今天我做了一件讓朋友覺得有點瘋的事：在一天內處理了 4 支影片、共 6.5 小時的內容，輸出了一篇深度文章、10 則社群短文，還有 133 張視覺截圖筆記——然後把這些知識全部連結到現有的知識庫裡。
不是因為我特別快。是因為我有一套系統。
這套系統我叫它「知識降解」。
「知識降解」是什麼意思？
「降解」這個詞借自化學——把複雜的化合物分解成更簡單、更有用的分子。
知識降解的邏輯一樣：把一段複雜的、未經處理的原始資訊（比如一支 4 小時的課程），一步一步「降解」成越來越精煉、越來越可行動的形式。
最終的目標不是筆記，而是改變——讓學到的東西，實際影響你怎麼思考、怎麼做事。
這聽起來跟「做筆記」沒什麼不同。但關鍵差異在「輸出層」：大部分的筆記系統止步於「記錄」，知識降解要一路走到「應用」和「連結」。
為什麼普通的筆記不夠用
說個你可能很熟悉的場景：
你花 8 小時看完一門線上課程，做了滿滿的筆記。然後筆記存進 Notion，就再也沒打開過。
三個月後，有人問起這門課，你說：「我有學過，但……細節想不起來了。」
問題不是你記性差，是你的系統設計成「只進不出」。知識進去了，從來沒有機會被提煉和使用。
研究顯示，人在 72 小時內如果沒有主動複習，會遺忘超過 80% 的新資訊。更殘酷的是：就算你「做了筆記」，被動儲存不等於主動學習。你記錄了，但沒有消化。
知識降解要解決的就是這個「進去了就消失」的問題。
我的 13 步知識降解系統
整個系統分三個階段：捕捉、提煉、輸出。
捕捉階段（Step 1–4）
Step 1：視覺截圖
我用 Heptabase CLI 的 /watch 模式，邊看影片邊自動截取重要畫面。今天光一支 4 小時的 Claude Code 課程，就捕捉了 133 張截圖。這些截圖成了我的「視覺索引」——之後快速回顧時，不需要重看影片，直接在截圖之間瀏覽，效率高很多。
Step 2：逐字稿提取
把影片逐字稿匯入，讓後續的 AI 分析有文字基礎可以操作。沒有逐字稿的話，AI 輔助的效果會打很大的折扣。
Step 3：邊看邊記即時洞見
不是抄字幕，是寫「這個概念對我意味著什麼」的第一反應。這個「第一次接觸時的感受」很珍貴，過了之後很難復原。
Step 4：標記「等等回來」
有些東西當下太密集，先標記，不要試圖一次消化完。允許自己「暫時不懂」，反而讓整體吸收更好。
提煉階段（Step 5–9）
Step 5：洞見識別
看完後，問自己：「這個材料裡，讓我最有感的 3 個觀點是什麼？」限制在 3 個，強迫你篩選出真正重要的。
Step 6：重點結構化
把散亂的洞見整理成有層次的架構。這步通常我會用 AI 協助——把原始筆記丟進去，讓它幫我找結構，然後我再修改成真正符合我理解的版本。
Step 7：連結現有知識
這個新知識，跟我已有的哪些概念相關？主動去 Heptabase 白板裡找。這一步最重要，也最常被跳過。孤立的知識沒有力量，連結到既有脈絡的知識才會留下來。
Step 8：反思提問
對每個核心洞見，寫一個反思問題：「如果這是真的，我現在應該改變什麼？」這個問題把知識從「有趣的資訊」變成「需要回應的挑戰」。
Step 9：範本提取
這個內容裡，有沒有我可以直接套用的框架或模板？比如一個做決策的流程、一個寫作的結構、一個溝通的公式。可以直接用的，遠比「靈感」更有價值。
輸出階段（Step 10–13）
這四步是我最近才加進系統的，加進去之後，感覺整個系統「活了」。
Step 10：行動清單
把反思轉成具體行動：明天要做什麼？本週要試什麼？不是清單，是有時間框架的承諾。
Step 11：深度文章
把最核心的洞見，用自己的話寫成 800–1200 字的文章。這一步不是在幫讀者，是在幫自己——寫文章的過程，是最深度的知識鞏固方式。
Step 12：社群短文
從文章提煉出 5–10 則可以直接發布的短貼文。每一則聚焦一個觀點，用最少的字把最核心的東西說清楚。這個濃縮的過程，逼你找到真正的核心。
Step 13：雙向知識連結追加
把新產出的知識卡片連結到舊的知識；同時從舊的卡片，加入指向這個新知識的連結。雙向連結讓知識網絡越來越密，以後搜尋和回顧的效率會越來越高。
真實案例：Claude Code 4 小時課程，今天早上處理完
今天早上，我坐下來處理一支之前存著沒看的 Claude Code 4 小時完整課程。
用 /watch 模式開始看的同時，系統自動截圖——最終 133 張。邊看邊記下 20 幾個即時洞見。看完之後，提煉出 5 個核心觀點，對每個寫了反思問題，然後跑完了完整的 13 步。
輸出：一篇深度文章上線、10 則社群貼文備好、133 張截圖整理進視覺筆記、知識卡片連結到 Heptabase 的 Claude 學習白板。
整個流程：大約 3.5 小時。
對一個 4 小時課程來說，這個「回報率」遠比只是「看過去」高得多——而且因為有了系統，我知道這些知識不會消失，因為它們已經被輸出、被連結、被行動化了。
如果你沒有完整系統，從這 3 步開始
不是每個人都要一次建 13 步的系統。但如果你只能做 3 件事，讓學習不要白費，我建議這 3 步：
第一步：看的時候，用自己的話寫下 3 個「我發現……」
不是重點筆記，是你的第一反應洞見。強迫自己只寫 3 個，強迫篩選。
第二步：24 小時內，把其中一個洞見說給一個人聽
說出來，哪怕是跟朋友聊、發個限時動態也算。語言化的過程，讓記憶深化。
第三步：寫下「我現在要改變的一件事」
不是清單，就是一件事。然後這週就做。
系統的本質：輸出倒逼輸入
知識降解系統的核心邏輯，其實只有一句話：當你知道看完之後要輸出，你看的方式就會不同——更主動、更聚焦。
這個心態的改變，比系統本身更重要。
今天降解的 4 支影片裡，有一支是陶韻智講的「AI First 思維」。裡面有一個觀點讓我印象深刻：「大多數人學 AI 工具，是為了讓現有的工作快一點。但真正的機會，是用 AI 做以前完全做不到的事。」
我的知識降解系統，讓我可以一天內處理 6.5 小時的內容——這是我「以前完全做不到的事」。系統讓輸出的數量和品質，都超過了我不用系統時的極限。
這就是為什麼我花時間建系統，而不是只是「多努力一點」。
努力是有上限的。系統沒有。