看了兩位大神的AI使用方式，我立馬將Obsidian裝起來，打算東施效顰一番。"Karpathy 和 Lex Fridman 做的事情完全不同，他們讓 AI 幫自己蓋了一座圖書館，而且這座圖書館會自己長大。這篇文章會拆解這兩位 AI 領域最頂尖的人怎麼用 AI 做筆記，然後告訴你：不用寫程式，你也能做到八成。"
這兩天跟一位朋友聊到一件很有趣的事情，基本上就是說：「你讀什麼，你就會是什麼。」也就是說，你平常閱讀的資料來源，會決定專業的深度。而這些資料來源有時候並不是短時間可以打造的，需要一些時間，還有對專業的熟悉程度，才能鑑定出哪些來源是夠好的。所以包括這兩位大神先打造了一個系統，可是在這些系統前面要匯入什麼樣的資料，以及你怎麼去篩選資料，讓這些精華進入你的百科全書，也是一個非常重要的部分。
目前透過長期的累積，我還蠻有把握地說，我能夠收集到的資料還不錯，可是我仍然在持續滾動地收集更好的資料中。這些資料都會變成我的養分，甚至去影響思考的廣度跟深度。我也會在一些數位閱讀的分享中，跟聽講的夥伴講到這個部分。不過對於一般人來講，使用 RSS 去閱讀這件事情，對他們似乎有點難度，很難變成生活中的一部分。
因為那種生活中的慣性實在蠻難改變的，可是一旦你這個習慣慢慢養成之後，你整個閱讀資料的品質真的會提升不少。
而且對岸的有些專業文獻我也會閱讀，例如最近就有追蹤微博上一個產品經理的文章。今天他講到一件非常重要的事情：很多公司都導入 AI 了，大部分也都把焦點放在技術的部分。
可是就產品經理的角度來講，在導入 AI 技術之前，那個 scenario 是更重要的東西。也就是你到底有沒有看到背後會使用這個 AI 產品的人。你的客戶或者是你的目標使用者，根本不會管你用了哪類的技術；他比較關心的，是你的技術能不能在適當的時間、適當的情境，幫他解決他面臨的問題。
這樣的東西很多人都會講，但是這個產品經理有把這些資訊整理成一個容易閱讀的表格。我想這也是我在使用 AI 的時候，蠻常請 AI 幫我處理的事情。
我的腦海中或許有一些專業知識，也知道該去注意哪些重點，可是我自己經常遇到的狀況是資訊非常複雜；我可能要畫很多的圖，甚至停下來思考，才有辦法整理出適當的表格。但是 AI 可以幫我做到六到七分，接下來我只要再適當的調整就好。
不過我們也要注意到一件事，這是許多 AI 的資深使用者提過的一些警告，甚至一些 AI 模型的官方文件也有提到：
當 AI 生成的東西越完整，你去檢視的動機就會越低。甚至當你使用一套熟悉的 AI 工具時，你甚至會認為自己可以不用再檢查。在這種鬆懈的當下，往往就是最容易出錯的時候。
這一點也是我經常提醒我自己的。
