AI给的信息越多，你越需要学会读懂——翻完樊登这本书，我终于不焦虑了
昨天凌晨，一个朋友给我发了条微信：“完了，Claude又变笨了。”
我点开他转发的链接一看，是Anthropic官方发的一篇长文，标题大意是：不是Claude变笨了，是你用错了方式。
这篇文章来得太及时了。
就在同一天，OpenAI刚刚发布了GPT-5.6系列模型——Sol、Terra、Luna三个版本全线铺货，API价格最低降到了每百万token输入1美元。而在开发者社区里，关于Claude Code"降智"的骂声已经持续了将近四个月。AMD的AI负责人Stella Laurenzo翻出6852个会话日志实测后发现：Claude的思考量比年初掉了67%。
“Claude已经没法被信任，去干复杂的工程活了。“她撂下这句话的时候，大概说出了不少人的心声。
但你有没有想过一个更扎心的问题：这些天我们一边骂AI变笨，一边又停不下来地刷AI给的信息，到底谁出了问题？
这个问题，我在樊登的《读懂这本书》里找到了一个意外的答案。
一、一个让人窒息的数字
先说几个数据，你感受一下。
据路透社研究所2026年初的报告，全球70%的新闻消费已经是AI策划的。也就是说，你每天看到的国际大事、科技动态、社会热点，绝大多数经过了算法的筛选、排序和推送。你以为是你在看新闻，其实是AI在替你看。
再看一项哈佛商业评论的最新研究：在847个AI团队中，73%的团队未能发挥潜力，不是因为缺人才、缺资源，而是被信息淹没了。这些团队平均每天花2.3小时消费信息，打断专注工作23次，研究时间比实际构建时间多了43%。
更扎心的是：信息越多的团队，做决策时反转的概率越高——比正常团队高出31%。
这是什么概念？就是你每天刷的AI摘要、技术博客、行业报告，不但没让你更聪明，反而让你更容易"翻来覆去拿不定主意”。
你有没有过这种体验？
早上起来看了一篇AI总结的行业日报，觉得A方向有机会；中午刷到一个大V的分析，又说B方向才是未来；下午看到一个开源项目火了，开始纠结要不要转方向。一天下来，信息量爆炸，但你其实什么都没想清楚。
以前我们焦虑的是"信息不够”。现在的问题是：信息太多了，消化不了。
《哈佛商业评论》那项研究还提到一个细节：当团队同时使用1个AI工具时，生产力显著提升；使用2个工具时，继续提升但增幅放缓；到第3个工具时，生产力开始下降。
这就像吃饭。吃一碗饭叫营养均衡，吃三碗饭叫撑得难受。你以为多吃几碗会更强壮，其实只是让胃更辛苦。
我自己就有过这种体验。有段时间我同时开着三个AI工具：一个帮我总结新闻，一个帮我分析行业报告，一个帮我追踪技术动态。每天觉得自己"信息量爆表"，但到了要做决策的时候，脑子里反而一团浆糊。
不是因为信息太少做不了决策，而是因为信息太多、互相矛盾，反而不知道该信谁了。
二、不是模型变笨，是"阅读方式"变了
回到开头Claude"降智"那件事。
Anthropic在官方长文中揭示了一个很多人搞混的事情：模型选择（Model）和努力度（Effort）是两码事。
Model换的是"脑子"——一套训练好的权重，知识和能力在训练结束那一刻就焊死了。
Effort换的是"态度"——AI这次任务上到底肯投入多少工作量：读几个文件、跑不跑测试、要不要额外验证、能不能一口气把任务链跑完。
今年3月，Anthropic为了压低延迟，悄悄把Effort默认档位从high降到了medium。用户没注意到这个变化，只觉得模型突然"变笨了"——该读的文件不读了，该跑的测试不跑了，干到一半就撂挑子反问你要更多信息。
你看，问题不在AI的能力，在于你没有让它"认真读"。
这个道理放到我们自己身上，其实更残酷。
我们每天用AI获取信息的时候，自己的"Effort"是多少？
大部分人其实是最低档：被动接收。 AI给什么就看什么，摘要看完等于读完了，收藏等于学会了。这和Claude把Effort调到medium的状态一模一样——表面上在工作，实际上什么都没深入。
法国《回声报》最近有篇文章说得更直接：人工智能并没有解放我们的时间。76%的员工表示他们始终缺乏时间进行深度工作。 AI降低了信息生产的成本，但处理成本依然由人来承担。每一个人省下的时间，都变成了整个系统的认知过载。
换句话说，AI让你"看到"的更多了，但你"读懂"的反而更少了。
三、樊登早就想明白了一件事
我是在这个时候翻开《读懂这本书》的。
说实话，之前对樊登读书法有一些偏见——觉得"50分钟讲完一本书"不就是快餐式阅读吗？AI总结不比讲书更快更准？
读完这本书才发现，我理解反了。
樊登的核心观点不是"怎么读得更快"，而是**“怎么读得更深”**。
他在书中提出了一个概念叫"知识的自我反刍"。什么叫反刍？就是牛吃草的时候，先快速吞下去，然后找一个安静的地方，慢慢嚼回来，把营养彻底吸收。
读书也一样。大部分人现在的阅读状态是"吞"——快速浏览AI摘要、三分钟讲书、卡片式知识、短视频解读。信息量是够了，但营养没吸收。
樊登说，真正的读书要经历三个层次：
第一层：信息提取。 从文本中找到核心主张和关键数据。这是AI做得最好的，也是人做得最没必要的。
第二层：逻辑分析。 看得懂论证链条，判断推理是否完整。这一步AI能做一半，但它不会告诉你"这个论证有没有漏洞"。
第三层：批判性判断。 证据够了吗？结论有没有被夸大？有没有其他解释？这一步，AI完全做不了。
为什么做不了？因为判断需要立场、经验和对不确定性的容忍。这些是人的特质。
樊登在书里说了一句让我印象深刻的话：“如果一本书中所写的内容都是迎合你的需求，增加你的自我崇拜感，放大你的欲望、跪求你的认同，你一定要小心，它不只是想赚你的钱，还想让你变得更傻。”
放到今天的语境里，把"一本书"换成"一条AI推送"，简直一模一样。
你想想，AI给你推的那些"3分钟看懂XX"“一文读懂XX行业”，是不是都在迎合你的需求？都在告诉你"你之前想的是对的，来看看更多证据"？都在用最短的时间给你最大的"获得感"？
但真正让你成长的内容，往往是那种读起来有点费劲、跟你既有认知不太一样、需要停下来想一想的东西。
樊登在书里管这叫"打开知识的缺口"。他说，先学再有兴趣，不要只读自己舒适区里的东西。只有打开缺口，才有可能发现新的知识。
四、从"观光式阅读"到"沉浸式阅读"
《读懂这本书》里有一组对比，我觉得放在AI时代特别适用。
观光式阅读：打卡式的，看完等于来过，学得快忘得快。就像旅游团一天逛五个景点，拍了照发了朋友圈，回来问你看到了什么，只剩几个模糊的画面。
沉浸式阅读：把自己扔进去，没有意义自己找，没有脉络自己理，进入"心流"状态。
樊登说，讲书是沉浸式学习的最佳方式。因为当你知道要讲给别人听的时候，你的大脑会被迫完成一件观光式阅读绝对不会做的事：主动建构。
你必须搞清楚这本书要解决什么问题，它的论证链条是什么，最有力的案例是什么，最有价值的观点在哪里。你不能只"看到"，你必须"理解"。
《认知天性》里有个研究也支持这个观点：划线和标注是一种"催眠式假用功"，让你觉得自己在学习，实际上大脑根本没在工作。真正有效的学习需要"摩擦"——那种合上书本、试图回忆核心内容时大脑感到的"卡壳感"，才是记忆真正形成的时刻。
AI时代最大的陷阱就在这里：它把"摩擦"消除了。
你不需要查资料了，AI给你总结好了。你不需要记笔记了，AI帮你提取了重点。你不需要思考了，AI直接给你答案。
一切都很顺畅，一切都"毫无摩擦"。
但认知科学告诉我们：没有摩擦的学习，等于没有学习。
五、一个让人不舒服的推论
说到这里，有一个推论可能让人不太舒服——
如果一个人在AI时代只学会了"用AI"，而没有学会"判断AI"，他会比没有AI的时候更被动。
为什么？
没有AI的时候，他至少知道自己不知道。他会去翻书、查资料、问老师。过程虽然慢，但他在主动思考。
有了AI之后，他觉得"我什么都知道了"。AI给他的答案又快又像那么回事。他不再验证，不再质疑，因为他信任那个流畅的、自信的回答。
他变成了一个高效的"信息接收终端"，但不是一个有判断力的思考者。
樊登在书中提出了一个概念叫"多向度的人"。这种人的思维体系有三大支柱：
①事实。 在科学语言里只有事实，每个人通过实验测试得到了数据才可以进行分析、决策。
②逻辑。 事实之间的逻辑关系是什么？什么样的分析能够让你感受到这是一个因果关系？
③批判性思维。 要对所有的事实和结论保持怀疑态度，问清事实和结论的真实性。
这三样东西，没有一样是AI能替你完成的。
AI可以给你事实，但它不会告诉你哪些事实是重要的。AI可以帮你梳理逻辑，但它不会告诉你这个逻辑链条有没有隐藏的假设。AI更不可能替你质疑自己的结论——因为那需要勇气和独立思考。
一个在AI时代真正有竞争力的人，不是"会用AI的人"，是"能判断AI给的东西对不对的人"。
六、那么，到底应该怎么读？
《读懂这本书》给了一套方法论，我试着提炼一下，结合AI时代的场景做个翻译：
第一，带着问题读，不是带着关键词读。
用AI搜索的时候，大部分人输入的是关键词——“AI趋势"“投资方向"“职场技能”。但樊登说，任何一本好书都有一条主线：它要解决什么问题？你阅读之前，先想清楚你要解决什么问题。然后带着这个问题去读，所有的信息都围绕这个问题来筛选。
第二，读完先"反刍”，不要先"收藏”。
看到好内容，第一反应不应该是"收藏"或"转发"，而是合上屏幕，用自己的话复述一遍核心观点。如果你复述不出来，说明你没有读懂。樊登说，讲书的好处就在于此——“没有意义，自己找；没有脉络，自己找”。这种"摩擦"才是学习真正发生的时刻。
第三，拓展认知边界，不要只读"舒适区"。
樊登特别强调：不要一上来就只读自己喜欢的那类书。很多人用AI获取信息的时候，算法只会推你爱看的——你喜欢AI就全推AI，你喜欢投资就全推投资。结果就是你越来越"专业"，但视野越来越窄。
《能力陷阱》那本书说的就是这个道理：人特别容易陷入自己的专长。 因为擅长做一件事，就使劲做，越是使劲做，就越擅长做这件事。到最后，发现只会做这一件事。
第四，选书比读书更重要。
樊登提出了TIPS选书法：T（Tool工具性）、I（Ideas新理念）、P（Practicability实用性）、S（Scientificity科学性）。一本好书必须至少满足其中两到三项。
放到今天，这套标准完全可以用来筛选AI推送的内容：这个信息有没有实用的工具价值？有没有新的理念？能不能应用到生活中？论证过程科不科学？
如果四个问题你都答不上来，那这条信息大概率就是噪声。
七、下周WAIC，我想提个醒
顺便说一句，2026世界人工智能大会（WAIC）下周就要在上海开幕了。每年这个时候，各种AI新品发布、行业论坛、技术分享铺天盖地。
如果你打算关注大会动态，我有个小建议：不要追着"新"看，追着"懂"看。
什么意思？
每年大会上都会冒出几十个新概念、新模型、新赛道。如果你只是追求"知道了"，那你刷一遍新闻摘要就够了。但如果你想真正从中获得价值，不妨选两三个你真正感兴趣的方向，深入地读几篇原始论文、看几场完整的演讲录像，甚至翻翻相关的书籍。
樊登在书里说过一个观点，我觉得特别适合用在信息爆炸的场景：“每本书都有自己的使命，我们读书就是要弄清楚一本书解决了什么问题。”
同样，每一条AI新闻也有它的"使命"。它到底解决了什么问题？是在技术层面的突破，还是商业模式的创新，还是应用场景的拓展？你能不能用自己的话说清楚它为什么重要？
如果说不清楚，那就说明你还没有"读懂"。不是信息不够，是你给自己的"Effort"还不够。
八、最后说一句
回到Claude"降智"那件事。
Anthropic后来把Effort默认档位调回了high，还给所有用户补偿了用量额度。但很多用户这时才知道，原来有一个开关一直在暗中决定着AI到底肯不肯满血干活。
我觉得这个隐喻特别适合今天的我们。
AI就是你的"Effort开关"。你可以把它调到最低——被动接收，不加思考，看完等于学完。你也可以把它调到最高——带着问题读，读完就反刍，遇到好内容就追问"证据呢？逻辑呢？有没有其他可能？"。
同样的AI，同样的信息，调不同的"Effort"，得到的是完全不同的结果。
樊登在书里写了一句话，我觉得特别适合做今天的结尾：
“读不懂"绝对不该是一个固定的状态，这只是某一刻的情况。要相信，慢慢地，自己能读得懂。
在AI时代，这句话或许可以改成：
“看不懂"不是因为信息不够多，而是因为你给自己的"Effort"太低了。
把档位调高一点。
你会发现，世界突然就清楚了。
📎 今日互动：
你现在每天花多少时间在AI推送的信息上？有没有过"看了很多但什么都没记住"的感觉？你觉得AI时代最需要的是什么能力？欢迎留言聊聊。