AI 信息筛选工作流：抓住信号，不建噪音仓库

信息的默认状态，是噪音

上一篇立了框架：信息、记录、知识、创作是四道工序。这一篇只谈第一道——信息。

关于信息，最重要的一个认知是：它的默认状态是噪音。

我们对信息有一种天然的贪婪。看到一篇好文章就想收藏，看到一个金句就想存下来，看到别人推荐的书单就想加进待读。每一次"存"都给我们一点"我在进步"的错觉。但存这个动作，本质上只是把信息从别人的仓库搬到了你的仓库，它没有经过你这台机器的任何加工。

所以第一层的工作，不是多存，而是多挡。

判断一条信息该不该进来，标准不是"它有没有用"——几乎所有信息都"可能有用"，这正是收藏夹爆炸的根源。标准应该是：它值不值得进入下一道工序？ 也就是，你愿不愿意为它花时间去记录、去结构化？如果不愿意，那它对你就是噪音，再"有用"也该挡在门外。

把信息分成三类

笼统地说“信息”没有操作性。我原来的三只桶——给 AI 看、自己扫、挡掉——容易记，却太粗。决定动作之前，我现在先检查八道边界：

闸门的输出是动作，不是对来源的永久判决：

• 可安全交给 AI： 公开或已获授权，没有不必要的敏感数据，来源可追溯，并且任务明确。
• 先脱敏再处理： 去掉姓名、标识符、机密细节和无关个人数据后，主张仍然成立。
• 仅限人工： 我有权阅读，但无权上传给所选模型或集成的授权内容或敏感材料。
• 限时浏览： 用来感知环境的低风险输入，只在时间盒里扫，不作为证据长期保存。
• 拒绝： 与任务无关、无法验证、来源不合法，或成本和风险高于预期价值。

这也改变了“噪音”的定义。一条情绪化帖子对技术文献综述可能是噪音，对用户情绪研究却可能是信号。正确的问题不是“这段内容好不好”，而是：面对当前任务，这个来源配得到哪一种动作？

上传边界故意比采集边界更严。我不会上传凭证、私钥、客户记录、未公开的私密对话、受监管数据，也不会在缺少明确许可和合规处理安排时上传付费版权全文。可脱敏的材料先移除身份和无关细节。Anthropic 当前的 API 与数据留存官方文档 说明了为什么：不同产品和功能的留存与资格并不相同，第三方集成也有自己的条款。“它在我的笔记里”不等于“我可以把它上传到任何地方”。

AI 时代，信噪比在恶化

有人会说：信息过载是老问题了，跟 AI 有什么关系？

至少在我自己的信息流里，关系很大。低成本生成增加了一种我称为**“合成信息过载”**的新负担。这是我的观察和威胁模型，不是对整个互联网的统计结论。

模型可以低成本生产大量“看起来有用”的材料——结构工整、貌似完整、到处都有金句，却没有来源、亲身证据，或者对当前任务没有信息增量。人一直也会生产同类噪音，生成工具只是降低了成本。因此，工整不能再充当来源质量的代理。

这带来一个更窄的结论：文本越充沛，可追溯信号越值钱。 亲身观察、有记录的失败案例、一线数据、第一手来源和有证据的反例之所以重要，是因为读者能检查它们从哪里来。模型可以整理或发现这些信号，却不能在证据缺席时倒推出证据。

稀缺本身不等于质量，一条假消息也可能很少见。我真正要找的是稀缺且可追溯的信号：它增加证据或改变决定，并且经得起检查。少存一点“看起来有用”，多找一点既独特、又站得住的东西。

降噪的关键是管住入口

明白了要挡，问题就变成：怎么挡得住？

靠意志力挡不住。真正有效的降噪，是从入口下手，把信息的进入变成一件有结构、有节奏的事，而不是被推送随时打断。

我第一次真正有效的试验很朴素：盘点所有持续输入的来源。 我列出每个 feed、newsletter、频道、社群和通知，再标记它上一次改变当前决定是什么时候。目的不是找出一个普遍适用的理想数量，而是停止向无法连接到任何工作的来源支付注意力租金。

盘点完，我把日常扫描移到固定的低精力时段。在那之前，输入是碎的：通知一来就看，链接看着有用就存。一天下来感觉很忙，最重要的活却还在原地。

对我来说，这个时段通常是下午。这是个人配置，不是生产力科学。轮班工作、照护家庭或精力节奏不同的人，应当选择别的窗口。真正有用的原则，是把可中断的扫描集中处理，再保护记录和创作实际需要的那段时间。

这两个动作——盘点信源、集中处理——就是降噪的地基。它们看起来不像什么高级技巧，但正是这种朴素的入口管理，决定了你的信息层是清爽还是淤塞。

每个来源都要带护照

每条通过边境的信息，都要有一张 intake card。它故意很无聊，因为无聊的字段比漂亮摘要更容易检查：

source:
  title: "已脱敏的行业报告"
  publisher: "可识别的第一手机构"
  url: "https://example.org/report"
published_at: 2026-06-18
retrieved_at: 2026-07-11
license: "可公开访问、允许引用、禁止全文再分发"
sensitivity: public
task: "检查初稿 A 中的市场主张是否仍然有效"
claim: "报告测量了时间段 Z 内人群 Y 的指标 X。"
evidence:
  locator: "第 14 页，表 3"
  excerpt_saved: true
expiry: 2026-10-11
next_action: compare

日期防止旧主张伪装成当前事实；许可和敏感度决定材料能在哪里处理；定位信息让另一个人可以重建摘要，而不是相信我的收藏夹。

一次脱敏的 24 来源处理

一次审阅中，我从 24 个候选来源开始：官方文档、研究文章、新闻汇总、社交 thread 和两份付费报告。以下数字只描述这一次运行。

1. 去重把六个链接合并成三个底层来源。
2. 来源核验拒绝了四条只复制主张、却不连接原始出处的材料。
3. 权利和敏感度闸门把两份付费报告留在仅人工区；我保存笔记和定位，没有上传全文。
4. 任务相关性闸门把七条材料移入限时浏览，而不是证据档案。
5. AI 为剩余来源生成了受原文约束的摘要。
6. 我逐条核验高影响主张，并抽查低影响摘要。
7. 最终五个来源进入记录层，其余材料保留拒绝理由和失效期，不再成为永生的书签。

结果不是“AI 找到了真相”，而是得到了一条更小、可审计的队列。

外部内容是数据，不是指令

网页、邮件、PDF 或工具结果里可能藏着要求 Agent 忽略任务、泄露数据或执行动作的文字。它可能是恶意提示注入，也可能只是写给另一个读者的操作说明。无论哪一种，我都把外部材料当作不可信证据，绝不让它取得工作流的指挥权。

Anthropic 关于缓解提示注入的官方指南 明确描述了这种间接注入，并建议最小权限、输入筛查，以及限制对敏感数据和动作的访问。在这条流水线里：

• 来源文本不能修改系统任务或验收标准；
• 摘要模型没有发布、发消息、删除或读取秘密的权限；
• 可疑指令只被引用和标记，不被执行；
• 任何超出阅读和分类的动作，都要再次获得人工批准。

让 AI 站在信息层

最后回到那条贯穿整个系列的规矩：信息层适合在输入和输出都可检查的地方使用 AI。

去重、摘要、翻译、初步分类、把材料压成审阅队列，都是合理的 AI 候选任务。它们仍然消耗 token、存储、索引维护和人工抽检。摘要可能丢掉限定条件，把数字和分母拆开，错过图表，或者忽略反例。只有省下的复查时间大于这些成本，自动化才真正挣到了位置。

AI 在排序相关性、标注质量或决定省略什么时，本来就在做判断。更诚实的边界是责任：AI 可以按量表评分并解释；我定义量表、检查边缘项、抽样核验，并对什么内容进入下一层负责。

一份摘要只有保留这些信息，才算通过验收：

• 来源、作者或发布者、发布日期和检索日期；
• 准确主张及其定位；
• 关键限定、适用人群、时间范围和分母；
• 相关反证或来源声明的限制；
• 来源或模型无法支持结论时的不确定性；
• 让复核者能够重建结果的链接或保存定位。

高影响主张逐条核验，其余内容按固定节奏抽查；错误率上升时，提高抽样比例。仪表盘记录：

这些指标彼此拉扯。挡得更多，会降低工作量，也可能提高漏检率；收得更多，会提高召回，也可能重新建起同一座噪音仓库。只有看得见这组权衡，入口才算健康。

把信息层理顺，你会立刻感到轻松：收藏夹不再有负罪感，因为你终于承认了它大部分是噪音；注意力被解放出来，因为你只在信号上花力气。

接下来，那些被你筛出来、值得亲手加工的信号，要进入第二道工序——记录。那是信息和知识之间，转化率最高的半成品。下一篇见。

本文是「从信息到创作」专栏第二篇。上一篇：总纲——信息、记录、知识、创作 。下一篇进入第二层——记录。