图 1：本文封面，点明「先筛选、再学习」的主线。
先说一个你肯定不陌生的时刻。早上打开信息流，三条「颠覆性」发布、五个「必学」工具、两篇「再不懂就晚了」。你收藏了其中四条，关掉页面，心里浮起熟悉的焦虑：又落后了。到了晚上，收藏夹多四条，脑子里的东西一点没变多。
问题不在你不努力，在于你把「筛选」这一步交给了算法推荐。AI 领域的信息增速已经超过了任何人的阅读带宽，学不过来不是态度问题，是没有规则。本文给你的答案只有一句：先建立筛选规则，让绝大多数信息在到达你之前就出局，剩下的少数才配得上「学习」二字。
第一道筛子：源头分级。
同一条消息，源头决定可信度。给信息源分三级：一级是官方发布与文档——模型厂商的官方新闻页和开发者文档，说什么就是什么；二级是一手实践者——真拿工具做过项目、晒得出过程与坑的人；三级是二手解读——转载、点评、情绪输出，只当线索，不当事实。三级内容可以告诉你「有这么个东西存在」，但「它到底能干什么」只能回到一级源头确认。以 Anthropic 为例，其官方新闻页按时间列出每次模型发布与政策更新，开发者文档则写清当前模型能力与接入路径——这类页面值得放进收藏夹最上层，而不是任何一篇「深度解读」。
第二道筛子：相关性。
过了一级源头，还要再过一问：这和我的目标或当前项目有关吗？AI 的子领域已经多到不可能全追——绘画、编程、语音、视频、智能体，每一个都够学半年。与你无关的重磅发布，对你来说等价于娱乐新闻。不是不许看，而是给它正确的归类：存档，标记「知道有这回事」，然后放它走。真正消耗你的是那种「好像有点用」的模糊地带，对这类信息要狠心。
第三道筛子：可动手。
一条信息通过前两关，最后一问：十分钟内我能跑起它的最小 demo 吗？能，就排进本周的动手清单；不能，就退回「记个概念」的存档。这条规则的本质是用动手成本给学习排优先级——能动手验证的知识才真正变成你的，只读不动的知识两周后只剩一个模糊印象。
图 2：三道筛子过滤信息流，通过者进入「学、用、输出」的闭环。
通过筛子之后：学习闭环。
筛出来的少数，进入「学、用、输出」三步闭环：读官方文档学概念，跑最小 demo 验证理解，然后输出——写一篇笔记、做一次分享，哪怕只是给同事讲十分钟。输出不是可选项，它是检验：讲得出来的才算学会，讲不出来的回到文档再读一遍。输出的笔记回流成你自己的知识库，下次相关主题出现时，你比别人多了一个判断基准。
三个常见误区。
误区一：收藏即学习。收藏夹是信息的停尸房，没有闭环的收藏只是焦虑的存档。误区二：追新即先进。新工具发布的第一周信息噪声最大，等一周，一手实践者的真实体验就出来了，你的筛选成本反而更低。误区三：订阅源越多越好。订阅源超过十个之后，多出来的每一个都在稀释你的注意力，定期取关和定期订阅同样重要。
还有一个执行层的细节：给筛选固定一个时间窗。每周留一个固定的半小时，集中清理这一周的存档——过三道筛子、取关噪声源、给通过者排期。没有这个固定动作，规则会在两周内被信息流冲垮，你会不知不觉回到「刷到什么看什么」的老路上。规则的价值不在制定那一刻，在每周那半小时的重复执行里。
给你的行动建议。
这个周末做三件事：把订阅源砍到十个以内，每个都问一遍「它属于哪一级」；给收藏夹里最近一个月的条目过一次第二、三道筛子，无关的删掉，能动手的挑一个排进下周；为挑中的那一个写一篇三百字的笔记。规则建立只需要一个下午，但它替你挡掉的噪声是以年计的。
你现在的信息筛选靠什么——算法推荐、群聊转发，还是自己的规则？如果只能保留三个订阅源，你会留下哪三个？欢迎留言交换清单。
参考资料
- Anthropic 官方新闻页（模型发布与官方公告的一手出处，本文「源头分级」中一级信息源的示例） — https://www.anthropic.com/news
- Anthropic 开发者文档总览（当前模型能力、接入路径与官方推荐实践，本文「读官方文档学概念」的示例） — https://docs.anthropic.com/en/docs/overview