我每天要处理的信息量大概是五年前的五倍。微信公众号、知乎、RSS订阅、技术博客、邮件 newsletter ——如果每个字都读，我大概需要每天花12个小时在阅读上。这显然不可能。
两年前我开始系统性地使用AI工具来辅助阅读。今天分享一套经过实际验证的流程，它的核心理念是：让AI帮我过滤噪音，让我把时间花在真正值得深度阅读的内容上。
第一步：AI粗筛，10分钟决定要不要读#
我的RSS阅读器里有大概200个订阅源，每天新增文章超过500篇。显然不可能全部读完。
我的做法是用Claude分析RSS摘要。每个工作日早上，我会把前一天的RSS摘要（标题+前200字）发给Claude，让它帮我打标签：必读、建议泛读、可跳过。每100篇文章大概只需要花10分钟，就能把值得细读的文章数量从500篇压缩到10-15篇。
当然，AI的判断不一定100%准确。但即便筛掉90%的文章，我也不会错过真正重要的内容——重要的事情会在不同渠道出现多次，被AI过滤掉的那1%，往往也不是非读不可的。
第二步：AI辅助精读，抓住核心观点#
对于标记为”必读”的文章，我会用AI来做深度阅读辅助。
具体做法是：把文章丢给Claude，让它先总结”三句话版本”——这篇文章讲了什么核心问题？作者的核心观点是什么？支撑观点的关键证据是什么？这三步大概只需要2分钟，但让我能快速判断这篇文章值不值得花20分钟完整阅读。
如果判断值得读，我会再让Claude帮我列出”五个关键论点”和”可能的反驳角度”。带着这些问题去读，效率会高很多——读的时候会主动找答案，而不是被作者牵着鼻子走。
第三步：AI辅助笔记，把知识缝合进体系#
读完一篇文章之后，最大的问题是：读完了，过几天忘了。传统的解决方法是自己做笔记，但做笔记本身也很耗时，而且大多数人的笔记做着做着就变成了”抄录原文”，而不是真正的理解和消化。
我现在的做法是：读完后把文章发给我的AI笔记助手，同时附上我的阅读笔记（通常是几百字的个人感受和思考）。AI的工作是把我的笔记和文章内容融合，生成一段”知识块”——这段文字不是摘录，而是我的理解重构，包含：这篇文章解决了什么问题？它和我的哪些已有知识有关联？它在什么场景下可以被调用？
这段知识块会被存入Obsidian，成为我知识网络里的一个节点。三个月后回看，我可能忘了这篇文章的具体内容，但看到这段”知识块”，就能快速回忆起核心观点。
AI辅助阅读的三个原则#
在这个过程中，我给自己定了三个原则：
一、AI是过滤器，不是替代品。 最终的理解和判断必须由人来做。AI帮我找到值得读的内容、帮我提炼核心观点，但它不能替我消化知识。消化的过程只能发生在我的大脑里。
二、保留原文的阅读体验。 AI总结得再好，也是二手信息。有些文章（比如纳瓦尔的文字、彼得·考夫曼的采访）本身文字质感极强，这种东西不能跳过原文只读AI摘要。AI摘要只能用于筛选，不适合用于深度阅读。
三、定期清理AI给你的”知识垃圾”。 AI会生成很多”看起来有用但实际用不上”的笔记。每月花半小时回顾上个月的AI笔记，删掉那些再也没有打开过的。信息需要新陈代谢，否则你的知识库会变成一个越积越厚的垃圾场。
效果如何？#
用这套流程大概一年后，我的感受是：信息焦虑明显减轻了。以前每天刷两小时新闻还是感觉”看不完”，现在每天30分钟就能覆盖最重要的信息，而且记得更牢。
更重要的是，AI帮我重建了一种”主动阅读”的状态。以前是被动接收——什么来了读什么；现在是主动筛选——我只读经过我自己判断有价值的东西。主动阅读的感觉，和被动刷信息流的感觉，完全不同。
AI不会让你变得更聪明，但如果你用它来保护自己的注意力，它能帮你把有限的时间和注意力，花在真正值得的地方。