我是如何改变阅读流程并且快速涨粉5w的？（附信息源清单）

每天几百条 AI 推文从你眼前划过去 点赞、收藏、划走，关掉手机问自己今天学到啥，一句也答不上来

别人聊的新东西你没听过，心里咯噔一下，越刷越慌，越慌越刷 这不是你刷得少，恰恰相反，是你刷得太多、太碎而且你刷的那个信息流，本来就不是为了让你学到东西设计的，它只想劫持你的注意力。

我是个 10w 粉的博主，每天必须比大多数人吃进更多 AI 信息，而且输出更多，文字，图片，视频。

我之前也陷入那种每天信息焦虑的状态，直接让我输出能力变弱。 后来我改变了自己的阅读流程，输出效率飙升，直接从5w粉涨到10w粉。

下面我将其总结为低能量三步法：

第一步：更换到低能量信息源：我从 100+ 个源里筛出来了高质量信息，按职业分好，直接对号入座

第二步：低能量阅读法：一天只精读 3 篇，但拿到 100 篇的知识量（真实可信）

第三步：低能量输出法：让AI给你输出，但保持高质量

从今天起，AI 信息不再追着你跑，是你挑着看！！

先说第一步，信息源怎么换。

换信息源就是换信息选择权

换信息源的第一步，就是筛选出优质的信息源。

我相信大家已经被碎片化的信息轰炸到模糊的状态了，假如还不信？

先做个测试：别往下看，回忆一下你 20 分钟前刷过哪条印象深刻但高价值的推文。

是不是已经忘记刚刚看了啥？

碎片化的短信息本身就不太会产生深刻的记忆，更要命的是算法会直接推给你，导致你别无选择，只能阅读。但newsletter 是定向获取的，这样极大程度保护自己的注意力

换信息源，本质就是换信息的选择权。这也是我为什么推崇使用邮件来做阅读渠道的原因。

下面这些 newsletter 是我一年里从 100+ 源里筛下来的高质量信息源，按照不同职业给你列出来了，希望对你有帮助。

A. 做产品的 One Useful Thing（oneusefulthing.org）周更，拿真实工作场景测模型能力边界 Ben's Bites（bensbites.com）日更，产品发布密度最高 Product Hunt（producthunt.com）日更，新产品原始发布流 The Batch（deeplearning.ai/the-batch）周四，Andrew Ng 亲笔

B. 做研发的 Simon Willison（simonw.substack.com）一手实操，几乎不转述别人 Interconnects（interconnects.ai）RLHF 和开源模型训练 Import AI（importai.substack.com）Jack Clark，研究加政策 Ahead of AI（magazine.sebastianraschka.com）肯把实现细节讲透 Hugging Face Papers（huggingface.co/papers）日更，官方有邮件订阅

C. 做增长找素材的 TLDR AI（tldr.tech/ai）日更，密度最高 The Rundown AI（therundown.ai）日更，转中文最省力 Gary Marcus（garymarcus.substack.com）持续唱反调。做内容最缺的不是信息，是对立面 Last Week in AI（lastweekin.ai）周更，适合做长推

订阅上面的newsletter没难度，难的是订完之后，将其整理好。

下面我给大家分享一个newsletter整理三步法！！

一、让它找出你订了哪些

我日常用的是网易邮箱大师，就拿这个做例子

让 MailAgent 读最近三个月的邮件，把 AI newsletter 的发件人地址全揪出来。

二、让它生成 Gmail 过滤器规则

拿到地址直接让它写成规则，多个地址用 OR 合并，过滤器只建一次就够。

三、建标签

Gmail 新建标签 ai newsletter，然后建过滤器。

动作勾两个：应用标签、跳过收件箱。

第二个必须勾。勾了 newsletter 就不进收件箱，直接进文件夹。

弹窗问“同时应用到当前匹配的会话”也勾上，已经躺在收件箱的会一起归档过去。

到这里，你的ai newsletter就会自动跑到一个文件夹下面，以后无需整理。

但文件夹里现在躺着 51 封信，一封比一封长。全读完？ 那不叫治焦虑，那叫换个地方焦虑。

接下来要解决的就是：这么多信息我们该如何高效阅读的问题。

低能量阅读法：一天 3 篇，100 篇的知识量

我一天只精读 3 篇文章，但神奇的是我有着是 100 篇的知识量。

听起来不可思议，但我保证绝对没有骗你。 下面给大家解释一下我的低能量阅读四步法

第一步：让 Agent 把上百封newsleeter总结成一张清单

打开网易邮箱大师，选中 ai newsletter 这个标签（里面是你的AI newsletter），按照下面

它会把里面值得看的东西列出来，一条一行。

原来要翻 51 封邮件，现在看一屏。

第二步：把主流观点全划掉

拿到清单，大部分人从头往下读。我不。我第一件事是把常见的观点全划掉。

原因很简单：主流观点你在日常里已经被反复喂过了。同一件事，社媒上刷到过，群里聊到过，别的 newsletter 也写过。再读一遍，增量为零。

我只挑非主流的。别人没说的角度、跟共识拧着的判断、我没见过的数据。 一天挑 3 篇，够了。

比如今天这篇讲 AI 泡沫风险，跟主流反着，我就点进去。

第四步：剩下的97篇处理流程

现在回到开头那个问题。3 篇是我读的，那 100 篇的知识量从哪来？

从我不读的那 97 篇来。

这些文章我判断过了，都是主流观点，不值得我花时间。但不值得读，不等于不值得存。

我的做法是：让 MailAgent 把这些文章的地址列出来，全部编译进我的知识库。

用的是 Karpathy 提出的 LLM Wiki。一句话解释：Agent 把每篇文章里的概念、主张、开放问题拆成一张张卡片，再把新卡片和已有的连起来，久了就是一张活的知识网络。

构建步骤我之前的文章写过，就不赘述了

嵌入推文（联网查看）

你现在已经看得懂了我是阅读流程，就是让Agent记忆剩下的内容。

但我只看了3篇知识，如何才能输出一百篇的效果呢？

低能量输出法：不从零开始写

学了不输出，等于没学，但大部分人卡在同一个地方：动笔就不知道如何写。 我之前也是这样，直到我学会低能量输出法。

第一步：把知识库的目录丢给 AI

动笔前只做一个动作：把知识库的 index 文件地址粘给 AI。

这个文件登记了你所有知识页面的标题和摘要。AI 拿到它，就能在你的知识库里检索。

你问它一个问题，它从你读过的东西里找答案，不是从互联网上瞎编。

而且它是分级查的：先读 index 定位到相关页面，再去读具体内容。不用把全部笔记一股脑塞进去，token 省很多。

嫌每次粘麻烦，就写进 Agent 的配置文件。比如 Claude Code 的 CLAUDE.md 里加一句“需要了解我的时候，去读这个目录下的 Wiki”，从此它自己会翻。

有这一步AI能输出60分的内容，接下来的步骤能让你的输出到80分。

第二步：卡住的地方，直接问作者

这一步最值，也是大部分人想不到的。

写的时候一定会碰到想不透的地方，作者为什么敢这么说。

这些问题 AI 答不了，答案只在作者脑子里。

千万别内耗，直接低能量解决方法：直接问他。

newsletter 的作者是真人，他的邮箱就在你手上，那封信就躺在你的 ai newsletter 文件夹里，点回复就行。

这是 newsletter 比推文强的另一个地方：推文底下的评论他大概率看不到，但一封写得认真的邮件，他大概率会回。

但一封给陌生作者的英文邮件，很多人写不出来。要么憋半天，要么写得像机翻。

这事交给 Mail Agent。

打开网易邮箱大师，点右上角的 AI 图标，进的就是 Mail Agent 对话页。它的 AI 邮件助理有四个动作：一键润色、写信、翻译、总结。 问作者这个场景，前三个都用得上：

• 写信：你用中文把想问的说清楚，让它生成一封英文邮件

• 一键润色：觉得语气不够得体，让它再修一版

• 翻译：作者回信来了看不懂，一键翻成中文

关键是它记得你是谁。 Mail Agent 有固定的记忆系统，你可以在菜单里点“个性化”，设你的行为准则和用户档案，告诉它你的身份、所在领域、常用术语和说话风格。设过一次之后，它写出来的信是你的口气，不是模板腔。

对英文不自信的人，这一步的门槛直接被抹平了。 你想问的东西，不会因为“不知道怎么开口”烂在肚子里。

别小看这一步，当你的文章有原作者解答和背书的时候，阅读量就会翻倍。

第三步：写完，自己润稿一遍

AI 带着你的知识库写出来的东西，会很像你，但不等于都对。

它会记错，也会编。凡是具体的数字、人名、时间、引述，一律回原文核。

而且写作的语气也不像你，简单润色一遍，把文章拉到80分。

收尾

以上就是我每天处理 AI 信息的全部流程

• newsletter 进你的专属文件夹

• 3 篇进脑子，97 篇进知识库

• 知识库反过来喂你的输出，卡住了就回信问作者

整个流程我就用一个工具：网易邮箱，客户端用网易邮箱大师，AI 能力叫 Mail Agent，点右上角的 AI 图标就能进。 当然也支持其他其他软件，大家按需选择。

#网易邮箱 #网易邮箱MailAgent #网易邮箱大师 #AI工具