AI 记录工作流：把易逝输入变成可验证的半成品

被塞进"知识"那一格的半成品

在大多数人的心智模型里，笔记只有三档：看到信息 → 变成知识 → 拿去创作。中间那个"记录"的动作，被默默塞进了"知识"这一格。

但我在总纲里说过，记录值得单独立成一层。因为它是一个独立的中间形态：它和你相关，但未必持续有用；它可能只是未来某天会用到，或者只是此刻用来理清自己。这样的东西，还不能叫知识——只有被结构化为后面可以持续复用的，才叫知识。

记录是 index，是半成品的知识。

承认这一点，能治好一个很常见的病：把“记了很多”误当成“学了很多”。记录不等于掌握，就像备料不等于做好一道菜。把记录称为半成品，也不是贬低它。它是原始输入第一次变成日后可以检查之物的现场。仅凭经验，我无法诚实地把它和所有学习方法比较转化率，但这座第一现场值得被保护。

这一篇，就讲怎么把这个"第一现场"用好。

记录不只有文字一种形状

文字是我的默认选择，因为完整句子容易暴露缺口，但它不是把经验钉在时间上的唯一办法：

媒介会变，要求不变：未来的读者不应借用我此刻脑中的上下文，仍能重建发生了什么。

记录经过五种显式状态：

最小 capture card 如下：

captured_at: 2026-07-11T14:20:00+08:00
source: "会议笔记，参与者同意内部记录"
context: "判断发布任务为何漏掉一篇文章"
observation: "任务把未来的 +08:00 日期视为 future content"
interpretation: "时区处理可能解释页面缺失"
sensitivity: internal
next_action: "用生产构建复现，并检查日期"

它故意不完整。它不负责听起来聪明，只负责为下一次加工保住足够的现实。

写的过程，就是复盘的过程

先说最适合我的动作：写得足够及时，不让重要观察在记忆里过期。 每日写作只是一种节奏，不是道德标准。

写可以成为反思。我常常不是想清楚才写，而是在把念头逼成句子的过程中，发现哪一部分仍然模糊。文字是思维的显影液：缺口和站不住脚的逻辑有了可见形状，才容易检查。

我自己能验证的改变更小：开始保留决策记录后，我能回到一次失败实现，分清当时真正观察到的现象，和后来为了让故事完整而补上的解释。记录没有自动让我变聪明，它只是让纠正成为可能。

摩擦不自动等于进步，无意义的排版也很痛苦。真正有用的摩擦很具体：把观察和解释分开，承认证据缺口，并承诺下一步动作。AI 可以减少转写劳动，却不应替我消灭这些判断。

还有一个更实际的理由：只有留下持久痕迹的东西，日后才可能被复查、结构化或质疑。文字、音频、图像、diff 和实验输出都算。记录把易逝经验钉在时间上，最小护照让这枚钉子不至于丢掉标签。

记录要低摩擦：先完成，再完美

既然记录这么重要，就要让它尽可能容易发生。记录的第一原则是低摩擦。

完美主义是摩擦的一种来源：总想等念头完整、整块时间出现、措辞已经准备好。应对办法是降低呈现门槛，但不能撤掉证据底线。先捕获，再润色；但记录不能脱离来源、时间和理由。

落到工具上，需要的是一个能快速打开、又能保存最小护照的入口。我有时用 Flomo；本地文本、录音机、issue tracker 或纸本都可以承担同一角色。流程与工具无关。

把速记入口和精加工分开，仍是记录层的关键设计：捕捉可以快、可以脏，但不能对人、秘密和来源粗心。 凭证和私钥绝不进入笔记。客户或受监管数据只能进入获批系统，不进入个人笔记应用。需要时，私密材料只保存在本地或加密位置；截图在存储或交给模型前检查姓名、token 和无关身份信息。

工具的数据留存和隐私行为也不相同。Anthropic 当前的 API 与数据留存官方文档 提醒我们：聊天、文件、API 功能和第三方集成并不共享一种留存模型。方便不能覆盖同意与制度。

给记录一个结构：五步复盘

低摩擦解决“记不记”，但流水账很难被评估。所以速记之外，我在晋级前使用一套复查结构。

早先的五步复盘是个好起点。现在我把证据和解释拆开：

1. 事实： 发生了什么，不加解释？
2. 问题： 哪个约束或失败最重要？
3. 动作： 谁在何时改变了什么？
4. 结果： 随后出现了什么可观察结果？
5. 证据： 哪个来源、diff、日志、输出或引语支持结果？
6. 解释： 我目前认为它意味着什么？
7. 反例： 什么情况会削弱或推翻这个解释？
8. 下一步： 测试、澄清、晋级、保留上下文，还是丢弃？

这让记录从被动记账变成主动加工。一条记录不会因为听起来有洞见就晋级。知识门检查：主张是否清晰、来源能否追溯、范围是否明确、是否至少有一次真实使用或测试、反证有没有保留，以及负责人是否愿意确认下一次复查日期。

有了这个结构，你的记录就不再是一堆碎片，而是一条条带着问题和动作的、可以往上结构化的半成品。它们已经站在了知识层的门口。

隔天精修：用冷却期把记录逼向知识

记录到这里还有一个对我有用的默认动作：隔一段距离再读。

对普通反思，我常在今天复查昨天的记录。这个延迟是个人窗口，不是普遍定律。事故、安全事件、会议决定、同意和易失实验上下文，必须在证据与参与者仍然可得时立即澄清。

为什么还要稍后再读？距离可能减少作者对缺口的自动脑补，让文字更像证据，而不是意图。但它不保证洞见。把记录过一遍冷水只有一个前提：来源和上下文没有先蒸发。

这一步的意义，远不止"改得通顺"。它是把半成品记录推向可复用知识的关键工序：

• 较短的复查窗口对我更容易持续，但价值应按修复了多少缺口判断，而不是按分钟计算；
• 改的过程会逼你重新判断：这条记录到底沉淀出了什么？值不值得升格成一张正式的知识卡片？改不动、说不清的，就打个"待重构"的标记，说明它还没熟；
• 一句话概括：用足够时间换一个视角，但不要拖延那些无法恢复的上下文。

流程因此变成：捕获 → 澄清 → 复查 → 晋级或丢弃。Cubox、RSS、Flomo、Notion、Git 仓库或本地目录都可以实现其中一段；没有任何工具定义流程。记录之所以处在中间，是因为它承接上游原始输入，并向下游知识层提供可检查的候选。

AI 在哪里帮忙，又必须在哪里停下

AI 可以转写语音、提取时间戳、去重记录、追问缺失项、把笔记和来源对照，并生成澄清清单。它不得：

• 编造捕获时没有保存的上下文；
• 把解释改写成观察；
• 虚构第一人称经历、参与者同意或测试结果；
• 因为记录没有结果，就自行推断成功；
• 绕过人工证据门晋级记录。

从代码 diff 到 tested 卡

下面是一条完整的脱敏链：

1. Captured： 一次代码 diff 把文章日期从模糊本地时间改成 +08:00；捕获卡保存仓库版本、缺失页面和构建输出。
2. Clarified： 记录把观察“生产环境漏掉页面”和解释“时区导致”分开，并增加复现任务。
3. Reviewed： 生产构建在修改前复现缺失，修改后包含页面；复核者检查没有其他改动解释结果。
4. Promoted： 知识卡变成“未来日期的 Hugo 内容默认不会进入生产构建”，范围限定为本站构建设置，并链接 Hugo 文档。
5. Later corrected： 后续测试发现 draft 也可能产生同一症状，于是卡片增加反例和诊断顺序。

有价值的不是最初那句话，而是让另一个人能够重建、测试和纠正它的链条。

我用这些指标观察链条：

检验标准：你变了没有

最后留一个判断题，帮你分辨记录到底有没有起作用。

我早先的检验是：好记录不只是写得好，还应改善后续决定。 这条仍然成立，但要补一句：变化只是结果维度，不是质量证明。

错误记录也能改变决定。更完整的检查是：主张有没有证据，另一个人能否重建上下文，下一次决定是否达到事先声明的标准，以及后续纠正有没有被保留。漂亮文字可以没有，责任不能没有。

把记录用好，你就拥有了一台持续把信息加工成半成品的机器。但半成品终究不是成品——它们需要被结构化、被反复调用，才能真正变成你的能力。

那是下一道工序的事：知识层。我们要把知识库，从一个越堆越大的收藏夹，改造成一个真正能干活的"能力沉淀区"。下一篇见。

本文是「从信息到创作」专栏第三篇。上一篇：第一层·信息 。下一篇：第三层·知识 。