为什么 AI 时代更应该 Learn in Public

TL;DR

Learn in Public 强调将学习到的知识 分享到公共空间，相较于纯输入式的学习有诸多好处。AI 工具极大降低了信息检索、整理、概括的门槛，使得输入信息更容易，但对我们真正掌握知识的帮助仍然有限，所以我们更需践行要像 Learn in Public 这样能提供 有效输出 的学习方式

AI 工具大大降低了信息检索、整理和概括的门槛，使得获取信息更加便捷，但对我们真正掌握知识的帮助仍然有限。因此我们更需要践行像 Learn in Public 这样重视 有效输出 的学习方式

为什么会想到这个话题

偶然间看到 Owen 发的贴子：

看到一个说法：笔记是一种无限游戏，没有结果，只有过程；而博客是一种有限游戏，因为它产出了完成的作品：博文。这说明我们不能当一个完美主义者，只在脑海或草稿箱中保留想法，我们应该尽可能完成作品，公开它，然后不断的练习这个过程。

我更坚定那个想法了：做一个默认设计为公开的笔记软件

看到这个贴子，马上联想到了 Learn in Public 这个概念，开始思考自己的这些年记笔记的方式，意识到了原来的方式可能存在一些问题，于是开始尝试践行 Learn in Public，将自己学习的一些东西写成博客、用学到的知识做一个有意义的产品等等。经过了这段时间的实践，再结合上自己日常使用 AI 的一些感受和想法，很自然地就想到了这个话题

什么是 Learn In Public

在 swyx 发布 Learn In Public 后，这个概念变得更加流行。Learn in Public 强调的是 将学到的东西分享到公共空间

常见的 Learn In Public 的方式，例如：

1. 撰写博客、教程
2. 在会议上发言
3. 在问答社区提问或者回答
4. 制作并发布视频

与之相对的 Learn in Private 侧重的是 消费内容，例如：

1. 个人笔记
2. 阅读书籍
3. 阅读源码
4. 订阅 GitHub 的 Repos 和 Issues，观察其他的人实践

为什么需要 Learn in Public

1. Learn in Public 是一个输出的过程，促进知识的整理、理解、求证，帮助我们拓宽对某些 知识理解的边界
2. 公共空间能提供 反馈，反馈可以产生激励、也可以修正我们努力的方向
3. 有助于 筛选 所要学习的东西，Learn In Public 会花费大量精力，它能促使我们评估即将学习的内容是否值得
4. 对抗完美主义，先有产出，走出第一步再根据反馈 持续迭代，而不是止步不前
5. 很多的知识都来自 Public ，所以没有什么好藏着掖着，大部分的成果可能都是站在巨人的肩膀上

为什么 AI 时代更应该 Learn in Public

在 AI 的推动下，知识获取已经实现了质的飞跃，但对我们真正掌握知识的帮助仍然有限，所以我们更应该 Learn in Public，做更多的 有效输出

AI 时代信息检索、整理、概括成本急剧下降，机械式学习 或者是 誊抄式地摘抄笔记 在变得更加没有意义。在 GPT 兴起之前，使用的优秀的搜索引擎、完全使用英文搜索技术问题、阅读官方文档，这些都被视为一种能力，如今众多的 AI 工具已经极大缩小这些差距。ChatGPT 或是 devv.ai 这类 AI 工具都提升了检索效率，在 AI 的加持下 沉浸式翻译 这类的插件提高了外文阅读的效率，解决普遍问题正在变得越来越容易

一些知识技术迭代快，在时效性上一些 摘抄笔记 不如 检索增强生成（Retrieval Augmented Generation）的 AI提供的实时内容。我曾经也沉迷在各种笔记工具，复制粘贴，忽略了思考，随着知识的更新迭代，这些笔记开始慢慢腐烂，变得食之无味弃之可惜，最后自己都不想看

目前的 AI 还不具备实践或跨流程解决问题的能力，事物之间的衔接仍需我们来完成，实践和深度地分析解决问题的价值更加凸显

一些思路分享

1. 利用好 AI 工具：AI 生成的内容可能在准确性、时效性、效率上要优于常规方式检索。我们可以用 AI 快速了解一些知识的轮廓，也可以在 AI 的辅助下更深入地学习某些 有价值 的东西
2. 将学习到的知识 分享到公共空间，可以设定一个小目标，比如：针对某个知识点写出比 AI 生成内容更高质量的博客
3. 用公开的博客代替私有化的笔记，用反复地思考推敲 代替 随意地复制粘贴引用
4. 以项目或者是作品驱动，直接开始做，用好 AI 工具，边学边做

参考资料

Learn In Public

How To Learn In Private

怎么做，能30天内学会任何技能？