读不完的技术文档

一直以来，我们都关注要多看技术文档。但是我遇到的实际情况是：有时候一篇文档太长，看得时间太久，导致：

1. 犯困，效率下降
2. 中间被其他事情打断
3. 被中间的知识点引导到别的文章去，而那篇文章也很长。我计算过，如果把这些文章全部读完，是不可行的，时间成本太高

实际的结果就是，我的浏览器常年开着很多没看完的技术文章 tab，我又舍不得关掉它们。我有时候会把它们放到收藏夹里。但是这并没有从根源上解决问题，反而造成收藏夹里的文章越来越多。收藏夹变成了一个巨大的 todo list。

阅读技术瓶颈

这些堆积的技术文档在我内心造成了负担，让我觉得愧疚。这成为了我脑子里的技术债。我总觉得是我不够努力，才没有读完它们。

但是我今天想，我要把这些技术文档全部读完是不可能的。因为：

1. 文档的长度决定了读完它们注定要消耗大量的、超过我可承受范围的时间成本
2. 文档中又会发散出新的文档，这个过程永不停歇

就像技术问题有瓶颈一样，我将它称之为阅读方面的技术瓶颈。这个问题需要通过逻辑层面的解决方案来解决，而不只是纯技术手段。

这个瓶颈的本质是：我们的时间和注意力都是有限资源。时间这个单位离人本身太远了，不能作为主要的度量工具，因为同样的时间里，你的阅读速度是不一样的。所以我更愿意将"注意力"作为我们的资源单位。你可以把人的注意力看作某种 token，你的 attention token 简称 AT。当你的注意力足够强，就可以产生 AT 力场（大雾）。消耗完了，就得靠睡眠来补充。

这个阅读技术瓶颈本质上是：

阅读文档总时间 > 你所拥有的注意力

精炼阅读

永远可以提炼

我想到，就算这些技术文档全都只看了一点点，我也能好好地做技术做到现在。有些文档甚至在我还没读的时候，这门技术就已经被淘汰了。所以，其实大部分文档中的信息我是不必去记忆的，只是把它们当作字典查询就可以了。

这甚至适用于很多总结归纳后的文档。它们依然可以继续被提炼。被提炼过的文字，其实依然可以再被提炼，最终提炼成一句话。但是提炼的过程会丢失大量信息，而这是预期内可以接受的。

LLM提炼

在 AI 编程时代，程序员的价值就是"注意力"。

我想，可以在注意力下降的时候，适当使用 LLM 去归纳文章剩下的部分。通过让 LLM 阅读并归纳后，我们先阅读大纲，然后对感兴趣的部分反复提问来学习。

后来我又想，为什么不更进一步：一开始就让 LLM 先提炼出一个足够短的文章大纲。然后我们阅读大纲后，选择继续读，还是就此放弃。继续阅读时，也可以选择自己逐行精读，或者只阅读感兴趣的部分。

不要发散

在阅读到自己感兴趣的知识点后，不要去 Google。我们来看这个行为链：

Google 关键词 -> 看到想看的页面 -> 点击页面 -> 查看该页面

Google 的搜索结果页面单项结构：

LOGO: 网站名
一句话的页面简介（不一定是页面标题）
2-3 行的页面短简介

你需要消耗注意力去逐条看这些词条。你打开了一个新的、花里胡哨的页面后，还需要继续消耗注意力去寻找你想看的东西。也许页面中的其他部分也在消耗你的注意力。

所以，遇到你感兴趣的知识点后，不要立刻去 Google。

1. 直接问 AI，让 AI 给你找到你想看的东西
2. 在回答中要求它附上链接，作为确认的证据
3. 你可以自己点链接确认。一旦发现链接失效，后续会话中可以让它自己先访问链接，排除失效链接后，再给出可用链接

所以，我将这种方式称为 精炼阅读。

验证

我们需要一种方式去验证这种方式，否则无法证伪。所有无法证伪的都是伪科学。如果这种方法只是我瞎扯的，那么就可以被证明我在瞎扯。如果这个方法无效，那也是在浪费读者你的时间。

验证方式：

通过以下维度来验证使用该方法后的效果：

• 浏览器打开的技术文档 tab 数量应该下降
• 收藏夹内的未读文章数量应该下降，或者被归档
• 结束一天后总结，今天确实实现了本来预定的阅读计划，负罪感降低（这点其实很主观，也很伪科学，但没关系）

你也可以通过这套验证方式来验证该方法是否有效，从而决定你是该相信我，并改变自己的阅读习惯，还是觉得这个人就是在 bullshit。无论哪一种，你都走出了重要的一步：亲自实践 AI 带来的生活习惯改变。这就是有价值的。