每天都在刷 AI 消息却还是学不进去?一个方法把信息源变成第二大脑

你是不是也有这种体验，每天都在刷 AI 消息。

新模型、新工具、新案例，一个接一个地冒出来。

可很多人的真实感受其实很一致：

刷的时候很兴奋。收藏的时候很认真。关掉手机之后，脑子里还是空的。

不是没学。

而是学完之后，什么都没真正留下来。

问题通常不是不努力，而是大多数人学 AI，从一开始就把劲用错了地方。

他们只有输入，没有消化。有一点整理，但没有连接。偶尔输出一下，也很难持续。

所以最后看起来天天在学，实际上只是天天在接触新的信息噪音。

我使用了一个办法——用 Agent 把信息源变成第二大脑。

不是再逼自己去刷、去收藏更多内容。

而是先搭一条完整链路：

高质量输入 -> Agent 粗筛 -> 知识编译 -> 知识连接 -> 输出反哺

这篇我就把这条工作流拆给你。

学 AI 学不进去，不是你不认真，而是信息源太差

很多人学 AI 的第一步，其实就已经错了。

他们接触到的内容太碎，太浅，也太慢。

今天看一篇二手搬运，明天刷几个短内容总结，后天再看一堆别人消化过三轮的“热点解读”。

表面上看，每天接触的信息很多。

但真正的原始信号并不多。

这时候你再怎么努力整理，最后整理出来的也大概率只是噪音。

所以如果你想真正学进去，最先该升级的不是笔记方法，而是信息源。

我现在更偏向用高质量原生 信息源 当输入口。

原因很简单：

• 信息密度高
• 更新更快
• 结构更完整
• 更接近一手信号

如果按作用来分，大概可以分成四类：

• 面向大众的 AI 日报
• 偏开发者和工程视角的简报
• 偏产品、商业和工具圈的信息源
• 偏研究和模型机制的深度专栏

这里最重要的不是把名单背下来。

真正该记住的是一句话：

学 AI 这件事，垃圾进，就一定是垃圾出。

信息源不升级，后面所有整理动作都只是给噪音做二次包装。

光换信息源还不够，你还得让 Agent 先替你筛一遍

即便全换成高质量 信息源，人也不可能每天把所有内容都认真读完。

所以接下来，不是自己继续硬扛。

而是让 Agent 先替你做第一轮粗筛。

做法也很简单，就是先给 Agent 配一个专门的邮箱。

这一步真正的价值在于：

你开始给 Agent 建一个稳定的输入口。

高质量信息如果不能稳定进入同一个地方，Agent 就不可能持续处理。

它最多只能临时帮你看一眼、总结一下，做不到真正的长期协作。

我使用的是一套 Agent 邮箱方案，再配合 mail-cli 让 Hermes / openclaw 等 Agent 能读邮件、搜关键词、拉正文。

别被这些英文单词绕晕了，它并不困难，接下来我手把手教你如何如何搭建。

信息源处理专属搭建过程

第二步：装 mail-cli，让 Agent 有感知系统

完成这一步之后，Agent 才能读邮件、能搜关键词、能拉正文，邮箱正式变成 Agent 的输入管道。

如何做呢？

首先在邮箱的主页中拿到你的api key（注意不要泄露给他人）

按图中顺序拿到自己邮箱的api key

然后在终端中输入以下命令，注意替换api key

# 1. 全局安装 mail-clinpm install -g @clawemail/mail-cli# 2. 把 API Key 写进系统钥匙串（上一步在 Dashboard 拿的那个）mail-cli auth apikey set ck_live_xxxxxxxxxxxxxxxx# 3. 登录主邮箱（替换你自己邮箱）mail-cli auth login --user xxxx@claw.163.com# 4. 测试连通mail-cli auth test

https://claw.163.com/projects/doc/ 阅读这个CLI文档，然后制作一个Skill来专门来操纵这CLI。

我以 Hermes 为例，利用它的自学习迭代能力，它很快学会使用了这个CLI

Hermes创建skill成功

在这里强烈建议先去创建一个子邮箱作为测试，方法非常简单，直接看图。

创建子邮箱

再把子邮箱的通信规则打开：开放外部通信，选择所有人

更改通信规则

别着急，成功马上就在眼前！

这是最后一步，接下来你只需要把目前有的信息源的订阅地址栏中填入你刚才申请的子邮箱地址，即可大获成功！

我自己已经从超过50个信息源中整理了10个高质量信息源，关注并回复「信息源」，我把它们的地址一键发送给你，帮助你快速上手。

到这里，你已经比至少90%的人领先一个身位，当他们还在自己邮箱中用肉眼痛苦的读每封邮件或刷二手文章的时候，你的邮件已经进入了 Agent 邮箱中，成为了可以被快速、准确处理的高效信息来源。

但是，这篇教程真正的意义是让每天替你筛选、消化、这些高质量信息，并产出一份你真能用的日报，并且进行真正的主题研究。

所以请务必耐住性子，继续往下看。

从手动刷信息到每天一份精编简报，Agent 助你构建第二大脑

用 20% 的时间做第一轮筛选，把 80% 的精力放在真正值得深读和编译的内容上

做到“让 Agent 能读邮件”，还只是自动收集。

真正开始省时间，是从 daily digest 这一步开始的。

也就是每天先把收到的 信息源 做一轮汇总和摘要，再从里面挑出最值得深读的那一篇。

你可以把它理解成：

以前是你自己每天在信息海里捞东西。

现在是 Agent 先替你把杂质滤掉，再把真正值得看的那部分摆到你面前。

从此你终于把每天的信息摄入，从“无限滚动”改成了“有限决策”。

这会明显降低学习疲劳。

第一步：扫描digest

利用Agent来初筛一遍newsletter。

这样既节约时间，也不会漏掉热点。

ClawEmail 官方自带一个能力，开启之后每天早上一封日报邮件到你 Gmail

里面是今天所有 newsletter 的摘要加推荐。

输入下面命令安装：

npx skills add https://claw.163.com/gitea-web/s/daily-report.git

第二步：把你选中的内容，编进知识库

看完了digest之后，你肯定已经知晓了当前最新发生的事件。

但是Agent还可以帮你做一件事：

挑出今天最值得深度阅读的文章，并将它放入你的知识库。

做好这一步，你将和99%的人拉开差距。

方法异常简单，只需要用自然语言和Hermes对话，说出你关心的重点让它帮你筛选。

然后告诉它，让它拆出这篇精选文章的：

• 概念
• 实体
• 主张
• 问题

然后把这些东西分别建成索引卡片，再加入你当前的知识库中，和你已有的知识节点建立链接。

内容被拆成节时，知识库就是是在慢慢生长的知识图

时间一长，知识库就不再只是一个存档仓库。

它会慢慢长成一张真正的知识图。

这一步才是整套方法最值钱的地方。

因为从这一刻开始，你不再只是“看过一篇文章”。

你是在把新知识接进旧知识里。

旧概念会因为今天这篇获得新的论据。新旧概念会第一次被连到一起。

这套方法适合谁

不是所有人都要一上来搭完整套系统。

但如果你已经有下面这些感觉，我觉得这条路非常值得试：

• 每天看很多 AI 内容，但总觉得没真正学进去
• 收藏了很多资料，真正要用时还是翻不到
• 脑子里总有不少概念，但彼此是散的
• 想持续输出，却总觉得素材不成体系

如果你想先跑一个最小版本，我建议就从这四步开始：

1. 先订 3 到 5 个高质量 AI 信息源
2. 给 Agent 一个专门的邮件输入口
3. 每天只让它筛出 1 篇最值得深读的内容
4. 再把这 1 篇编进知识库

先把这条最小链路跑起来。

你很快就会发现，学习 AI 的体验会完全不一样。

高质量输入 -> Agent 粗筛 -> 知识编译 -> 知识连接 -> 输出反哺

一旦这条链路开始运转，学 AI 这件事就不再像在追热点。

你会慢慢从“每天被新东西推着跑”，变成“每天都在给自己的系统加砖”。

真正能把 AI 学进去的人，靠的往往不是刷得更多。

而是更早把自己的信息系统搭了起来。

核心链路资料长图，适合保存、对照和后面一步一步对照