Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

readwise 的 “chat with highlights” 功能,看起来没什么,但实际上对普通人帮助极大。值得战略重视。 === 例如,我的readwise reader里面有10000条reads(我称为“互联网阅读”),包括书籍、文章、视频、推特、及任何网页。剪藏的内容,凡是读过的、划线的,现在都可以直接chat。 相当于对你的整个阅读库做RAG,是阅读库级别的AI增强阅读。你提出任何问题,用你过去读过、看过的所有内容来综合回答。 而且,带原始链接。不论是手机端app,还是网页端 web app,都直接跳转到原始文章、原始划线、原始笔记。 这个实现效果,是超过claude 桌面app的readwise MCP的。 如果你以前对自己的互联网阅读有管理(或者在我的多次强烈推荐下把readwise用起来了),那么,一定要试试。

26,407 Aufrufe • vor 1 Jahr •via X (Twitter)

11 Kommentare

Profilbild von JimmyLv (🐣, 🐣) 2𐃏25
JimmyLv (🐣, 🐣) 2𐃏25vor 1 Jahr

每次聊一聊都受益匪浅

Profilbild von howie.serious
howie.seriousvor 1 Jahr

是的,要坚持每天聊一聊,积累第一手经验

Profilbild von Aron
Aronvor 1 Jahr

@AsukaOdysseus 昨天我也在考察这个功能,但是思考了半天发现 readwise 有几个缺点:支持的导入源无法覆盖自己使用的开源软件,lite 订阅涨价,readwise reader 虽然 all in one 但是移动端网页端大文件性能很差,最后想着反正自己用的阅读/稍后读软件都可以导出高亮,不如自己简单清洗一下直接作为大模型知识文件。

Profilbild von 破音poyin.com
破音poyin.comvor 1 Jahr

readwise 是国人做的就好了,更好用

Profilbild von Alexander Boldizar
Alexander Boldizarvor 1 Jahr

“One of the most dazzling and inventive books I’ve read in a very long time—a novel I continue to describe as indescribable. I’ve now read it twice and can’t decide if it’s a thriller, a farce, a political commentary. I don’t know what it is other than I love it” —Writers at Work

Profilbild von Jason Chao @Think.As.Model
Jason Chao @Think.As.Modelvor 1 Jahr

看来我又要重新订阅Readwise了?

Profilbild von howie.serious
howie.seriousvor 1 Jahr

从“1+1=2”的层面思考,readwise这样的“基础设施”是不可或缺的。 市面上所有方案中,我没有见过比readwise这一套更好的。 所以,我觉得我可能会长期订阅。看不到改变的可能性和必要。🤣

Profilbild von Jacob Jia
Jacob Jiavor 1 Jahr

我不太懂技术原理,我想请问一下如果高亮太多,readwise的这种功能会受到 ai model 的 context 限制吗?

Profilbild von howie.serious
howie.seriousvor 1 Jahr

会。内容太多时,claude 会提示上下文太长。readwise chat 应该用的 openai 模型,目前没遇到过提示。

Profilbild von 忒修斯的船板
忒修斯的船板vor 1 Jahr

想问一下,chat和rag的内容是基于全文还是只基于划线文本?

Profilbild von howie.serious
howie.seriousvor 1 Jahr

划线

Ähnliche Videos

读书的本质,其实就是借命。所以别扯什么书香门第、岁月静好。在狠人的逻辑里,读书就是这个世界上门槛最低、收益最高的借命行为。 读书的本质不是什么陶冶情操,而是一场合法的抢劫。 你可以用几十块钱,甚至不到一杯奶茶的钱,就能够拿走一个天才一辈子的所思所想, 用几个小时走完别人几十年踩过的坑、流过的血。 人为什么要读书? 因为读书,是你这辈子唯一一次可以安全穿越、转身附体的机会。 但是,一个人如果不读书,那么你的三观会被周围的人塑造。你的父母、你的同事,或者是那些只会吹牛皮的酒肉朋友。 因为你没有别的输入途径,你只能模仿周围,渐渐地被环境同化,很难再找到真正的自己。你以为那是你自己的想法,其实你只是别人的思维垃圾桶。 而读书,就是唯一一个可以打破阶层隔离的方式。它让你即使身处阴沟,也能直接和2000年前的帝王、100多年前的哲学家,或者当代的顶尖高手对话。 哪怕你读完就忘,记不住那些内容也没有关系。那些逻辑、那些智慧,早已经融进了你的潜意识。 就像你吃饭,你不会记得三年前你吃了什么,但是它已经长成了你的骨、你的肉。 读书,就是给你的大脑更新系统。让你在面对那些烂人烂事的时候,能够一眼看穿;在面对困境的时候,能够降维打击。 你以为的那些痛苦迷茫、无人能懂的心事,是独一无二的? 别自恋了。太阳底下无新事。 已有的事,后必再有; 已行的事,后必再行。 所有你经历的一切,早已经有无数的人经历过、痛苦过、解决过。答案早就写在书里,摆在你的手里,你却在硬扛,在内耗,觉得自己最惨。 这不叫深情,这叫无知。 大多数人还在烂泥里,靠着本能去硬扛。本质上,就是在用那些没有升级的旧系统,重复地踩坑,重复地痛苦。 所以从现在开始,你要狠狠地读书,狠狠地借命,狠狠地建立自己的精神内核。 然后向上破局,向外共生。

另一面

39,218 Aufrufe • vor 4 Monaten

想和大伙聊聊,在 AI 时代我是如何深入学习一个技术领域的。 之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客,然后摘抄记录到笔记本,这种速度挺慢,但是很有学习的乐趣,比如当时学习 WebGL 就是这种感觉,可能学懂一个东西差不多要半年空闲时间,慢但快乐。 现在有了 AI 之后,其实我很讨厌网上那种3分钟教你看完百年孤独,也讨厌一切短剧和倍速看电视剧的方式,更多还是挑好的看,吃好一点。 不过最近写你不知道的 Claude Code 和 Agent 系列,除了自己懂的部分外,其实还有大量不太清楚的领域,好在之前收藏了不少文章,刚好借助这一块清库存,全部搞懂输出出去,一直认为,很多时候,不在于看了多少东西,听了多少东西,输入了多少东西,其实用处不大,更加看重你输出了多少东西,这个才是你自己的。 然后我上上周启动了一个深坑挑战自己,研究大模型的训练流程,确保非专业的人也听得懂,探索了2周,刚好这个经验可以分享给大伙,当然成文也差不多好了,最近会发出。 我会把这个学习过程当做写代码一样的组织,第一步收集高质量的资料,比如与之相关的近几年的精品论文,各大模型厂商发布的关键模型的博客,X上模型负责人发表的一些文章,以及斯坦福等高校的近两年关于这一块的课程学习,还有经典的手搓一个大模型的代码仓库等等,这些都是我的一个资料来源过程,我会借助工具自动化全部下载、转md、清洗,梳理,弄好结构化分门别类到我这次研究的仓库。 然后对于自己看得懂的内容就全部看一遍,把不好的删掉,好的留下,对于看不懂的内容,直接借助 Claude 帮我的理解,更复杂一点的直接翻译成中文去阅读,对于代码本地可以跑的就跑起来,不能跑的那种就去看结构,总之会有一个大概的认识和知晓技术原理,这个阶段可以去掉原有一半可能没有用的内容。 到了这个阶段,其实你对这个领域有一个大概的认知了,就可以给这篇文章开始写一个大纲,以及大纲应该结合的来源内容,这里均可以用markdown很多表达,你要讲什么,或者说你想讲什么更想让读者知道,一定一定,文章是写给你给给看的人看的,需要知晓对方的认知水平,和汇报其实差不多。 然后接下来就是苦力活加之前内容的复习过程,和大学时候考试前复习很像,把每一章的内容填充完整,这样下来,你会得到一篇非常长而且有点啰嗦的文章。 这个时候AI就可以帮太忙,你可以让他帮你不改变你原有的内容意思你的语气的情况下,帮我去掉无用的啰嗦内容,以及连贯不到位的内容,或者是这一块缺少的内容,还需要补充什么知识的地方,借助AI继续去完善补充,这里又可以学到很多原来遗漏的东西。 最后整理好以后,可以继续自己读一遍,而非让AI读一遍,这里AI只是工具,千万不要把你的脑袋被AI代替了,这就没有啥意思来,自己读的过程中可以对文章继续修改调优,这里和写代码又非常像了,自测那种感觉,修复问题修问题,最后读了2遍以后,基本感觉完美了,然后就可以发出来给大伙看看。 有小伙伴肯定是担心自己写的东西没有人看,就不太喜欢发出来,或者说就不写了,其实只要你的内容有意义,自然就有读者,而非是你偷懒的理由。 花10min写完这个碎碎念,结束,欢迎交流你是如何学习一个新领域的,下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库,挺有意思,就录了一个视频给大伙看看我的工业化学习方式。

Tw93

108,180 Aufrufe • vor 3 Monaten