夜雨聆风QUOTE
AI拆书的终点是调用，而调用之前，还有一整个学习链条要走
—— 用AI读完不等于学会，差的不是工具，是方法
我上次写《蒸馏这件事，骗了所有人》，聊的是"经验蒸馏"——把一个人的经验喂给AI，让AI提炼成可复用的skill。但还有一种蒸馏，我上次没展开聊，就是内容蒸馏。
这本书读完了，收藏了，但用不起来——这是现在最普遍的痛。GitHub上为此长出了一整类工具：cangjie-skill（6.6k星）、book-to-skill、kdskill、sansheng-distill。它们的逻辑都一样：把书、长视频、播客喂给AI，让AI"提取核心观点"，输出成结构化的知识——逻辑是内容→AI→结构化输出。你扔进去一本书，出来一套能直接调用的方法论卡片，甚至能自动装进你的AI助手。
听起来很爽，对吧？"读书破万卷"这件事，好像终于可以外包了。
AI摘要解决的是"这本书说了什么"，Skill蒸馏解决的是"遇到什么问题时，该把书里的哪一种方法拿出来"。
普通AI像一个读过很多书的人，靠印象回答；Skill像把书里的方法做成了一张顾问卡片，告诉AI什么时候用、怎么用、什么时候不用。它提升的不是知识量，是调用纪律和执行稳定性。
我试了cangjie-skill，也试了book-to-skill这类工具，结论是：内容蒸馏确实比技能蒸馏有用得多，它有真价值——但前提是你得会用，否则它就是给你造了一个"我读过了"的幻觉。
cangjie-skill的README里有一段话：它借鉴了赵周《这样读书就够了》的便签拆书法，把书拆成R（原文）、I（重写）、A（应用）三个维度。赵周这本讲读书方法的书，可能比很多讲知识的书更懂一个道理——书不是用来"读"的，是用来"用"的。
但问题来了：AI能帮你把书变成"工具"，可"用不用""会不会用""用在哪、什么时候用"——这些判断，AI替你决定不了。AI拆书的终点是调用，而调用之前，还有一整个学习链条要走。
本文看点
01
先问再喂 vs 先喂再问——方向决定效率
02
三层蒸馏法：扫读→精读→重构，缺一不可
03
AI最好的学习功能是帮你发现自己读得有多差
01
ASK FIRST
先问再喂，还是先喂再问？
先从一个问题开始。
你拿到一本新书，打开AI，说"帮我总结一下这本书的核心观点"，AI吐给你一段结构清晰的摘要。你扫了一眼，觉得"哦，我知道了"，然后关上。
一个月后，你完全想不起来这本书讲了什么。
这不是你的问题，是你的问题不对。
"帮我总结一下"这个指令本身就有问题。它是一个没有方向的需求，AI只能给你一个没有方向的答案——语料库里的"平均观点"，而不是你真正需要的那部分。
换一种方式。
你拿到同一本书，先问自己三个问题：我为什么要读这本书？我希望解决什么具体问题？这本书哪部分可能跟我的问题有关？
然后把这三个问题写下来，带着问题去喂AI。你说"帮我读这本书，我关心的三个问题是A、B、C，你只提取跟这三个问题相关的内容，其余跳过"。
有人把这叫读前任务卡——不带着"我想把它读完"的目标读书，而是带着一个真实问题去读。我为什么现在要读？我正面对的具体问题是什么？读完后我希望获得一个判断，还是一个做法？未来我会在什么场景里重新调用它？
试试看，同样的书，AI给出的东西完全不同——不是"这本书讲了什么"的摘要，而是"你关心的这三个问题，书里是怎么回答的"的定向提取。
效率差10倍。不是夸张，是我的经验。
我录了一套AI十倍速学习法的Skills，里面第一个skill叫learning-planner。它的功能很简单：你输入一个领域名，它不直接给你列资料，而是先输出一份学习路径——先学什么、再学什么、重点跳过什么，排成5级阶梯。
为什么？因为先问方法，再问内容，顺序不能倒。
learning-planner做的就是这件事：你输入"本体论Ontology"，它不扔给你一堆链接，而是先输出"第一周学什么、第二周学什么、核心20%是什么"。你确认了路径，再拿着这条路径去喂材料，每一轮都有方向。
如果你直接让AI总结一本书，你得到的是"这本书的摘要"。如果你带着问题让AI从书里找答案，你得到的是"我的问题的答案"。
前者是别人的知识，后者是你自己的洞察。
这就是"先问再喂"和"先喂再问"之间的本质区别。不是效率问题，是信息能不能焊进你脑子的问题。
02
THREE LAYERS
三层蒸馏法——扫读·精读·重构
第一节说了一个点：先问再喂，信息才能焊进脑子。
但光有方向还不够。方向能帮你找到正确答案，但正确答案不等于你学会了。你带着三个问题读完了AI提取的定向内容，觉得"懂了"——关上，下周再问同样的问题，你大概率答不出来。
这不是你记性差，是你跳过了"内化"这个步骤。
我自己的学习流程，拆成三层，每层用AI做不同的事。
第一层：扫读
拿到一个新领域，第一件事不是读，是筛。
比如我要快速了解"本体论Ontology"。如果直接搜，能搜出几百篇论文、公众号、知乎回答。你不可能都读，也不应该都读。
我的做法：让AI先扫一遍，从30篇里挑出3篇最有价值的——不是"相关性最高"的，而是"能回答我核心问题"的。这就是第一节说的"先问再喂"的延伸。
learning-planner在这个阶段干的事就是这个：你输入"本体论Ontology"，它先输出一份学习路径，把资源按优先级排成5个阶梯，标注出"核心20%是你必须读的，剩下80%只是背景"。你不需要自己判断哪篇重要——AI帮你筛好了，你只需要确认"这个方向是对的"。
我管它叫先问方法，再筛材料。
第二层：精读
筛完之后，你手上拿到了3篇核心文章。接下来是真正的硬仗：自己读。
这里有个常见的误区：很多人觉得"让AI帮我读，告诉我结论就行"。但精读这件事，AI不能代劳。因为精读的本质不是获取信息，是和作者对话。
你读一段，停下来问自己：他说的对吗？我同意吗？有哪些前提我不了解？——这些思考过程，AI替不了你。
但精读有个好工具：读完之后，合上书，试着用三句话回答——这本书试图解决的核心问题是什么？作者给出的核心判断是什么？他用哪几条原则支撑这个判断？这叫作三句骨架法。不求完整，只求抓住主线。没有骨架，后面保存再多金句，也很难在需要时调用。
读完这套骨架之后，AI能帮你做一件事：检验你读懂了没有。
我录的第二个Skill叫learning-coach。它的功能是：你读完一篇文章，把你觉得"懂了"的东西扔给它，它给你出10道检索测试题——不是"作者在第几页说了什么"这种记忆力题，而是"如果这个前提变了，结论还成立吗"这种理解力题。
接着是5步费曼循环：你讲一遍，AI找漏洞，你补漏洞，再讲一遍，直到你讲得清楚为止。
这个过程很累，但累，说明你在学。
如果AI帮你读完一本书，你全程不累，大概率你什么都没学到。
第三层：重构
精读完了，测试也通过了，你是不是真正学会了？
我的判断标准很简单：你能不能用自己的话把这个东西写出来，教给别人。
不是复制粘贴，是重塑。用自己的语言、自己的案例、自己的逻辑顺序，重新组织一遍。这步做完了，信息才真正变成你的知识。
重塑这个事情，我放到第四节的一页蒸馏卡里细讲——因为它已经超出了"怎么读"的范畴，进入"怎么用"的层面了。
先总结一下三层蒸馏法：扫读解决"信息过载"，精读解决"理解深度"，重塑解决"变成自己的"。三层缺一不可，跳过任何一层，你都是在"假装读书"。
一本好书，不应该只躺在你的笔记里，它应该变成一个顾问、一个工具箱、一个你随时可以调用的思考系统。
03
SELF-TEST
你以为你学会了，其实你没有
这一节专门讲一个扎心的问题：你学会的幻觉，是怎么来的？
我设计了好几个AI学习Skill，但最有价值的一个，不是让我读得更快的，而是让我发现我其实没学会的那个。
learning-coach，它的核心功能就两个：检索测试和费曼循环。
先说检索测试。
你读完了第二节讲的三层蒸馏法，觉得"懂了"。好，现在回答这个问题："扫读和精读之间的本质区别，不是信息量的区别，是什么？"
如果你能答出来——"是方向的区别，扫读帮你筛方向，精读帮你挖深度"——那你真的懂了。
如果你答不出来——"嗯……好像一个是读多，一个是读深"——那你没懂，你的"懂了"是幻觉。
learning-coach做的事就是这个：你读完一段材料，告诉它你读了什么，它出10道题。不是考记忆的："作者在第几节说了什么"，而是考理解的："如果作者的前提变了，结论还成立吗？""这个观点和另一个观点矛盾吗？"
我每次用learning-coach，都觉得自己肯定能答对，结果每次都错至少两题。这两题错的地方，就是我的盲区——我"以为我懂了"的地方。
再说费曼循环。
费曼说："如果你不能简单地解释一件事，说明你还没真正理解它。"
learning-coach的5步费曼循环就是这么做的：
你讲一遍（用你自己的话，禁止背原文）
AI找出你讲得不清楚、有漏洞、有矛盾的地方
你回到原文，补漏洞
你再讲一遍
AI再找漏洞，循环，直到你讲清楚为止
这个过程很痛苦。我第一次用的时候，对着一个我自认为"很熟"的概念，讲了四遍才通过。四遍，每一遍AI都指出了新的漏洞——有些是我确实没搞懂，有些是我以为懂了但一讲就发现逻辑链断了。
但非常值得。因为"累"和"学到"之间的相关性，比你想象的要高很多。如果AI帮你读完一本书，你全程不累，大概率你什么都没学到。
这两个功能解决了同一个问题：你不知道你不知道的东西，AI能帮你找出来。
这不是AI在"教你"，这是AI在当你的镜子——你讲一遍，它读一遍，你讲得对不对，漏洞在哪里，它反馈给你。然后你决定要不要补。
所以第三节的结论很简单：AI最好的学习功能，不是帮你读得快，而是帮你发现自己读得有多差。这个功能，目前没有任何一个内容蒸馏工具能替代。因为cangjie-skill帮你把书拆成卡片，book-to-skill帮你把文章变成skill——但它们都不会告诉你"你其实没学会"。
只有learning-coach会。
04
BOOK TYPES
什么书适合蒸馏，什么书不适合
讲到这里，你可能会觉得：AI这么好用，那我是不是所有书都可以用AI来读？
不是，甚至恰恰相反。有些书只用AI读，等于白读。
有一个很管用的底层判断：工具书最怕蒸馏得不够可执行，非工具书最怕蒸馏得过于可执行。前者拆出来的方法不能直接用，后者把复杂作品压成了鸡汤。
我根据自己的经验，把书分成四类，读法完全不一样。
第一类：方法论类
最适合AI蒸馏。
典型代表：《高效能人士的七个习惯》《思考，快与慢》《原则》《刻意练习》《从0到1》。这类书的特点是：结构清晰，有明确的框架、原则、步骤，每一个章节都能拆成独立的"知识块"。
AI扫读能帮你快速定位："这本书讲了哪几个框架？每个框架的核心假设是什么？适用条件是什么？"
learning-planner最适合处理这类书：你输入书名，它输出一份学习路径，把核心框架排成阶梯，标注出"哪个框架最接近你的问题，优先读"。
但有个前提：你读之前要先想清楚自己需要什么。前面那篇讲"蒸馏一本书"的文章里提了四个问题，我觉得是判断方法论类书能否被蒸馏的标尺——
用户在什么处境下会需要它？
执行前需要哪些输入？
执行过程究竟有哪几步？
出现什么条件时不应该使用？
前三个问题比较好回答，第四个问题是区分真方法和方法论安慰剂的关键。很多方法论书的问题不是方法的对错，而是边界缺失——作者没说"什么情况下这个方法不成立"，读者容易误以为放之四海皆准。
除了这四个问题，还有一套三重验证，专门用来筛掉水货：
第一重：跨场景佐证。这个方法在书里至少有两个独立场景支持吗？如果只出现一次，可能只是作者的随口一说。不同章节、不同案例里反复出现，才说明它是稳定方法论。
第二重：外推能力。它能不能解决书里没讲过的新问题？如果只能解释书里的案例，不能解决现实中的新问题，那它只是一个描述，不是一个工具。
第三重：非常识。它是不是任何聪明人都会说的常识？"要努力""要专注"这种话，不值得做成Skill。真正值得留下来的，是作者独特的表达、判断方式和操作路径。
反复出现、能解决新问题、不是普通常识——符合这三条的，才配进入蒸馏。
第二类：案例/叙事类
部分适合，但AI不能替你读故事。
典型代表：《零售的哲学》《乔布斯传》《只有偏执狂才能生存》。这类书的价值不在框架，在故事——作者在什么情境下做出了什么判断，为什么是那个判断，而不是这个。
AI能帮你提取"铃木敏文的经营原则是什么"，但AI读不到他面对亏损店时的犹豫和决断。故事里的"情境感"和"判断的灰度"——这些AI提炼不出来，就像一棵树不只是一堆关于木头的概念，它还有树皮、树叶、树根、树上的鸟窝。那些"多余"的部分，恰恰是故事真正的价值所在。
所以这类书我建议：AI扫读找框架，但关键章节必须自己读。AI帮你筛出"哪几章最有价值"，你自己去读那几章。
第三类：理论/哲学类
不适合蒸馏成行动型Skill，但适合蒸馏成解释型Skill。
典型代表：《纯粹理性批判》《存在与时间》《正义论》。这类书的价值不在结论，在论证过程。你跳过论证直接看结论，等于没读过。
康德的"先天综合判断"——这个结论一句话就能说完，但这句话本身毫无意义。你只有跟着他一步步走完"知识是怎么构成的"这个论证链条，才能真正理解他在说什么，以及为什么这个观点如此重要。
AI蒸馏这类书，产出的东西不是"精华"，是骨架。骨架是对的，但骨架没有肉，不是一只动物。
理论哲学类书不适合做成"行动型"——它没教你怎么做；但可以做成"解释型"——帮你建立阅读顺序、分析维度、证据标准。比如"主题追踪"（沿着"自由""责任"等概念定位不同章节的变化）、"证据回溯"（区分判断来自原文还是AI推断）、"反解释"（主动找与结论冲突的段落）。
第四类：体验/审美类
完全不适合用AI读。
诗歌、小说、散文。读海子的诗不是"获取信息"，是"感受语言"。读村上春树不是"学习写作方法"，是"进入他的世界"。这类阅读的本质是体验，不是信息提取。AI就算能把一首诗拆成"意象分析+修辞手法+主题思想"，它也不是那首诗了。
把《我与地坛》蒸馏成"走出苦难的六个步骤"，不是提炼，而是把作品中最重要的复杂性删除了。
one-pager这个Skill，我第三套学习Skill，就是给前两类书准备的。它的功能是：你读完一本书，把核心概念、关键数字、陷阱、原则压缩成一页速查表——不是AI替你读，是你读完了，用AI帮你整理。
它的"陷阱"字段我特别看重。每本书都有边界条件——"这个框架在什么情况下不成立""这个原则的假设是什么"。one-pager强制你填这个字段，就是逼你想清楚：你读到的这个东西，不是放之四海皆准的。
一页蒸馏卡长什么样？我参考了很多人的做法，最后沉淀成6个字段：
书名 + 我读它要解决的问题
一句话核心判断
3条最值得记住的原则
1个我自己的工作案例
本周要做的1个行动实验
何时重新翻出这张卡
AI能帮你把这6个字段整理成初稿，但"什么对你有用、下周做什么"，必须由你最后决定。因为触动不等于收获，能改变下一步，才值得留下。
05
THE SYSTEM
AI十倍速学习法三件套
最后一节，把三件套放在一起，看它们怎么组成一个完整的闭环。
我把自己的学习流程画成一条线：
learning-planner → 你自己读 → learning-coach → one-pager
整条线走完，才算完成一次学习。
输入一个主题，输出一份学习路径。它不是扔给你一堆资料，而是告诉你：先学什么、再学什么、重点跳过什么。排成5级阶梯，标注出核心20%。用的是"先问再喂"的逻辑——先问方向，再筛材料。
这是整条线里唯一AI不能代劳的步骤。扫读可以用AI帮忙筛，但精读必须自己来——读的时候想"他说的对吗""我同意吗""这个前提是什么"。AI不替你读，但AI帮你确认你有没有读对。
读完了，AI出10道题考你。不是考记忆，是考理解。你讲一遍，AI找漏洞，你再讲一遍，直到你讲清楚为止。AI不教你，AI当你的镜子。
你确认自己真的懂了，然后把核心概念、关键数字、陷阱、原则压缩成一页速查表。以后要用的时候，不用翻原书，看这一页就够了。AI不替你写，AI帮你整理。
三件套的核心逻辑
很多人问我：这三个Skill到底是什么关系？
我的回答是：它们不是三个工具，是一个学习系统。
学什么
learning-planner
方向问题
怎么学
你自己读 + learning-coach
方法问题
学了怎么用
one-pager
输出问题
方向不对，精读是浪费。学了不检验，是自我欺骗。沉淀不出来，等于白学。这三步，一步都不能少。
∞
THE END
怎么知道你真的学会了
没有我这一套skill，你也可以给自己做三轮简单测试：
第一轮：触发测试。遇到一个真实问题时，你脑子里能不能自动跳出"这个问题的解法，我上次在某某书里读过"？如果做不到，书白读了。
第二轮：诱饵测试。遇到一个看似相关但实则不同的问题，你能不能忍住不套用那个框架？比"能不能想起来"更高级的，是"能不能判断这个框架适不适用"。
第三轮：执行测试。你不仅想起来了，判断对了，而且真的做出来了，结果改善了。
这三轮测试，前两轮靠learning-coach的10道题就能过，第三轮只能靠你自己去实践。但至少，前两轮你不需要再自我欺骗了。
三件套走完一遍，不等于结束。
蒸馏出来的one-pager不是最终答案。用完一周后，给自己留5分钟复盘：我实际用了哪一条？它在哪个场景里有效？哪里不适合我的工作？下一次要保留、删掉还是修改什么？
经过这一步，那张卡才不再是一本书的摘要，而成为你自己的经验。你读过的书，也会慢慢从"知识存量"变成"可调用的判断库"。
一本书真正改变人的方式，不是让你记住更多，而是让你在一个具体时刻，做出和以前不同的选择。
最后几件事。
1. 三件套是学出来的，不是买来的。我设计这三个Skill，不是因为我想"卖工具"，而是因为我在自己学习的过程中，发现需要它们。每个Skill都是我自己踩过的坑——learning-planner是因为我选错过方向，learning-coach是因为我欺骗过自己，one-pager是因为我读完就忘。
2. AI十倍速，不是"不读"。很多人以为"AI十倍速"的意思是"AI帮你读，你不用读"——这是最危险的误解。AI十倍速的意思是：AI帮你省掉筛选、检验、整理的时间，让你把时间花在真正需要花的地方——思考。
扫读AI帮你筛，精读你自己来，检验AI帮你考，整理AI帮你做。你只做一件事：思考。
3. 工具不能替代你的判断。最后，回到引子里的那句话：AI能帮你把书变成"工具"，可"用不用""会不会用""用在哪、什么时候用"——这些判断，AI替你决定不了。
学习最核心的部分，永远是你自己。
THE END
知识的价值不在于被压得多短，而在于需要它时，能否以正确的形态回来。
好的学习不是把书读薄，是把书里的东西，变成你随时能用的东西。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
