思维系列最后一章。前面讲了知识体系、学习方法、复盘、精力——但所有这些的前提是：你喂给大脑的信息是靠谱的。在 AI 生成内容泛滥的 2026 年，信息筛选已经不是「提升效率」的问题，是「别被带沟里」的生存问题。
先把信息来源分四级（收藏前先分级）
| 级别 | 来源特征 | 怎么用 |
|---|---|---|
| A 级 | 一手资料：官方文档、论文原文、源码、标准 | 当事实依据，直接引用 |
| B 级 | 有署名的从业者复盘（踩坑文、案例） | 当经验参考，注意时效与场景 |
| C 级 | 媒体转载、二次解读、聚合站 | 当线索，追到 A 级再采信 |
| D 级 | 无出处的爆款、AI 生成营销文、标题党 | 直接跳过，别浪费注意力 |
一个实用习惯：看到一条信息，先问「它的源头是谁」。能回答 = 继续读；回答不了 = 默认当 C/D 级处理。这个动作 5 秒，能筛掉一半的噪音。
判断一篇技术观点的六个问题
- 它有没有「反例意识」？ 只讲优点不讲边界和代价的，多半是软文——好的技术观点都会说「什么场景别用」（这也是本站工具栏目的写作标准）。
- 数字有出处吗？ 「性能提升 10 倍」——用什么测的？什么环境？没出处的数字默认打三折。
- 它区分「事实」和「观点」吗？ 「某框架 2026 年停止维护」是事实（可查）；「某框架是最佳选择」是观点（看场景）。
- 时效对不对？ 技术文章的生命周期很短，两年前的「最佳实践」可能已经是反模式——先看发布时间。
- 它和你现在的约束匹配吗？ 大厂的解法绑定了大厂的资源，小团队照抄就是灾难——好的文章会讲清适用边界。
- 它是不是 AI 批量生产的？ 结构完美、观点四平八稳、通篇正确的废话——这种最危险，因为它「看起来都对」。
AI 时代的两个新陷阱
陷阱一：AI 会「自信地编」。把 AI 当搜索用没问题，但关键结论一定要回源头核实（官方文档/论文），别把 AI 的总结当事实——这和AI 辅助写作里「人核对事实」是同一个原则。
陷阱二：信息茧房被 AI 加深。推荐算法 + AI 摘要，让你看到的越来越像你「想看」的。主动破一下：定期读点反对自己观点的东西，架构判断尤其需要「另一边的论据」。
落地动作
- 收藏前花 5 秒分级：源头是谁
- 关键结论用「六问」过一遍再采信
- 数字没出处的默认打折
- 每季度清理一次收藏夹：C/D 级直接删
- 主动读一篇反对自己观点的文章
信息筛选的终点不是「看得多」，是「信得准」。收藏夹不产生认知，被验证过的理解才产生——把注意力留给 A 级源和真问题，其余都是背景噪音。相关：知识体系搭建 ｜ 个人复盘