1. Markdown 文件大约有 961 个，但到底有多少篇文章，没人能仅凭文件数知道
有一天打开文章仓库的目录，发现 Markdown 文件已经多得惊人。按当时仓库里贴出的文件列表、只以文件名计数，.md 文件大约有 961 个。通常人会直接想：“那就是大约 961 篇文章吧。”
但这个仓库有一个会把这种算法彻底弄坏的重要设定：
1 个 Markdown 文件并不等于 1 篇文章。
“3 篇合辑”“10 篇套装”“全 4 篇”“12 种语言全文”“文章合集”之类的内容，都可能若无其事地塞进同一个 Markdown。Markdown 已经不只是文档文件，而成了吞文章的容器。
所以这里与其说是文章仓库，不如说更像一套 Markdown 套娃。
而且，在统计出约 961 个文件的时间点往前约半个月，内部按原始文章口径估算时就已经约有 1,200 篇。那之后新文章还在继续增加，因此现在即使到了 1,300～1,400 篇左右也不奇怪。不过，这仍然只是未经审计的估算。文件数、独立文章数、各语言的已发布页面数，是三个不同指标。
段子可以夸张。
文章数不能夸张。
2. 为什么会增长成这样——启动按钮是“哈？”
原因不只是“喜欢写文章”。还有一个更原始的触发器。
就是“哈？”
工作、生活、人际关系、游戏、制度、作品里，只要有什么东西偏离了预期：
“哈？”
“为什么会变成这样？”
“这真的是设计如此吗？”
“这个模式以前是不是也出现过？”
“看起来像个人问题，其实会不会是结构问题？”
调查就从这里开始。
本来可能只是一瞬间的不对劲，接下来却会被搜索、拆解、命名、整理复发条件、连接到其他领域，最后变成 Markdown。
输入可以是情绪，输出却是数据库。
这是把愤怒“抽出来 → 重新组织 → 存进去”的处理流程。
用数据处理的术语说，就是 ETL：
Extract：抽取违和感。
Transform：把它转换成结构。
Load：存入 Markdown。
人类甚至可以从一句“哈？”开始搭数据基础设施。
3. “哈？”可以成为异常检测传感器
从认知科学的角度，这套流程也说得通。有一种研究观点认为，意识到自己的知识缺口，是好奇心的入口；实验中也观察到，好奇心越强，人越倾向于投入时间等资源去获得答案。也就是说，“和我原先想的不一样”这种感觉，可以成为探索的起点。
关键不是消灭违和感，而是 违和感之后做什么。
如果停在“烦死了”，它就只是情绪处理。但如果继续追问：
- 到底什么地方和预期不同？
- 在什么条件下发生？
- 能复现吗？
- 其他场景里也有同一种形状吗？
情绪就会变成观测设备。
对于会把违和感转入调查的人来说，“哈？”不是错误页面。
它更像是调查原因的界面被打开了——也就是调试控制台启动的声音。
4. 不保存孤立的点，而保存会反复出现的“形状”
结构化思考的核心，是不把眼前事件只存成一次性事件。
例如，工作已经做完后指令突然改变。如果只看表面，可能只会留下“今天因为指令变更很辛苦”。但如果按结构保存，就会变成：
- 初始条件含糊。
- 判断标准没有共享。
- 工作完成后又追加标准。
- 因此发生返工。
- 截止日期却保持不变。
- 责任逐渐压到执行者一侧。
抽象到这里，同一种形状就可能不仅出现在职场，也会出现在共同生活、恋爱、项目、合同、游戏运营、行政手续中。
研究也认为，即使表面的题材不同，只要抓住 “什么和什么以怎样的关系连接”这一结构性共通点，就更容易把既有经验迁移到相似问题。换句话说，重要的不是只保存事件外观，而是保存它背后的共同框架。
一次“哈？”就有机会做成能在多个领域复用的护甲。
经验值只用在一只怪身上，太浪费了。
5. 抽象之后，还要重新落回具体
只有抽象，有时会把哲学家直接送上半空。
一边说着“本质是……结构是……社会是……”，一边离地三米，并不会让明天的工作更轻松。
真正需要的是 具体 → 抽象 → 另一个具体 的往返。
“指令后来才改变”
→ “需求定义不足”
→ “一开始就确认完成条件”
“出于好意接了太多工作”
→ “责任边界消失”
→ “明确负责人、期限和决策者”
“反复为同一个问题烦恼”
→ “这是一个没有关闭的循环”
→ “写下结论、下一步行动和重新评估的条件，然后关闭它”
能这样往返以后，知识就不会停在杂学。
知识会变成零件。
6. AI 不是神谕，而是外脑的管线
这里就轮到 AI 出场了。但这并不是“让 AI 替我把所有事情都想完”。
它真正强的地方更朴素，却很有力：
- 接收语音或粗糙笔记
- 整理问题
- 提出术语候选
- 查找研究和一手信息
- 提出反对假设
- 把结构转成语言
- 整理成 Markdown
- 保存到 Git
- 让内容之后还能重新搜索、重新编辑
认知科学把这样一种做法称为 cognitive offloading（认知卸载）：把记忆或处理的一部分交给笔记、日历、智能手机等外部工具，从而减轻只能靠大脑内部承担的负荷。
外部化有助于完成任务，但并不意味着什么都应该往外丢。研究也报告过，依赖外部存储可能削弱内部记忆；而一个人如何评估自己的记忆能力，也就是元认知，同样会影响他决定把什么外包给外部工具。
所以，更强的用法不是把大脑扔掉。
而是只把那些没必要非由大脑承担的工作移出去。
大脑：违和感、问题、判断、连接。
AI：搜索、候选、比较、整理、重复。
Markdown：长期记忆。
Git：历史记录。
编程代理：加工厂。
到这一步，与其说是在“使用 AI”，不如说是：
给思考接上一条自动运行“整理 → 检查 → 保存”的工厂流水线。用开发术语说，就像给思考长出了 CI/CD。
7. 为什么文章数量会爆炸
最大的原因，并不是人生里发生的事件多得异常。
而是会从一个事件里切出多个抽象层级。
一次经历里，可以同时包含个人体验、原因分析、一般化、复发预防、迁移到其他领域、与研究对照、给初学者的解释、实务检查清单，甚至还可以再写成一篇搞笑文章。
原本一句“今天发生了这种事”就会结束的素材，经过加工，可能变成 5 篇、10 篇。再加上 12 种语言，按公开页面计算还会继续增加。
这里真正重要的不是批量生产文字，而是 一次思考过的素材能被再次利用的比例——也就是思考的产出率很高。不让想过的东西随着对话蒸发，而是留下可以复用的形态。
这样一来，几乎整个日常生活都会变成原料：
超市是原料。
会议是原料。
游戏是原料。
漫画是原料。
难以理解的制度也是原料。
与其说人生变成了内容工厂，不如说：
世界会擅自开出一张张“需要处理”的工单，让生活变成一个 Issue Tracker。
8. 不过，结构化思考本身也有 bug
8.1 什么都开始看成同一种结构
一旦拥有一个强力的观察框架，就有把不同问题硬塞进同一个模型的风险。“这也是甩锅！”“这也是边界问题！”“这也是需求定义失败！”——最后全世界都像同一个敌方角色换了皮肤。
应对办法，是提前问：“如果这个解释错了，会发生什么？”专业一点说，就是 设置反证条件。
“如果这个解释是错的，我会观察到什么？”
“还有别的解释吗？”
“这次会不会其实是例外？”
8.2 AI 的文章太顺，看着看着就误以为自己已经理解
“读懂了”和“能用”不是一回事。
最后如果不能用自己的话回答：
“归根结底是什么意思？”
“下一次我要改变什么？”
“换到另一个场景要怎么用？”
那这份知识还只是借来的东西。
8.3 把“资产化”本身变成目的
如果什么都做成文章这件事本身越来越好玩，手段和目的也可能倒过来。
“我是为了写文章才生活吗？”
“还是为了让生活更轻松才写文章？”
Markdown 不是墓碑。
它是减少生活摩擦的辅助装置。
9. 结论——别丢掉“哈？”，把它变成结构，再拿来复用
大量文章的本质，并不是大量作文。
它们是 没有把违和感丢掉，而是把它变成结构，再以可复用的形态保存下来的结果。
“哈？”
↓
检测与预期之间的差异
↓
调查
↓
拆解原因
↓
抽取共同结构
↓
迁移到其他领域
↓
用 AI 表达并验证
↓
保存到 Markdown
↓
新的“哈？”再次出现
只要这个循环持续转动，失败、违和感、闲聊、疑问，全都可以成为素材。
于是某一天，Markdown 文件大约排到了 961 个，而原始文章到底有多少，已经无法只靠文件列表判断。
人类会从经验中学习。
有些人会把经验做成 Markdown。
而其中还有一部分人会：
把“哈？” push 到 Git。
