前段时间微信读书时长达到了 1000 小时，顺带借助微信读书官方的 skill 让 GPT 画了一幅海报，同时也谈谈自己的一些收获、思考，分享一下心得。
重新认识读书 #
关于读书，特别是在中国的应试教育体系下成长起来的人，我认为大家都挺有发言权的。但今天，我还是希望大家可以重新认识读书本身。
我这里所说的重新认识，并不是要给读书戴上一层新的光环，而是弄清楚：读书究竟扮演着什么角色？
现在的我越来越认为，读书的一个重要价值，就是帮助我不断校准认知，但它也只是众多认知校准方式中的一种。
因为人会变化，社会会变化，所处的自然环境也一直处在运动之中。以至于个体对自身、自然和社会的认识始终会存在偏差。无论是为了获得更好的物质生活，还是为了丰富精神世界，个体都需要在运动的过程中不断认识、实践，再重新校准自身与自然、社会之间的关系与偏差。
当然，校准的方式有很多。生活阅历、还有交流、经典影片，乃至今天与 AI 对话，都可能帮助我们看见原本看不见的东西。读书只是其中一种，它并不天然高于其他方式。
不过，读书也有自己的特殊价值。一本公认的好书，尤其是经过时间检验仍然广泛阅读的经典，往往意味着作者曾经对某些问题进行过长期而深入的观察思考。它能够流传下来，不代表其中的判断就一定正确，但至少说明它触及了一些不容易随时代迅速消失的问题。更重要的是，作者将自己的智慧、经验和思考整理成相对系统、结构化、高密度的文字。
以至于我们不必完整经历作者走过的所有弯路，就能够接触到他多年思考后留下的结果。它替我们压缩了时间，也减少了仅靠个人摸索产生的失真。这有点像大模型的蒸馏：用相对有限的时间，去吸收另一个人长期训练后形成的认知结果。
但人的思想从来不是单单靠读书形成的。生活、经历、思考都是个人思想史的训练材料。书籍只是以较低的时间和空间成本，向我们提供了一种高密度、结构化、可以反复思考、调用的理论经验。
而且，阅读量与认知质量并不必然成正比。读得多，也不意味着认知偏差会自动减少。事实上读过多少书、花了多少时间，都只能说明我们接触过多少材料。这些材料还需要经过提问、比较、重构和表达，最终进入具体的生活实践，接受真实反馈。只有走完这个循环，书里的理论和经验才能逐渐转化成属于自己的、能够迁移和泛化的思考链路。
在这个循环里，输出是一道不能省略的工序。这里的输出，不一定非要写成文章。事实上与人讨论、分享自己的理解，或者尝试把一个复杂问题讲给别人听，都在迫使我们重新组织已经获得的理论经验。
我们很多时候以为自己懂了，也许只是因为能够顺着作者的语言继续往下读。等到真正脱离上下文，尝试用自己的话重新讲一遍，才会发现哪些只是记住了，哪些真正理解了，哪些地方其实仍然含糊。
在这个重组过程中也会反向训练元认知和泛化能力。元认知帮助我发现自己究竟理解到了哪一步，还有哪些地方并不知道；泛化能力则体现在，当一个认识离开原来的书和场景以后，依然能够解释新的问题。
所以，输出不是阅读结束后的成果展示，它本身就是阅读的一部分。
不要神话读书，更不要读书无用论 #
在今天的社会环境中，关于读书的讨论越来越容易走向两个极端：一边反复强调「读书改变命运」，另一边则不断宣扬「读书无用」。两种说法都能找到自己的例子，于是越说越绝对。
在中国历史长期的科举选拔传统和今天的应试教育体系下，学习成绩和学历高低，确实与一个普通人能够获得的社会资源、机会密切相关。尤其对于缺少家庭资源的人来说，读书和考试依然是相对公开、成本相对可控的上升渠道。
正因为如此，大家很容易神化读书，把学习好、考试好、进入名校，与能力、前途，甚至一个人的价值直接画上等号。
但这里其实混淆了两件事：读书本身，与通过教育和考试获得社会资源、机会，并不能简单归为一回事。我们上学时读教材、刷题和备考，主要目标是通过选拔；而日常阅读小说、历史、哲学或者专业书籍，目的可能完全不同。
另一方面，民间又长期流传着「百无一用是书生」。它批评的往往不是阅读本身，而是另一种极端：一个人把书本上的结论当成现实本身，却不愿主动校验自身、自然和社会之间究竟存在多大偏差。
就像知道了很多道理，却依旧过不好这一生哈哈。事实上只是没有让这些道理接受现实的检验，自然容易显得不懂现实。问题不在于书读得太多，而在于认识停留在书里，没有继续进入生活。
以至于社会对读书的态度非常撕裂：一边把读书视为改变命运的唯一道路，一边又嘲笑读书人不懂现实。说到底，两边谈论的可能根本不是同一种「读书」。
所以我认为，最终还是应该实事求是地看待读书这件事。
有人读玄幻小说、穿越小说，只是为了消遣和放松；有人读书是为了备考；有人想获得学历和职业资格；有人希望提高专业能力；也有人只是想理解自己、理解社会和这个世界。目的不同，阅读方式自然不同，也没有必要强行归入同一个价值标准。
为了功名读书，并不比为了认知读书低级；为了消遣读书，也不需要证明自己获得了多少成长。读书没有一个适用于所有人的标准答案。
不必执着于某一种关于读书的正确解释，也不必把自己的阅读目的强加给别人。既不因为读书可能带来学历和资源，就把它神化成衡量人的标准；也不因为书本不能自动解决现实问题，就走向读书无用论。
当这些外在的光环和偏见被拿掉以后，读书仍然是一件值得的事情。它依然是个体认识自身、自然与社会，减少认知偏差的重要方式。它不能替代经历，不能替代实践，也不能保证一个人获得成功，但它可以帮助我们突破有限经验的边界，让自己在面对世界时少一点盲目。
事实上，最应该保留的是终身学习的能力，尤其是在个体对自身、自然和社会的认知偏差下。读书作为校准渠道中一个重要的方式，千万不能轻易放弃。
不必神化读书，也不要轻易放弃读书。读书不一定使人高于别人，但它仍然可能帮助我们更清楚地认识自己。
我的收获是什么 #
为了更通俗地说明自己的感受，我想借用大模型来做一个类比。以下完全是个人的主观感受，和真实的大模型能力并不能一一对应（😈）。
在微信读书还没有达到 1000 小时以前，我感觉自己更像一个 1B 的模型。在一些完全陌生的领域里，甚至可能只有几百兆。那时候的思考方式比较单线程，依赖有限的个人经验，也容易被动接受外界给出的结论。
现在的我，主观上更像一个拥有 70B 左右能力池的 MoE 模型。
这并不是说面对任何问题，我都能同时调用全部能力。日常处理普通问题时，可能只会激活其中 7B 左右；进入自己相对熟悉的专业领域，可以调用到 13B。面对真正复杂的问题，也不是瞬间把 70B 全部点亮，而是不断切换不同的专家，拉长上下文，查找资料，并在 Flash 和 Think 之间调整思考方式。
当然，这只是为了帮助理解。如果真的把我和一个 7B 模型放在同一套 Benchmark 里测试，它大概率还是可以把我干死哈哈。我真正想表达的不是自己拥有多少参数，而是这些年逐渐形成了一个更大的认知能力池，也开始知道怎样调用它。
这里面最重要的变化，就是元认知。
元认知像整个模型的路由器。它不直接回答问题，而是负责判断：这是什么问题，应该调用哪一部分知识；什么时候可以快速判断，什么时候必须停下来深入思考；什么时候应该去读书、搜索或者询问 AI；什么时候已经想得足够多，必须回到现实中验证；以及什么时候应该承认，自己其实还不知道。
所以，元认知决定的不是我知道多少，而是帮助我怎样调用已经知道的东西，以及什么时候发现自己仍然不知道。
以前面对不同问题，思维惯性导致不同问题可能使用同一种思考方式。现在元认知的介入，则逐渐形成了不同的模式：熟悉、低风险的问题可以用 Flash 快速处理；陌生、复杂或者需要自己承担后果的问题，就切换到 Think 模式，投入更多时间，寻找不同解释和反例。
我的输入也不是只有书籍。生活、工作、影片、与人交流、和 AI 对话以及实际经历，共同构成了一个多模态的训练过程。不同来源的信息进入同一个认知系统，再通过思考、表达和实践不断修正。
例如，前几年我对金融理财几乎没有完整认识。当我决定系统了解这个领域时，并不是随便找几本畅销书读完，而是先尝试让 AI 帮我梳理领域地图、代表人物、经典书籍、主要流派和相关社区。
在这个阶段，AI 的作用并不是直接替我给出一个正确答案。面对一个完全陌生的领域时，最大的问题往往不是找不到答案，而是连自己应该问什么都不知道。AI 可以先帮助我得到一张不至于错得太离谱的地图，让我知道这个领域大概有哪些关键问题、哪些观点存在争议，以及下一步应该去哪里寻找材料。
这也是我所理解的，用 AI 协助重塑元认知。它并不代替我思考，而是作为一个外部的校准器，帮助我发现自己的知识边界，调整问题和学习路径，尽快缩小原有认识与现实世界之间的偏差。
有了初步地图以后，我再带着自己的问题进入阅读，把书里的观点和原有认识进行比较，同时观察不同作者之间有哪些分歧。但整个过程并不只有读书。我也会继续询问 AI，寻找这个领域相对权威的人，跟进社区里的讨论；在自己能够承担后果的范围内，通过真实交易和实际体验来检验其中的一些判断。
最后，我会把这些来源不同的信息综合起来，再通过写作、讨论或者分享重新输出。输出以后，别人的问题、现实的结果以及自己无法解释的地方，又会暴露出原有模型的局限。然后再回来复盘：哪里理解错了，哪里考虑得不够，接下来的路径应该怎样调整。
所以，这个过程大致是：先提出问题，借助 AI 建立地图，再通过书籍、权威、社区和实践进行多源学习；先把广度撑起来，再选择真正重要的部分深入；最后综合输出，接受反馈，重新修正自己的判断和学习路径。
回头来看，这是我这些年主观摸索出来的一套自学方法论。它未必适合所有人，也远远谈不上什么标准答案，只是目前对我比较有效。它的价值也不是保证我从一开始就走在绝对正确的方向上，而是在信息不足的时候，尽量不要错得太离谱。既能先看见整体，又能选择性地深入，同时不断根据现实反馈调整方向。
不过，这次重新梳理以后，我也发现，这套方法更擅长帮助我研究一个陌生领域，却不一定能够保证我真正学会。建立地图、找到材料，只是扩大了输入；信息看得很顺，也不代表它已经进入了自己的认知系统。
如果继续完善这套方法论，我还想补上几个环节。在询问 AI 和寻找材料以前，先写下自己原来的认识、疑问和确信程度；阅读以后暂时离开原文和 AI，用自己的话重新解释；隔一段时间，再找一个新的问题测试这些认识能不能继续成立。这样才能比较清楚地看见，自己究竟改变了自己什么，哪些只是短期记住，哪些已经能够迁移到新的场景。
如果把它重新压缩成一条路径，大概就是：提出问题，保存原认知，借助 AI 建立地图，多源输入，脱离材料重新表达，进入现实进行验证，接受反馈，再隔一段时间重新测试和修正。
特别是在 AI 的帮助下，建立地图、寻找材料、梳理分歧这些环节的效率确实有了非常明显的提升。很难说究竟是 10 倍还是 100 倍，但我的真实体感：这绝对不是百分之十、二十的小幅变化。
不过，AI 虽然能够大幅压缩时间，提高效率。但是独立判断、主动回忆、真实实践，以及为自己的决定承担结果，这些时间压缩不了，效率也提高不了。AI 可以帮我更快地抵达问题，但不能替我把问题真正想明白。
如果具体来说，这 1000 小时给我的变化有三个。
首先是语言和写作能力的提升。
过去有些事情只能模糊地感觉到，却不知道应该怎样表达。现在能够找到相对准确的概念，把原本混在一起的东西拆开，再重新组织成一条能够说清楚的思路。
语言的精准不只是让表达变得更好，它也会反过来影响思考。一个概念越清楚，能够进行的区分就越细；区分越细，对问题的理解也会随之深入。
其次是认知的持续校准。
这种校准很难找到一个统一的衡量标准。如果简单地用财富衡量认知，那么世界上绝大多数人的认知大概都不够「正确」。但财富、地位和学历，也无法完整衡量一个人是否真正理解了自己的生活。
对我来说，如果一定要给认知校准找一个尺度，它可能是：自己的内心是否比过去更加平和，物质生活是否更加稳定，能否拥有更多真实的自由和爱，以及面对复杂世界时，是否少了一些盲目和焦虑。
这不是一个客观标准，也不能用来评价别人。它只是我现阶段愿意用来衡量自己的尺度。
最后是思考能力的变化。
这种变化并不是让我在所有问题上都拥有正确答案，而是让我能够容纳更多变量，看见不同观点背后的前提，也开始接受很多问题并不存在唯一答案。
我在《盲人摸象非象》、《论第一性原理》中尝试整理的那些内容，其实也是这套思考方式逐渐形成后的结果：不再只接收一个结论，而是继续追问它建立在什么条件上，哪些东西相对稳定，哪些只是暂时的社会共识，以及这个结论到底能够迁移多远。真正掌握一个认识，不是只会在原来的场景里复述它，而是能够判断它在新的问题中是否仍然成立，又会在什么条件下失效。
说到底，真正发生变化的，不是我突然拥有了一个 70B 模型的绝对能力，而是形成了一个更大的认知能力池，也逐渐学会了怎样路由和调用它。例如多模态决定我从哪里获得信息，Flash 和 Think 决定我愿意为一个问题投入多少思考，泛化能力决定已有认识能否迁移到新的问题，而元认知负责整个过程的路由、监控和校准。
一千小时之后 #
写到这里，最大的发现是微信读书的这 1000 小时，真正留下来的可能并不是读过多少本书，而是一套逐渐打磨成形的认知方式。微信读书可以统计阅读时长、阅读天数和笔记数量，却无法告诉我，这些输入究竟有多少真正变成了自己的能力。
所谓 70B、7B 和 13B，也只是为了降低沟通成本所做的类比，并不是什么能力认证。一个人能够调用多少知识，最终还是要看他如何面对具体问题，又如何在现实反馈面前修正自己。
说到底，还是绕不开知行。
不过我不太想把它们理解成先知后行的两个阶段。生活先向我们提出问题，行动帮助我们建立认识，思考把零散的信息组织成模型，实践再暴露模型的边界，新的反馈又推动下一轮阅读和修正。
它更像一条莫比乌斯环，看似有两个面，真正走下去，却始终在同一个面上。
所以，读到一半没有去做，那本书可能还没有真正读完。
至于下个 1000 小时，我不准备追求读更多书，也不想把阅读时长变成新的打卡。大概还是带着真实需求去读，把重要的认识写出来，放进具体的生活和决策里试一遍。如果现实给出了不同的答案，那就回来重新修改。
这里也是我给自己留下的一个快照。它不是对这 1000 小时盖棺定论，而是保存下现阶段的认识，等待三年、五年以后再回来对比。到时候，这里面的一些判断可能依然成立，也可能显得幼稚，甚至被未来的自己彻底推翻，那也没关系。
总的来说，还是建议大家好读书、读好书。但不要神化书，也不要轻易走向读书无用论。读书不会自动使人高于别人，也不能替我们完成生活；它只是让我们有机会接入更广阔的人类经验，使我们在面对自己、自然和社会时，少一点盲目焦虑，多一点自由平和。
啦啦啦，下一个 1000 + 小时再见 ～