我这些年有一个困惑。
学了很多东西——读书、研究软件、学摄影——但回头一看，什么都没留下。
感兴趣的时候，我可以整天坐在电脑前。但三天后热情消退，一周后完全停下。如此反复多年。
最近接触了飞轮写作法，才想明白问题出在哪里。
完全凭兴趣，完全没有流程。
有兴趣就研究，没兴趣就停下。没有人要求产出，没有地方检验对错。学了一个东西，好不好不知道，值不值得继续也不知道。
唯一的判断标准是”还有没有兴趣”。而兴趣这东西，三天就消退了。
结果就是：感觉学了很多，但其实什么都没沉淀下来。
飞轮写作法是 Garry Tan（Y Combinator CEO）提出的一套做事方法。他每天用这套方法管理十几个AI团队，一个人干十几个人的活。
他做对了一件事：每一步都检验输出质量，而不是凭感觉走。
学到一个东西，不是”感觉懂了”就停下，而是要能说清楚：这个东西值得继续吗？下一步该做什么？
这听起来简单。但正是这个改变，让他的学习不是原地打转，而是真正往前推进。
我没有 Garry Tan 的团队，但我有 AI 工具。
以前这些问题需要团队配合才能解决。现在用软件就能解决。比如在 Claude、OpenClaw（小龙虾）、WorkBuddy、QClaw 这类工具里，可以设置规则，要求我们研究问题、思考问题时走完一个完整流程。
然后把思考内容沉淀下来。
这些沉淀内容可以不断补充到知识库里，对后续的思考产生作用。这种不断迭代、不断有新发现的过程，让第二大脑越来越强大。
AI 工具可以帮你做三件事：
第一，检验输出质量。
你写完一篇文章，AI 可以帮你审查：逻辑通顺吗？有没有自相矛盾的地方？读者能看懂吗？
第二，沉淀知识。
你研究了一个东西，AI 可以帮你整理成笔记，记录下来。这些笔记会成为你下一步思考的基础，而不是学完就忘。
第三，看到下一步。
你做完一件事，AI 可以问你：下一步呢？有什么是现在可以沉淀的？
以前，这三件事需要一个团队。现在，一个人加 AI 就行。
学了很多不代表能做到。
关键不在于”学了多少”，而在于有没有一个系统，让你的每一步都有输出、有检验、有积累。
AI 的意义，不是让你更快地做事，而是把你的团队缩小到一个人。
这才是 AI 扩展你能力边界的真正含义。
我现在用 AI 工具辅助学习，做两件事：
第一，每完成一个研究，都让 AI 帮我总结：学到了什么？下一步该做什么？有什么可以沉淀下来？
第二，把沉淀内容放到知识库里。下次遇到相关问题，AI 可以调用这些内容，让我的思考不是从零开始。
这不能保证我做成什么。但至少，我的学习不再是原地打转。