有了 AI 以后，我一开始真的挺兴奋。以前很多东西看不过来——投资里每天有财报、市场信号、量价信息要看，GitHub 上又不断冒新项目，AI 产品一天一个说法，X 上一堆大 V 都在输出，我从事的方向上 AI 变化也值得长期看。每个方向单独拎出来，都像是“应该关注一下”。但人就这么多时间，以前只能承认自己看不过来。
AI 出现以后，这个问题突然有了一个很诱人的解法：既然它能搜索、总结、归纳，那我是不是可以让它每天帮我看？于是我开始给自己设置定时任务——每日投资监测，每周看 GitHub 热点，双周看我从事方向的 AI 变化，每天看 AI 大 V 在 X 或其他平台说了什么。它们看起来都很合理，背后的愿望也很朴素：
我不想每天到处刷，但我也不想错过重要变化。
这不是偷懒，更像是 AI 刚出现时那种很熟悉的幻觉：人的认知半径好像一下子可以被放大。以前靠自己看不过来的，现在可以被机器分担掉；以前只能偶尔瞄一眼的，现在可以持续覆盖。听起来很美好。
后来我先变成了定时任务的运维
真正用起来，第一层麻烦不是 AI 总结得好不好，而是定时任务本身就不是零成本。
你要决定频率——每天、每周、双周。要调 prompt，太泛了像新闻摘要，太细了又容易漏。要调信息源，X 稳不稳定、GitHub 看什么榜、哪些博客值得追、哪些账号算关键人物、哪些只是营销噪音。这些事之所以要交给 AI，正是因为它们本来就太多太杂；但反过来讲，也正因为信息源太多太杂，这些任务本身就不太像传统 Cron。
“每天看看 AI 大 V 说了什么”，从人的话看很自然，从系统角度看里面全是坑——哪些人算大 V？他们是不是还活跃？内容发在 X、博客、YouTube、GitHub，还是播客里？同一个观点是不是已经被转了十遍？哪些是第一次出现的新判断，哪些只是换了个包装的营销？这不是每天几点跑一个 prompt 就能稳定解决的事。我以为自己是在让 AI 替我干活，后来发现我先变成了 AI 定时任务的运维。
更尴尬的是，它跑通以后，我反而不看了
如果任务没跑通，问题还简单。很多任务其实跑通了。它确实每天发，确实总结，确实排得很整齐，有些内容甚至看起来还不错。但我基本不打开了。
高频的时候东西太多看不过来，低频的时候我又不知道中间是不是漏掉了什么；有些总结看完觉得“好像知道了”，但过两天又什么都没留下；有些内容不是完全没价值，只是没有价值到值得我现在打开。最后它变成了一个很熟悉的东西：另一个未读列表。
这件事很像 Newsletter、RSS、公众号未读和各种收藏夹——刚开始会看，是因为新鲜感、预期收益和害怕错过；跑了一段时间以后，大脑开始学习这个入口的真实回报：打开十次，可能只有一两次真的有用。于是“不打开”就变成一个很合理的反应：
AI 没有消除我的信息焦虑，只是把它整理成了更漂亮的日报和周报。
把”不看”理解成自律失败或任务管理失败很容易，但在这里，不看也许只是大脑在止损。
大脑在给入口打分
刚订的时候打开得勤，主要是觉得新鲜，总怕错过点什么。报告写得一般也能看，因为当时心里预期高，觉得“说不定能挖到宝”，这种兴奋本身就是回报，跟内容值不值得无关。
但这种回报是会消耗的。连续打开十次只有一两次真有收获以后，再看到这份定时任务，我心里的“要不要打开”那个按钮就没什么反应了。收藏夹里堆了几百条东西，但真正点进去看的，也就那么几条。新鲜感一旦消耗完，剩下的就只是真实回报——打开十次只有一两次有用，“不打开”就变成一个很省力的反应。
翻了一下这些任务的打开频率，我发现一个反直觉的现象——越兴奋的时候订得越多，打开得越少；越安静的时候订得越少，反而真的看。这跟我直觉是反的：以为“我很想学的东西会坚持看下去”，实际上“很想学”带来的兴奋和“真的有用”是两件事，兴奋消退以后，回报才是真的。
我不是失去了学习动力，而是大脑学会了：这个入口经常不值得打开。
这件事跟“自律失败”关系不大，更像是大脑在给每个入口打分——预期成本不动，预期收益一下调，打开的动力自然下来。
信息变便宜了，注意力没有
定时任务最容易给人一种错觉：既然信息可以自动送来，那学习成本也会下降。但真正用下来，我发现它只降低了一部分成本。它降低了搜索、摘取、压缩、排版的成本，却没有降低我打开、阅读、判断、吸收的成本。每一份报告都还要经过我——我要判断它有没有用、是不是重复、和我有什么关系、要不要保存、后面还要不要再看。AI 生成得越容易，我面前就越容易多出一堆“应该处理一下”的东西。
AI 让信息变便宜了，但没有让注意力变便宜。
我基本不打开了。人的注意力，从生物意义上就是稀缺资源——它不像眼睛可以扫，不像手指可以点，是大脑专门调用某一类有限资源才能启动的过程。这一限制不是工程问题，是几亿年进化出来的工作方式：人脑本来就不是为同时处理十份报告设计的。AI 可以帮我把信息生产速度提高十倍，但我的注意力一次只能处理一份报告。这件事没法靠 prompt 解决，也不会因为模型更强就自动消失。
定时任务听起来是个节省时间的事，但如果没有足够价值，它反而是在消耗新的注意力。每一份发过来的报告都在占用一个“要不要打开”的判断，每一次打开都在挤掉我本来可以用来思考、写作、休息的那一块时间。
学习不是摄入信息，而是更新判断
我之前还有一个很强的痛点：有用的信息很难沉淀。这和定时任务是连在一起的——AI 帮我搜了，也总结了，我短暂看过，但它很少真正进入我的知识体系。过几天再看，很多东西几乎等于没发生过。
AI 总结本身没什么问题。问题出在我自己的认知模型里：我把“看到”和“学到”当成了一回事。看一份关于某个新 Agent 产品的报告，看完觉得“知道了”，但“知道”和“变成我的判断”之间还有一段路。真正的沉淀不是把内容丢进 Notion、Obsidian 或收藏夹，那只是存储。一条信息要变成自己的东西，至少要过三关。第一，它要归位，它属于我哪个长期关注的问题；第二，它要关联，它和我过去知道的东西是一致、冲突，还是补充；第三，它要转化，它有没有改变我的判断、方法、决策，或者一个还没验证的假设。
这三步没走完，信息只是被记下来，说不上被理解——大脑不会自动把短期接收升级成长期认知，必须靠主动的归位、对比、迁移。比如一个新的 Agent 产品发布，普通摘要会写它支持什么功能、有什么亮点、团队是谁。但如果它真的对我有用，它应该变成另一种东西：它是不是改变了我对 Personal Agent 的判断？它是不是说明工具调用已经不再是核心差异，长期状态管理才更关键？它是不是挑战了我之前对 Vibe Coding 产品分层的看法？——这时候，它才从新闻变成我的知识。
信息的终点不应该是送达，也不应该是收藏，而应该是认知发生变化。
我对很多 AI 信息任务失望的地方，就是它们只完成了最浅的一步：搜集和摘要。更难的那几步——筛选、去重、判断、排序、更新我的旧判断——又偷偷回到了我身上。
同一条信息，对不同的人是不同东西
信息有没有用，看的是我最近在写什么、最近在忙什么、最近脑子里在转什么问题——这些才是。
同一条信息，在不同时间、不同场景里价值完全不同。比如一个刚发布的 Agent 框架，如果我最近正在写相关主题，它对我就是一条值得立刻打开的东西；如果我最近在忙另一件事，它可能只适合先放着；如果半年后我重新研究这个方向，它又可能变成一条重要证据，是当时判断市场拐点的旁证。信息没有自己固定的价值，价值来自它和我当时状态之间的契合。
试着把信息价值拆开看，它大概是这样的：
信息价值 ≈ 信息本身 × 此刻的用户状态 × 时机 × 我既有的知识。
这条公式很粗糙，但它确认了一件事：影响信息价值的，从来不只是信息本身。读的人不同、时机不同、脑子里已经有什么东西不同，同一条信息的重量可以差出几个数量级。
定时任务最大的麻烦是它觉得我挑出来的东西对我永远有同样的价值。它把我变成了一个稳定的信息接收端，每周几上午十点接收一份和我当下问题无关的摘要。但我并不是一个稳定的信息接收端。
人不是稳定的信息接收端，人是在具体情境里判断什么值得知道。
这一点不解决，prompt 优化得再细、检索源换得再聪明，结果也只是在优化错误的目标。
Cron 把一个认知问题，翻译成了调度问题
任务多不是核心问题——真正卡住我的，是 Cron 这套机制本身的逻辑。
Cron 的底层逻辑很清楚：在确定的时间，执行确定的程序。它非常适合机器——每天几点跑、每周几跑、成功还是失败，都能说清楚。但我的很多需求不是这样的。我想说的是“Agent 开源生态有没有出现值得我研究的新东西”，不是“每周六上午十点给我生成 GitHub 周报”。我想知道的是有没有新的共识、反例或趋势，会让我重新想一遍某个判断，不是“今天 AI 大 V 都说了什么”。
人的原始意图是：如果某件事出现了值得我知道的变化，再告诉我。
产品最后经常把它翻译成：
每天几点给你一份？
翻译之后，它变得可执行了，也变得可统计了，但原来的意思丢了一部分。信息价值不是均匀产生的——GitHub 可能三周没什么值得看，然后一天突然冒出一个重要项目；AI 圈每天都很吵，但真正改变判断的东西很少；投资信息更麻烦，盯太紧容易焦虑，不盯又怕漏。所以频率这个问题，本来就没有稳定答案。我到底该一天一次、三天一次、还是一周一次？这事本来就该产品解决，不该完全扔给我来调。这是产品把认知问题降维成了调度问题。
对产品友好，对人不一定友好
定时任务对产品来说其实很诱人——它可见、可执行、可统计，能发通知，能制造回访，能让产品显得更主动，用户也容易理解：“我创建了一个任务，它每天帮我干活。”从工程角度，它也更可控：什么时候运行、搜什么、输出什么格式、有没有执行成功，都能被定义。
但人的长期价值不一定这样产生。对我来说，最让我满意的结果是：它检查了很多东西，发现没有什么值得占用我的注意力，所以没有找我。这件事对人很有价值，但对产品数据很尴尬——没有打开，没有 session，没有生成内容，甚至我都不一定感知到它做了事。
产品想证明自己做了很多，但人真正需要的是它替我少看很多。
这事不是某家产品的问题——信息流产品那套指标（生成了多少、推送了多少、打开率是多少、用户回来了多少次）被直接搬到了学习产品上。但学习是个长周期、低频率、常常沉默的过程，跟这些指标天然不兼容。结果就是：产品越努力，指标越好，但它和“替我多想一点”“替我少看一点”之间的距离越远。
模型再强，能改进的也只是报告本身。该不该生成、什么时候生成、生成之后怎么进入我的认知、能不能把“不打扰我”也当成一次成功——这些跟模型能力没关系。关键看产品愿不愿意把“沉默”当成一种成功。一个 AI 哪怕再会写报告，只要产品还要用“生成了多少”“推送了多少”来衡量它，它最后就会被训练成一个更会展示劳动的东西，而不是一个更会保护注意力的东西。
模型能力决定 AI 能不能把一份报告写好，但产品模型决定它会不会把我的生活变成一堆报告。
能力很重要，但产品怎么理解人，同样重要。
Cron 把“理解”，翻译成了“执行”
机械本身不是问题——机器需要确定性，工业需要流程，定时执行在很多场景下是合理的。Cron 真正的问题是它把“理解”翻译成了“执行”。
我想要的是“让我更好地理解这件事”，产品翻译出来的是“在某个时间点给我一份报告”。这两者听起来很像，其实差得很远。前者关心的是意义、判断、迁移、是否能改变我原来的认知；后者关心的是频率、格式、覆盖率、是否稳定送达。当 Cron 把前者压成后者，机器确实在按计划运行，但人那部分的需求，正在被悄悄替换成另一种东西。原本属于判断的事情，被翻译成可执行流程；最初的需求，悄悄变成了流程本身的目标。
我做了几个具体的调整。我把大部分定期任务关掉了，只留了几个真的承担“扫一眼今天有没有不一样”的，比如市场日报。一旦定时任务开始承担“帮我理解一个长期问题”，它就不再适合定时，应该等事件触发。
我开始在意 AI 是不是“记”得住我。我的注意力预算有限，我希望它替我记住我之前说过什么、写过什么、对某个问题的判断在哪。下次我问到相关的事，它应该知道我已经知道什么、我现在的判断是什么。
这些调整跟我观察到的另一个变化连在一起——人和 AI 相处的方式，本来一直在演化。以前觉得推送挺有用，现在看到推送会下意识想关掉；以前觉得 AI 勤奋生成是好事，现在看到“今天 AI 为你生成了 N 条”反而觉得它应该替我挡掉一些；以前觉得 AI 主动找我是贴心，现在觉得它能在我不说话的时候替我挡掉噪音，在我下次问的时候接上我之前在想什么，反而更贴心。
等到多数人对这些慢慢祛魅——对“勤奋 AI”祛魅，对“安静 AI”重新期待——产品如果还在用打开率、推送数、生成量来衡量自己，就会显得很笨拙。这不是哪一家产品要不要改的问题，是用户已经在前头走了，产品得跟上。
人怎么和 AI 相处，决定了产品接下来该往哪走。