具：從 Roam Research 改變寫作方式，到自己做了 Kortex，再到後來演化成現在的Eden。他的結論是：問題不在工具，而在用法。

大多數人跌進的坑有三個：

收藏即完成幻覺：連結存了、高亮劃了、筆記記了，然後就再也沒打開過。整理動作本身帶來了廉價的多巴胺，讓你誤以為「我在學習了」。
過度整理強迫症：給每條筆記打五六個標籤，花幾個小時調 PARA 分類，卻從不基於這些筆記產出一篇短文、一個項目方案、一次分享。筆記的價值在於它幫你完成的工作，而非筆記本身。
忽視「被取出」的設計：幾乎所有教程都在講「怎麼放進去」，沒人教你「怎麼在需要時把它撈出來」。一個只進不出的系統不是知識庫，是數位墳墓。

回頭看看那些真正產出作品的人——馬可·奧勒留的《沉思錄》本是私密摘記；達·芬奇留下幾千頁佈滿素描和問題的手稿；馬克·吐溫、蒙田、Rick Rubin 都有各自的摘記系統。他們和現代「筆記愛好者」最大的區別是：收集想法，是為了把它們變成作品。 塞涅卡有個絕妙的比喻：從許多花朵上採來花粉，再釀成自己的蜂蜜。放到今天，就是把外部材料消化之後，做出屬於你的東西。

五、把「第二大腦」升級為「第二潛意識」

Dan Koe 提出了一個更精準的說法：我們要建的不是一個靜態倉庫，而是一個「第二潛意識（Second Subconscious）」。

潛意識的特質是什麼？它不是你主動去翻的時候才工作，而是平時就在後臺默默關聯、在你盯著一個問題發呆時突然「拋」一個聯想上來。好的知識系統也該如此——在你創作時，它能主動把相關的材料推到你面前。

方案 A：Obsidian + Claude Code 的自建派

適合願意折騰、追求資料完全本地化的人。核心思路是讓 Claude 充當你的「知識管理員」，而不是你親自去維護複雜的分類樹。

搭建邏輯大致是這樣：

裝好底座：安裝 Obsidian（本地 Markdown 筆記，數據完全自己掌控），並配置好 Claude Code 或 Claude Cowork 環境。
設定工作目錄：把 Obsidian 的 Vault 文件夾設為 Claude 的工作目錄，相當於給 AI 一把「只讀+按需改寫」的鑰匙。
寫兩個 Skill（技能指令）：

「保存想法」Skill：當你扔給 Claude 一段靈感、一篇文章連結、一條推文時，讓它在 Vault 的Inbox文件夾裡新建一條筆記，自動補上清晰標題和時間戳。
「處理收件箱」Skill：讓 Claude 定期讀取Inbox，補充標籤、移動到合適的分類文件夾（Projects / Areas / Resources / Archives），並給相關筆記加上雙向連結[[ ]]。

日常調用：寫作或做項目時，直接對 Claude 說「在我 Vault 裡找出所有和 [當前主題] 有關的內容」，AI 會跨整個知識庫檢索並帶回帶引用的材料。

進階一點的倉庫結構可以參考這樣分層：

核心原則是來源檔案唯讀不寫，AI 只動 Wiki 層。CLAUDE.md 裡寫明你的關注領域、倉庫結構規則、匯入和查詢流程——這相當於給 AI 一張地圖，讓它知道每類資訊該往哪歸置、引用時用什麼格式。

方案 B：Eden 這類「自動分類＋語義搜尋」工具

如果你不想自己維護向量資料庫、embedding API、索引腳本，也不想操心每次增刪改後重新嵌入的快取問題，把底層維護交給工具，自己只管思考和創作，是更划算的選擇。

Eden（前身就是 Dan Koe 參與的 Kortex）做的事情和 Obsidian + Claude 類似，但更「無感」：

自動採集：Substack 文章、YouTube 影片、X 長文都可以一鍵存進去，自動轉錄文字、做重點標記。
自動嵌入與語義搜尋：每條記錄被編碼成約 1500 個數字的向量，相當於在知識空間裡的「GPS 座標」。就算兩條筆記沒有重疊的關鍵字，只要在語義上接近，系統也能把它們連起來——這是傳統關鍵字搜尋做不到的。
連接 Readwise：如果你用 Readwise 存書摘，可以同步進 Eden，變成可按語義搜尋、可對話、可拖進 Board 做成引用卡片的素材庫。
異常值內容發現：Eden 會分析創作者表現突出的內容，幫你找值得深入討論的話題，而不是漫無目的地刷資訊流。

MyMind 也是類似思路的代表——你把連結和想法丟進去，它自動分類、打標籤、做語義檢索，你不必親自維護流程。

兩種方案沒有高下之分：

Obsidian + Claude 勝在完全自主、資料不出本地、可高度自訂，但需要你寫規則、管索引；
Eden / MyMind 勝在零維護、語義關聯強、自帶創作工作流程，但資料和索引在雲端（雖然 Eden 承諾不上傳私有內容，但架構上你依賴它的服務）。

六、篩選比收集重要：你該往系統裡放什麼

不管用哪種工具，有一件事必須想清楚：不是什麼都要存。

AI 已經能批量製造內容了，稀缺的從來不是資訊，而是經過你篩選、能被你世界觀消化的那一層。Dan Koe 的建議很直接——只收藏那些你願意被它塑造的想法。

你持續關注、反覆回味的那些思想家和創作者，會慢慢構成你的世界觀透鏡。比如 Dan Koe 自己思考現實本質時，歷史、整合理論、螺旋動力學這些概念會自然浮現，因為它們是他解釋問題的常用框架。你要慢慢累積的，正是屬於自己的這類「想法集合」，而不是今天看到熱點就存、明天看到新概念又存。

具體怎麼操作：

多讀長期穩定的好作者的書和思想，少刷放大焦慮的資訊流。對寫作者和創作者而言，研究可能佔工作量的 80%，剩下 20% 是把研究過的東西消化成對別人有用的表達。
透過寫作、公開分享把材料變成自己的一部分。光收藏不輸出，那些想法永遠懸在「別人的智慧」裡；只有你用自己的話重述、結合自身經驗重構、放到真實場景裡被回饋檢驗，它們才真正進入你的認知結構。
讓專案做過濾器。不能推動你當前專案的知識，就算暫時學了也留不住。專案會給你明確的邊界和里程碑，自動幫你篩掉雜訊。

七、AI 的正確位置：降低摩擦，而不是替你發言

最後必須聊清楚 AI 在閱讀和寫作裡的邊界——這是目前誤解最深的地方。

Dan Koe 的態度很平衡：不要用 AI 替你表達自己的價值觀和判斷，但可以讓它做你的課程、導師和編輯。

具體分寸大概是：

事實性內容可以藉助 AI：比如解釋 Greuter 的自我發展九階段、梳理某個理論的背景，直接讓 AI 生成或引用既有資料沒問題——這和用 Google 查完再寫沒本質區別，硬要全文重寫一遍反而浪費讀者時間。
觀點和組織必須親力親為：要把自己的想法說清楚，總得經歷一點「阻力」——親自推敲結構、組織論證、修訂措辭，你才會更明白自己究竟信什麼。如果連這部分都交給 AI，你輸出的就不是你的世界觀，而是模型的統計平均。
用 AI 「去掉摩擦」的場景：結構想不出來時讓它給幾個組織方式；不知道下一段怎麼展開時讓它提供可能方向；遇到不懂的概念時讓它幫你快速進入研究。** 最終做判斷、決定什麼可以發佈的人，始終是你。**

所謂「不要用 AI 寫作」真正想提醒的，是別讓 AI 替你表達自己的價值觀。AI 不替代閱讀，它讓閱讀變得更關鍵——因為能被 AI 直接給的答案越來越不值錢，你透過深度閱讀建立起的那套不可替代的世界觀，才是別人願意追隨的東西。

八、一個可落地的寫作／創作閉環

如果你準備開始寫作（不管是 Substack、公眾號、X 長文還是 YouTube 腳本），Dan Koe 給出的流程可以作為起點：

選一個「已被驗證＋你好奇」的交叉主題。所謂「已被驗證」，是這個話題曾經獲得過真實關注——你可以儲存高傳播的社交貼文，或用 Eden 的異常值發現功能找表現突出的內容；「好奇」則是即便沒流量你也願意想下去的問題。兩者疊加，既不失去表達慾，也更容易被看見。
先倒想法，再搭結構。別對著空白頁面等靈感。先把和主題有關的念頭盡量寫出來，翻翻筆記庫把能用的材料都拉進來，然後給它們一個簡單的敘事骨架（比如：問題 → 洞見 → 方案），再把材料填到合適的位置。
初稿串聯。把提綱、隨手記和知識庫都放在可調用的位置（比如讓 Claude 讀你的 Vault，或打開 Eden 的語義搜尋），然後把它們串成一篇完整文章。
反覆改到說出你真正想說的。如果一篇作品還沒承載你的價值、想法和信念，就繼續改，直到它說出來。