如何用 AI 做笔记

一份站得住的分工

AI 擅长对你已有文本做变换：概括、重构、抽取、翻译和查找。它不擅长任何需要判断「什么是真的」「你的本意是什么」「两件事哪件对你更重要」的工作。

所以持久的分界是：AI 搬运和重塑你的材料，由你决定材料在说什么。下面每一种失败模式，都是这条线被越过的某个版本。

• 可以交出去：概括、抽取待办、按主题归拢、起草大纲
• 要留在自己手里：判断什么是真的、什么重要、最终措辞怎么写

控制一：刻意限定上下文

指向你写过的全部内容的助手，给出的答案会差于指向真正相关的那四条笔记的助手。宽泛的上下文会引入看似相关、实则不相关的材料，而模型很不擅长告诉你它这么做了。

为一个问题挑选笔记只花几秒，却是答案质量上最大的杠杆。MemoFlow AI 只在你选定的笔记范围内工作，正是出于这个原因。

控制二：写入之前先确认

「提出修改」的助手和「直接应用修改」的助手差别巨大。前者是协作者；后者是对你档案的一种缓慢而沉默的侵蚀——那些小改写你不会察觉，直到你需要原文的那一天。

重要写入必须可预览。MemoFlow 会在重要修改写入笔记前先展示并等待确认，让这条笔记始终是你写的，而不是漂移成的。

控制三：对你要依赖的内容做核对

不是所有内容都需要核对。主题归类稍有偏差没有代价。但你即将引用进报告的数字、即将据以复习的定义、即将安到同事头上的承诺，都需要回看来源。

有用的原则是按比例：出错的代价有多大，就核对到什么程度。这让核对可以长期坚持，而这比核对得彻底更重要。

• 凡是要引用、要提交、要发给别人的，都核对
• 人名、数字、日期永远核对——错误集中在这里
• 低风险的排版重整可以放过

AI 修不好的东西

AI 修不好采集习惯。如果笔记根本没被记下，再好的助手也只是对着空无一物给出更好的答案。它也修不好组织：模型能在一团乱里找到东西，于是整理的压力消失了——这在乱堆里出现同一事实的三个互相矛盾的版本之前都还管用。

那些不体面的部分——持续采集、每周回顾、删掉已死内容——仍然是地基。AI 抬高一个可用系统的上限，但它不会替你创造出一个系统。

要点

• 让 AI 变换材料，把「材料在说什么」的判断留给自己。
• 把上下文收窄到真正相关的笔记——这是最大的质量杠杆。
• 任何写入笔记的动作都要求先确认。
• 按出错代价的大小决定核对强度，人名和数字则永远核对。