这篇文章来自一次与 GPT 的对话，但它并不是一次偶然的灵光乍现。更准确地说，它是长期阅读、学习、反复咀嚼之后，在大脑后台完成的一次“合并提交”。那些看似不相干的主题，在这一刻成为我提出新问题的隐含信息。
1. 问题开始：线性聊天装不下发散思维
昨天晚上和 AI 聊的时候，突然想起了一个话题：常用的 AI 工具都是基于对话的线性方式。但是人的思维是跳跃的，那么当我的想法和想聊的主题发生变化时，我应该新开启一个对话还是继续在本窗口聊呢？因为我可能在跳出去以后，还会重新回到原来的话题。我既想聊新的内容，又有些担心新的内容会「污染」当前窗口的上下文。其实有点像 git 的分支、冲突、合并，又有点像在一张白板上，在从上往下的书写思考，突然引出了一条线向别处，开始思考新的问题，可能是脑中一个悬而未决的问题；抑或一个与当下类似/相反的话题；也可能是一个完全不相干的新内容。聊着聊着，思路可能又会转向另一个新的思考，也可能回到原来的主题。
但是当下的 AI 工具似乎还没办法解决我这样思维的跳跃。我在想人和 AI 的区别是什么？
我带着这个问题和 GPT 聊了聊。
AI： 你感受到的冲突是结构性的：人的思维更像 DAG（有向无环图），而聊天窗口被设计成 log（线性日志）。
从实用层面，如果主题真的变了（认知上下文不同），可以新开窗口；如果只是岔开但想回来，则留在同一窗口，但用显式标注分支（例如“先开一个 branch：A，等下回到 main”）来让 AI 跟得上。
但这只是权宜之计。你真正想要的不是“多开窗口”，而是一个同一认知空间内可分叉、可回溯、可合并的交互方式。
有向无环图——非常贴切的表述。那么是什么驱动我们从这个节点跳跃到另一个节点呢？意义（我觉得是）。想起前几日看到的一篇文章，记录了这样一个故事：有一个人在做了脑部部分组织的切除手术后，他陷入了「选择困难」，因为切除的部分控制情绪与选择的关联。如果任何选择都不带有「偏见」，意味着任何事情都失去了意义，最终他的生活变得一团糟。
时间线性流逝，但任务与思考都不是线性的——它们会分叉、回溯、再合并。这里我想起之前写过的 📤 关于任务管理的一些思考。任务也分为有时间属性的日历事项和无时间属性的待办任务。不同的任务事件之间也并不是按照时间来依次处理的。如同思考也是，可以分叉、可以回溯、可以合并。
我们初步可以得出一些结论：
- 线性聊天 ≠ 人的真实思维
- 思维天然是分支、回溯、重构的
- 人与 AI 的协作不应该限制在「时间顺序」
GPT 告诉我我需要的是：
一个既能对话、又是思维图谱、还能让 AI 理解结构的共享空间
我自己说的话：我需要的是一个能够洞悉我一切的「影子」。
2. 这和“上下文工程/智能体/记忆”有什么关系？
看到 AI 给我第一个问题的回复以后，我突然想起我的思考和今年热门的「上下文工程」「智能体」、「大模型记忆功能」有何关联与区别。当下智能体在解决这些问题吗？记忆功能在解决什么问题？
GPT 告诉我：
上下文是一维的，但认知是多维的。
上下文工程：如何在有限的对话窗口中保留最重要的内容。
而人的思路会突然跳，但又想回到原主题，还希望 AI 能够记得「结构」，这是上下文的选择与组织问题。大模型就像计算机最初使用的「纸带」一样，把高维的思维压缩到了「一维」。在一条线上表述「多边形」甚至「立体图」。
智能体：给大模型这个大脑加上手脚，让其不再是「缸中之脑」。
智能体在处理任务时也会构思不同的思路和方案，但并不会维护所有的思考分支。
记忆：上下文终有限，放不下的内容放哪里？以后哪些内容还要用到？
记忆记录的还是内容，不是思维的现场。
这些似乎都没有回答：如何真正建模「思维结构本身」
AI 协作的下一阶段，与 AI 的交互，是不是应该更接近于人类的认知结构。
如何保留思维的形状？
3. 理想的上下文与记忆应该是什么样？
GPT 在上一个话题末尾给我留的问题是：“如果真的要做你说的那种工具，它的上下文和记忆该长什么样？”
我说：你认为它的上下文和记忆应该是啥样？你觉得和 卢曼的卡片笔记法之间有何关联？他使用编码的方式编制起思维的网络。
聊着我突然想到了「卢曼」和他创造的「卡片笔记」。卢曼给大脑一个脚手架，让思想在脱离大脑以后，仍然可以保持可生长性。
我觉得上下文应该像「卡片笔记」，具有原子性，又通过「编码」与其他的「上下文」关联。它是一个个「思维图」，可以互相引用、互相链接、互相组合，形成「思维网络」。
人在思考的时候大概是这样的「我现在想到这个，是因为刚才我想到了 xx。也可能和很久以前我接触的 xx 有关」。这些想法在认知上是有指向性的。不是向量库、记忆、聊天记录能解决的。
编码=可以无限拓展的语义坐标系统。似乎就是我想要的「随时分支、随时回来」。那么 AI 能起什么作用呢？
卢曼的系统是动态人脑 + 静态卡片。由人来负责「卡片网」构建。
AI 的出现，这个系统变成了动态人脑 + 动态第二大脑 + 动态卡片。这张网不再只有一个维护者。思想可以和 AI 一起生长。
4. 人和 AI 的“思维机制”差异
聊到这了，虽说最近在学习大模型的训练，不过还是对人与 AI 的思维区别好奇。
人 vs AI：思维差异不在“聪明”，而在“机制”
用我自己的理解转述一下 GPT 的回答。
人：意义驱动的游走
- 一个念头背后带着大量的隐含背景信息
- 没有完成的问题会挂在「后台」
- 能够回到「想法现场」，不是找相似
卢曼的卡片笔记就是把「想法现场」保存下来。
AI：概率驱动的激活
- 上下文是一次性的
- 关联靠相似性而不是「结构」
- 不惦记未完成的任务，除非主动要求
那么当“第二个思维者”不再是纸张，而是 AI，思维结构会发生哪些变化？AI 能否服务于人意义的跳跃？
未完待续！
5. 题外话
这个思考也不是突然来的，也是我最近阅读的内容共同催化的内容，从 Susan 的「熵控制理论」，到 Notion CEO 的「透过后视镜看世界」，再到我几年前就了解的「卢曼卡片笔记法」、「时间—任务处理模型」。还有当下 AI 领域流行的「上下文工程」、「记忆」、「RAG」（有趣的是这段文字并不是我按顺序写的，而是写下的第三段内容）
