拒绝被大数据算法绑架，这是我的「信息筛选」原则

少数派·2025年06月06日 17:34

大数据算法时代，我的信息筛选之法

信息焦虑并非来自于「知道的太少」，而是「看到的太多」。现今，信息渠道五花八门，大致可分为以下几类：

文章类：公众号、博客、Newsletter、专业媒体平台
社交媒体类：推特、小红书、即刻、微博
视频平台：B 站、YouTube、抖音
播客与音频：喜马拉雅、蜻蜓 FM、Apple Podcast、Spotify
专业社区：知乎、Reddit、Quora、垂直领域论坛

渠道虽多，但问题也随之而来：哪些信息源真正值得我投入宝贵的注意力？我的方法非常简单，却也极端——宁可错过千条消息，也不浪费一秒钟在无意义的信息上。这背后并非冷酷的效率主义，而是一种深切敬畏——每一个关注按钮，都是对未来注意力的一次预支。我们必须用近乎苛刻的标准，对抗算法时代的信息浮躁。

问清楚：关键三问

一个真正有用的信息输入系统，不是收藏夹的堆积，不是信息源的漫灌，而是一个基于个人目标、主动控制的系统。它要回答三个问题：

我为什么要收集信息？（目的导向）
我从哪里获取信息？（源头、平台、创作者）
我如何管理和筛选信息？（策略与工具）

第一个问题决定我们不会被热点牵着鼻子走，也不会为「万物皆可收藏」所累。第二个问题让我们拆解「信息从哪来」的路径，避免在一个平台上一股脑地吸收所有内容。第三个问题则关乎执行力，真正影响我们能否形成长期积累。

搭框架：三层筛选策略

如果更多的信息是答案，那我们早就都是拥有六块腹肌的亿万富翁了。——Derek Sivers

第一步：选对平台

不同平台各有倾向，选对平台，等于选对了入口。

在人人都能发声的今天，内容生产门槛已大幅降低。然而，平台开放性越高，内容的泥沙俱下现象也越明显。真正有价值的内容，常常被纷繁复杂的噪音淹没。

对比各大内容平台，我发现它们各有特色：小红书适合获取灵感、把握趋势和实物体验，偏向轻量信息；微博用户基数庞大，适合快速了解热点和消遣；播客在碎片时间里提供强烈的语境感，但不便于查阅回顾；微信公众号虽然整体质量有所下滑，却仍是某些专业创作者的主阵地。

当然，我个人并不喜欢微博、小红书这类超级平台，因为其平台体量决定——即使有高质量创作者存在，也极易被庞大的流量洪流冲散。相比之下，推特、即刻等平台因其独特的用户生态与交流氛围，形成了相对高浓度的信息环境。

当一个创作者真正打动我时，我从不满足于点赞或关注这种浅层互动。于是我会顺藤摸瓜，寻找这个人在其他平台留下的痕迹——博客、播客、视频，甚至课程。一旦发现有价值的线索，我就将其加入 FOLO，设为内测源：给它一个月的试用期，如果能持续激发我的思考，就留下；否则就毫不犹豫地退订。

曾经有一位作者，仅凭一篇公众号文章就震撼了我。寥寥数百字，却像手术刀一样剖开了我长期以来的模糊与疑问。我顺势找到了他经营多年的个人博客，里面沉淀着十年如一日的思考，跨越了产品设计与认知科学的边界。后来，我甚至参与了他的课程，并成为他的助手。

然而，真正的冲突在靠近后才浮现。我们在一些根本理念上产生了分歧——那不是简单的观点之争，而是世界观、方法论甚至人性判断上的差异。这时我才明白：仅仅通过文字形成的共鸣，有时候不过是一场美丽的误会。

退订和离开成了自然的结果。但回头看，最宝贵的并非那几篇文字本身，而是我曾以行动者的身份深入他的世界，从模仿、辅助、质疑到最终离开的整个过程。这段旅程的价值，远超过任何单纯的文字启发。

所以，当你发现一个创作者的内容不再打动你时，不必着急退订——这可能不是他的问题，而是你已准备好更深入地探索。如果你只是停留在「消费内容」的层面，终将感到枯竭；但如果你敢于接触创作者本人，哪怕最终结果是分道扬镳，你获得的经验也会比纯粹的文字更加丰富、更加真实。

除了文字，我也高度重视视频资源，特别是那些深度内容。比如 B 站和 YouTube 远非仅是娱乐场所，它们蕴含着海量宝藏：世界顶尖学府的公开课程，前沿领域的专业讲解，精细的读书笔记和创作者深度访谈。

视频的独特价值在于能更立体地展现一个人的思考路径和表达风格。我曾在B站遇到一位名为拉里萨的博主，她分享的读书心得真挚有力，让我产生强烈共鸣。后来出差到她所在城市时，我鼓起勇气联系了她，没想到真的见面了！现在我们已经成为了朋友。

这再次证明，信息筛选不仅关乎内容质量，更是连接思想、甚至连接现实生活的桥梁。

第二步：选对人

平台提供内容，真正起决定性作用的是「创作者」。我们真正应关注的，是那些对我们有帮助的创作者，而不是某个内容突然火了。信息由人传递，而人的品格、经验和表达方式才是构成信息质量的根本基石。

在选择关注对象时，我遵循三个关键标准：

首先，看重一致性与深度。真正值得关注的创作者，通常在特定领域有持续且深入的思考。他们不会随波逐流追逐热点，而是专注于自己的核心议题，呈现出思想的一致性和演进轨迹。

其次，重视原创性与思辨能力。我特别珍视那些能提供第一手观察、独立思考的声音。在信息同质化严重的今天，能够提出新颖视角或挑战主流叙事的创作者格外珍贵。他们不仅传递信息，更传递思考方法。

第三，注重表达的诚实与透明。真正有价值的创作者往往坦承自己的局限，愿意展示思考过程中的不确定性与矛盾。他们不回避复杂问题，也不简单归因或二元判断，而是呈现问题的多个维度。

我不相信有完美的人类存在，所以我格外珍惜那些从第三方视角去真诚看待自己的人。知之为知之，不知为不知，是知也——这是老祖宗的智慧。坦诚自己不会的东西，教授自己理解的内容，并不虚伪假装，这便是我最为倾心的创作者。

因此，我现在的信息筛选路径更为清晰：先选择氛围适宜的平台，再筛选真正有深度、有温度的创作者，最终，突破屏幕限制，建立真实的人际连接。

值得注意的是，这种「人」的筛选并非一成不变。我定期对自己关注的创作者进行「复盘」：他们的内容是否依然给我带来启发？我是否从中获得了新的思考角度？如果连续多次浏览后感到食之无味，那么无论之前多么欣赏，也应该取消关注。

我始终相信：真正优质的内容和人，总能穿越平台的围墙被发现。如果某个平台的大环境让我感到极度排斥，我宁愿等待那些优质内容通过其他渠道被我发现，而非勉强自己去适应一个糟糕的环境。

第三步：分类信息

当然，现实中仍然存在一些特殊情况。

例如气象领域专家「信欣」，他在微博上提供的即时气象分析既专业又通俗易懂，几乎无可替代。尽管我个人对微博平台有所排斥，但这种专业且时效性强的信息源，值得我专门开设通道关注。这提醒我，在信息筛选过程中，必须清晰区分不同类型的信息：

泛化信息（如行业动态、个人成长、宏观趋势）通常在各大平台上有多种可替代选择，只需精选几个优质信息源即可。这类信息的特点是更新频繁、覆盖面广，但深度有限。对于泛化信息，我采取的是「少而精」的策略——每个领域只保留 1-2 个最优质的信息源，避免重复获取相似内容造成的认知负担。

例如，对于AI行业动态，我只关注一个周刊和两个公众号（数字生命卡兹克/橘子汽水铺），而刻意忽略那些争相报道「谁融资、谁裁员」的科技媒体。这种策略确保我既不会错过真正重要的行业变化，又不会被大量相似新闻分散注意力。

相比之下，专业化信息（如科研数据、行业内幕、细分领域技能）需要精准定位，长期跟踪，甚至不惜投入额外时间与资源去获取。这类信息往往隐藏在特定渠道，具有不可替代性，是构建个人知识优势的关键。

对于专业化信息，我的策略是「深度优先」——一旦确认某个信息源在特定专业领域的价值，我会不惜代价地保持关注，并尽可能拓展相关连接。这包括订阅付费内容、参与专业社区讨论、甚至直接与领域专家建立联系。

定规则：三条输入原则

在筛选信息上下功夫，不就是为了少做无用功吗？试试这三个原则，或许能给你点启发。

原则一：与我有关

在构建信息输入流时，一个至关重要的原则是：内容必须与我有关。听起来容易，做起来却很难。

我曾经尝试过多种信息订阅分类方式。最初，我可能会按照传统的来源或主题来分类，比如：新闻、博客、理财、自我成长、读书笔记、心理学等等。但很快就发现一个问题——我总是在不同的文件夹之间跳来跳去，注意力往往只集中在少数几个最常看的信源上，很多分类形同虚设。

后来，我调整策略，尝试按照阅读频率来分类，比如：必读内容、每周阅读、每月阅读、随心阅读。结果又出现了新的问题——我发现自己越来越频繁地点进「随心阅读」的文件夹，因为里面大多是些轻松娱乐的内容（这该死的人类劣根性！）。而那些真正应该阅读、需要投入思考的「必读」文章，反而越积越多，让人感到压力山大。

直到某一天，我突然想明白了：再好的内容，如果与我当前的阶段和目标无关，它存在的意义又是什么？

这个顿悟让我重新审视了自己的真正需求。虽然我对很多领域都抱有兴趣，但并非每一项兴趣都和我的未来发展、当前工作或核心目标密切相关。经过仔细反思，我发现「内容创作」与「知识变现」才是我目前最重要、最核心的方向。

于是，我毫不犹豫地退订了大量虽然优质但与我核心目标无关的信息源，只留下了那些与这两个核心议题高度相关的内容。并且，我进一步按照内容生产的实际流程对这些保留下来的信息源进行了重新分组，例如：

我应该学习谁的写作风格和选题方向？
怎样才能起一个吸引人的好标题？
如何持续产出高质量的内容？
内容发布后如何进行有效的推广？

这四个核心问题成为了我新的信息分组标准。其余一些虽然有用但难以归入这四大类的零散内容，则统一放入「其他」类别。

当我以自身的内容生产流程为核心，重新组织了我的信息分类之后，整个浏览和学习体验焕然一新。我也在潜移默化中，逐渐摸索出了属于自己的创作节奏和方法论。

你也可以像我这样思考：如何在自己亲手搭建的信息屏障中，让信息真正为自己服务？这个思考和实践的过程，大致可以简化为三个步骤：

明确核心需求：你当前最想解决的问题是什么？最重要的目标是什么？

剔除无关内容：根据核心需求，大胆舍弃那些分散精力、与目标关联不大的信息。

按实际应用场景重组信息：将保留下来的信息，按照你实际使用它们的方式或解决问题的流程进行分类和组织。

对于那些即时性的信息，比如新工具的发布、行业内的重大新闻等，我通常只花几分钟快速浏览一遍，有特别感兴趣的再深入了解。至于那些容易让人沉迷的社交媒体信息流，则需要给自己设定严格的时间限制，比如十分钟内快速扫完，然后立刻关闭，避免不必要的时间消耗。至于「社交媒体」分类，

原则二：分步展开

浏览时只做浏览判断，不做深入阅读，这是我坚持的第二个重要原则。

在实际操作中，我发现如果不刻意区分「快速浏览筛选」和「深度钻研学习」这两个阶段，就很容易陷入一种随意、放任的状态。比如以前，我经常一边浏览信息列表，一边忍不住点开某篇文章开始仔细阅读，结果一看就是半个多小时，不仅打乱了原计划，也很难清晰回忆起自己究竟都看了哪些其他内容。这种目的性不足、自我限制不清的状态，让我感觉时间消耗了很多，但实际收获却非常零碎，注意力也被频繁打断和稀释。

因此，我现在会明确地将信息处理分为不同的阶段。

浏览筛选阶段： 主要任务是快速判断内容的潜在价值，避免过早陷入细节。我会快速扫过标题、摘要或文章开头结尾，判断其是否值得后续投入时间。如果软件支持，也可以直接利用 AI 生成的摘要来辅助浏览。对于那些看上去好用、有趣的工具类信息，我通常也只是先点开链接将其暂存起来，不会立即去查看和试用，等整个浏览筛选阶段结束后再统一处理。

深度处理阶段： 对于在筛选阶段被标记为「有价值」的内容，我会将其收藏或整理到特定的地方，安排专门的时间进行精读、思考、实践或笔记。

为什么要这样做？因为浏览和精读属于两种完全不同的心流模式。将它们混在一起处理，很容易导致既浏览不好（容易遗漏重要信息），也读不深（容易被其他信息干扰）。分阶段进行，确保每一次的专注都更纯粹，自然也更高效。

原则三：够用就行

在信息处理的过程中，我们可能会接触和使用到各种各样的软件工具。这些工具往往拥有强大的功能，比如自定义规则、自动化流程、关键词标记等等。然而，我给自己设定了一个小原则：对工具的探索，以「能用就好」为准，不要过度深挖。否则，你很容易陷入对软件功能本身的无尽研究中，反而忘记了自己使用工具的初衷和真正的目的。

早期接触各种效率工具时，我也曾经陷入过对工具过度研究的误区。比如，在学习一款名为 SuperMemo 的记忆软件时，我花了整整四天时间去研究它的各种规则设定、理论背景、高级功能，结果在实际使用中发现，对我而言最重要的、最常用的，不过是掌握两三个核心的快捷键而已。

很多时候，并不是那些高级功能不好，而是我们当前的认知水平和实际需求，还不足以真正驾驭那些复杂的功能设定。过度的预先研究不仅浪费了宝贵的精力，还容易让人产生一种「工具本位」的幻觉。所以，我现在更倾向于应用驱动学习：先尝试使用工具的基本功能来解决实际问题。只有当基本功能无法满足需求，或者我遇到了明确的瓶颈时，我才会针对性地去学习更高级的功能，或者去寻找更合适的工具。

在搜索和发现新工具时，我也会首先问自己：「这个工具对我当下的工作或学习有实质性的帮助吗？」如果有用，我会立刻尝试将其纳入我的工作流程；如果暂时用不上，但感觉其具有较高的潜在价值，我会将其记录和收藏起来（比如使用 Zotero 等文献管理工具）；如果某个工具的功能远远超出了我现阶段的理解和应用能力范围，我会简单了解一下它的概念后就先放下。

我的判断标准始终是：这个工具或功能，是否与我当前的任务和核心需求高度相关。如果不相关，即使它再炫酷、再强大，我也不会投入过多的时间去钻研。