当我们打算新学一样东西的时候, 遇到的阻碍是什么?
- 路线图
- 路线图过期了没
- 遇到打不过的怎么办
- 打到哪为止
- 怎么算打过了
- …
通过搜索, 我们可以部分解决 1, 2, 但是非常耗时 + 需要技巧
通过在各种群问, 可以解决 3, 甚至有一篇 <提问的艺术>
通常我们会有需要解决的问题, 这解答了 4 5
事情并没有解决
搜索本身就是一门大学问, 知道用什么关键字搜也是鸡蛋问题, 在没有 LLM 的时代更是如此.
因为基本是单人作业, 所以基本 dfs / bfs, 前者问题是太深了回不去, 一堆打开的标签栏, 后者是队列变得非常长, 然后弃疗.
当搜索完后, 会得到一堆网页, 然后呢? 滚进收藏夹吃灰去吧!
如果搜索完后给你推荐了一本非常非常非常厚的书, 真有人愿意全看完吗? 看完后遗忘率又是惊人的, 就不提间隔重复了. 然后知识的壁垒就在那里了.
搜索完后需要整合/甄别信息, 又是耗时的工作, 我在 steam 花了钱买为什么还要花时间玩
https://youtu.be/803k6LUhsgY?si=xEYJC1ZlbQ4f6XKF&t=2663 这个时间戳的句子很有意思, 人类受限于自己的肉身极限, 其实有时候不如机器.
广告推广时间
但是考虑到大家肯定都用过 LLM 了, 就不算广告了.
首先是 LLM + 搜索, 目前门槛低 + 效果好的不完全列表有
gemini-2.5-pro / chatgpt 系列 / Perplexity / DeepSeek
但是搜索本身需要 RAG + index, 所以这方面 google 可以吃老本. 但是 openai 本身老牌子了.
DeepSeek 是新出的，据说效果很好。
很多东西不会被索引到搜索引擎里, 比如老师的 pdf, 比如专业书籍(GTM), 这时可以用 notebooklm 这种产物.
notebooklm 可以生成思维导图, 再点开小字看具体分析
某些老旧的 pdf 是只有扫描版, 则这时可以用 ocrmypdf 快速获得带文字覆盖层的 pdf
你甚至能加入聊天. 但是 notebooklm 不能搜索网络, 很不好.（可以定向搜索了）
Deep Research 免费了.
在 LLM 的时代, 这个新工具值得思考该怎么用, 发挥想象力.
写一下我平时的流程吧.
选择一个模型, 右下角 Grounding with google search 打开, 设置里自动保存打开.
开始提问
对于回答, 一定要先看引用出自哪里. 然后根据回答做出判断.
llm 可以中译中, 它甚至认出了出处.
在试图查找一些难以描述的概念时也非常有用.
费曼说过：What I cannot create, I do not understand
对我的专业，里面有非常多“抽象算法”，ppt 里会介绍人工怎么操作。
那用代码实现是很自然的想法。但是描述太抽象了很难翻译。那 llm 翻译一下。如果有错正好自己 debug 加深理解。
草, 写不下去了, 先草稿吧, 后面继续写.
