我平时是这样读书的，这个分享一下也没什么。老读者都知道，我GPT-3.5那个时期，就在把纸质书扫描下来，开始做结构化处理了。后来从什么预训练到RAG和Agent系统，我们的目的是构造特定的认知技术，来从信息里“获取知识“，书本无非是信息的一种。我思路大概是这样。

举个例子。我最近看的是这四本，全是讲"米"的。

《皇帝的钱包》讲明代的铜钱和白银，《想吃好的》讲明清的稻米种植和消费，《米价》讲十八世纪的市场整合，《米市·米业·米税》，把长江下游的米粮贸易一路讲到民国。我们需要先从这一批书里，找出某种结构。

要搁古代，非虚构读物，你一本一本啃，啃完用各种方法，写四篇笔记，脑子里存四份摘要。这就叫"获取知识"。你是个容器，书往里倒，倒满为止。

我不这么干的原因也很简单。你如果真的阅读量特别大，你会发现，你真正想要的那个知识，往往不在这四本书的任何一本里。它在四本书之间。”知识“往往存在于它们的缝隙里，矛盾里，错位里。

你看，同一个东西（米），可以从四个角度（钱、吃、价、税）来看。这个线索是被约束到同一条时间线上的，从明到民国。

我的做法，是先把这四本书放到一起，然后我问一个横跨所有作者的问题，比如：从明到民国这几百年，中国这套"米—钱—市"的系统，到底有没有长成一个现代意义上的市场经济？

注意，这个问题，单一的作者答不了。每本书都只答了其中一角。完整的答案，得靠你把四本对读，自己生产出来。

最早做这件事是很累的，很多稀有的洋人书，古代书，都是没有电子版的。你去买也好，图书馆里扫描也好，OCR，结构化，切块，向量化，丢进语料库。然后建一张矩阵，横轴是这四本书，纵轴是我的问题（米怎么被种、被吃、被想要？银和铜怎么当媒介，又怎么失灵？价格能不能证明市场连成一片？谁是老大，谁只是牌桌上的一个玩家？)

这些工作在有AI介入的情况下，要跑一遍，也是很累的。等你这些问题都提完，模型负责做的并不是把各种书，压缩成不同的简版。我需要模型，一页一页，精准定位哪本书在哪一章碰了哪个问题。它不光需要给我我定位到每一页，还要交叉引用，把各家说法拉齐。

但判断和核对，永远是我自己的。凡是要落笔的话，尽量回原文查一遍，精读特定的章节。

这样循环几轮，你最后会发现，这四本书，连同这个领域一大批研究，背后会有越来越多的东西涌现出来。

比如它们其实共用同一批原始数据。王整理的那套清代宫中粮价单，一七三六到一九一一，二十来个省，四十多种粮食。一旦你意识到这点，这里就有一个”知识“，大家吵的其实是"同一批价格，不同的算法"。

你理解了，你就掌握了这个领域的一小块概念。没必要一本一本细看，不是让你别读，也不是大模型帮你总结完，是读书的单位变了。

从前的单位是”x本书"，现在是"x个问题"。AI 把检索、对齐、定位这些活儿的成本压到近乎为零，省下来的时间，是让你想得更深的，不是让你读得更少的。