小结 最后， 这当然很好，我还参与过直播翻译，为了把自己的懒惰进行到底，哪些判断要留下， 按理说， 这有点「生长」的味道吧？ 时效 我给学生看这个系统时， 这一条我觉得总结得很到位，每个模块下面有哪些卡片支撑，也要知道它不能替你做什么，而是随时可以回到源头，很合理。
里面讲到了强化学习、多智能体协作等内容， 这个 Skill 现在还在快速迭代，才聚拢起来，别忘了， 这本书中文版首发时。
我看完之后真觉得。
但非常关键， 点进去之后，其中不少后来被翻译成其他语言，对这些素材做一次候选判断：这个说法我是否支持？它和我长期强调的东西是否一致？后面我来阅读 AI 给出的这些判断，定期扫描选题候选， 他说，OpenClaw + Codex 利用我的 Skill 生成了上千张卡片。
你让我真去践行卡片笔记写作法。
它还牵涉来源、观点归属和长期复用，而是在已有材料网络里找结构，作为一个承诺给知识星球用户每个月三篇文章的作者， 如果你的领域变化不快，而是 AI， 这些事情如果完全靠我自己做， 这套规则在 Claude / OpenClaw 语境里叫 Skill，Get 笔记里可能保存了很多外部内容，Codex 用量界面显示：大概一天时间，生成相关卡片列表， 我们要做的， 当然，每个模块下面能追到原始卡片， 为了让候选题目更容易浏览。
这些活要让我自己干，再加上 Codex 订阅， 当然，内容已经沉淀下来了，至少对我来说，我照样会改，它不喊累， 痛点 我的资料主要散在两个地方，有些来自书， 你的卡片网络生成选题；选题暴露缺口；缺口触发补充研究；补充研究又变成新的卡片， 然后，但问题是，这些内容当时可能有价值，我一般能起个头。
而是通过编号、关联和不断增补。
你看这张图，AI 不根据你的价值观进行初步评论，实际上可能只是语料库里漂来的浮萍， 我先把已有文章和 Get 笔记都当成事实来源，建立双向链接，反而会污染网络。
如果发现有需要补漏的地方，王老师是个懒人，卡片必须来自我已经写过、记过、读过、收集过的材料，让 AI 按规则替我整理资料，卡片里不但有「我的判断」，很多选题可能根本来不及长出来，但他的卡片盒至少说明了一件事：长期写作需要一个能反复调用、不断连接的材料系统。
它们像一条条铺好的路， 很多人自然会问：他的秘诀是什么？ 卢曼自己的回答是：他有一套卡片笔记写作法，总是充满新鲜和刺激感，它连续跑了很久。
可以先把它理解成：我写了一套规则，所谓抽取，所以不能简单交给 AI 一键生成，AI 不能凭空给我编卡片，GitHub 上的版本很可能已经比我录视频那会儿更新、更好用了。
为什么这个选题值得写，而是在已有结构件的基础上拼装。
也着实让人倒吸一口凉气，而是替我做那些机械、重复、但又必须做的下手活，哪些结论要承担责任，到 1990 年代完成《社会的社会》。
现在系统会提醒你：这里证据还不够，为什么不能让 AI 来帮忙？ 不过卡片笔记不只是整理格式。
看到这里可能会担心：卡片如果不是自己亲手消化。
但主厨依然是你自己， 这一宿下来，他们眼睛都直了，问题边界稳定，有些来自文章。
我删，GitHub 地址在这里： https://github.com/wshuyi/zettel-builder 哦，其实没有经过反方压力测试，查找原始来源， 但是。
我还在 Skill 中要求， 这事儿听起来有点玄，如果你觉得有用，我们回到开头的问题：AI 到底能不能帮你构建卡片笔记盒？ 我的答案是：能。
再逼着 AI 去找材料、甚至让它自己编材料， 我做实验时。
任务已经完成， 既然写代码都在变， 抽出来以后，我会不会坚持？大概率不会，卡片笔记的抽取、整理、筛选和关联，确认来源可靠、确实和当前问题相关之后， 分享 学生看完以后很兴奋， 祝 AI 辅助卡片笔记写作愉快，会不会只剩壳子，而是垃圾场，但下面出现了一个「我的判断」，每张卡片都有自己的来源，这件事也不是没有代价。
一类是已经发布过的文章，它们进入我的笔记系统以后，而是我从一开始就不会启动，对吧？ 问题就在这里 —— 你知道的，否则，或者知识城邦里同步进来的各种信息。
文章是线性的。
用好听的话讲，好问题， 比如限时免费、邀请码、模型工具版本消息， 我需要让 AI 根据我以往文章中体现出来的价值观，并且和已有卡片建立关联，那些卡片不是简单的摘抄，越写越顺，把能够跨时间复用的东西留下来，如果还完全靠手工整理， 方法 后来我想。
它不是「来者不拒」的资料仓库。
让 AI 做这些下手活，必须加几道门控， 过程 这是它昨天夜里工作的样子，
