今天的課程主軸是研究方法論——練習怎麼判斷一個研究結論到底能不能信。
其中有個段落專門在談批判思考，怎麼去識破哪些術語其實是行銷包裝。像是「開發右腦潛能」、「提升大腦神經元連結速度」這類說法，大多數時候要不是沒有真正的研究根據，就是引用了研究設計根本不嚴謹的實驗。
讀到這邊忍不住想起過去工作的場景：週期拉在 1-2 週，根本沒人管你樣本夠不夠，功能就先上再說🤡 所有炫砲吸睛的文案都給我放爆！
但這個批判框架讓我開始質疑了那些我每天在用的那些號稱「第二大腦」的生產力工具（ex：Notion、Obsidian、Heptabase...）
知識存進工具，真的等於存進大腦？
現在很多生產力工具都在主打「大腦外包」，像是最近很紅的 Claude Code 搭配 Obsidian 打造 AI 知識庫，但問題是很多知識都還是存給 agent 看，其實根本沒有進到我們的腦袋裡，只是被存放在了一個地方。
那這些強調自己是「第二大腦」的工具，究竟是真的幫助我們隨時提取、加工知識，還是其實就像我們在社群裡按了無數次的收藏鍵，最後只讓工具成為了「數位墳場」？
外包是選擇，但你得知道自己在外包什麼
討論到最後，覺得關鍵在於有沒有意識地區分「想學到什麼層次」。
以我自己的 AI 協作模式來說：我把執行細節卸載給 AI，把注意力留給系統邏輯跟目標定義，因為我想成為的是「決策者」，但我外包代價也很清楚：當 AI 出現邏輯錯誤或 edge case 時，我缺乏底層知識去理解，更別說知道怎麼修！
所以問題從來不是「要不要外包」，而是「你有沒有在監控自己到底在外包什麼」。那些你真正在乎且想累積的東西，根本不該就這樣輕易地外包出去！
既社群後，連工作本身也開始搶走我的注意力
以我的例子來說，現在工作常常同時執行兩個以上需要專注思考的任務：一方面開發工具，一方面討論下一個工具的架構，一方面還要解決同事們使用的疑問，在幾個 session 之間遊走、互相跑完等你回應的期間來回切換，每一次切換都在分散一次我的注意力。
以前可能只有滑手機的時候，注意力才會被演算法無意識地帶來帶去。現在連工作都這樣了。社群平台奪走了我的零碎注意力，現在連 AI 都要來剝奪我對高效時間的專注力。這社會未免也太殘忍 QQ
AI tutor 給了三個有學習科學根據的建議原話紀錄在此：
- 建立「認知存檔點」（Cognitive Checkpoints） 任務切換之前，花一分鐘寫下目前邏輯進度、下一個雷點與目標。不是為了做紀錄，是為了讓大腦在切換後真正釋放記憶體——就像遊戲裡的手動存檔，不用在後台偷偷運行上一個任務。
- 對資方使用「專業的效能語言」 與其說「我很累」，不如說「頻繁的任務切換正在產生高昂的 Switching Cost，會顯著降低高階邏輯的正確率」。用這個邏輯去爭取「深度工作區塊」——碎片化的注意力只能產出低階輸出，持續的專注才能產出有長遠價值的東西。
- 學習「策略性卸載」 大腦的工作記憶就像珍貴的快取，如果裡面塞滿了「等一下要修那個 bug」或「資方在催什麼」，就沒有空間留給真正重要的邏輯了。保護自己的第一步，是意識到注意力是稀缺資源，不是可以無限擠壓的抹布。
如何保留更多注意力給我熱愛的事物？
在這個 AI 加速的時代，我們該怎麼重新設計學習與工作的流程，讓人腦的「注意力」不被無止盡的任務切換給耗盡？
這問題先留給未來的我看…🥹
