收、问、改、出:一份素材走完的一次完整流程
收藏动作本身没有门槛,难的是「存下来」到「用出去」中间那一段。
这篇把这一段拆成五步走一遍:收 → 问 → 改 → 出 → 讲。每一步我都会说清为什么要这样做,以及最容易做错的地方在哪。
第 0 步:先选一份你真的要用的资料
不是「以后可能有用」,是这周就要交出去的东西。
这一步很重要,因为整条流程的产出质量,取决于原料是不是真的和你手上的事有关。先从一份开始,别一次整理三年。
第一步 收:把这份东西的原料收齐
一份材料很少只有一个来源。它可能是一份 PDF 报告、两个网页、加上你上周跟模型讨论出来的一段结论。
四类入口都能收:大模型对话(在聊天页点「收藏对话」)、网页链接(粘贴 URL)、文件(拖进去)、Agent 会话(让它收藏当前会话)。收进来之后它们长得一样:有标题、有来源、有时间、有能被检索的正文。
为什么先做这一步: 原料不齐,问出来的答案就是残缺的——而且你往往不知道它缺了哪一块。收齐是唯一能让你「知道自己在问什么」的办法。
第二步 问:要它引用原文,不要它总结原文
这一步只有一条经验,但值得单独讲:
要求它引用原文,而不是总结原文。
总结你没法验证;原文可以。同一份材料,问法不同,可验证性差很多:
- ❌「这份合同有什么问题?」——范围太大,答案只能泛泛而谈。
- ✅「第 4 条和第 9 条对违约责任的表述是否冲突?引用原文。」
- ✅「把支持这个结论的段落原文抄出来,标页码。」
回答里的每个结论都带 [1]、[2] 这样的标号,点一下跳回原文对应段落并高亮。
为什么这一条最关键: 它把「我觉得这段可以信」变成「我看见它在原文哪一句」。五秒能验证的结论,你才敢用在工作里。
第三步 改:不要推翻重写,逐块提意见
选中不满意的那一段,把它加进对话,然后说一句你的意见——比如「这段太啰嗦,压到两行」。
注意它不会直接改你的文件。它给的是一份逐块提案:原文和改后并排,红的是删除、绿的是新增,你逐块采纳或拒绝,也可以继续提意见让它重出。
为什么这样做: 改稿真正的成本不在「写」,在「找差异」——你总得知道这一版和上一版到底差在哪。把它变成逐块采纳之后,改稿就更像看代码的改动记录:可以局部接受,也可以整块退回。
第四步 出:让它变成能交出去的形态
确认过的内容,再落成产物:
- 笔记:临时查出来的结论、一段可以复用的说明,直接存成笔记,之后能改。
- 思维导图:结构复杂、需要一眼看清层级的时候用。
- PPT:要讲给人听的时候用。生成出来的是可编辑对象(文本框、形状、图表各自独立),能导出 pptx,素材里的数据点保留出处。
为什么强调「可编辑」: 一份不能改的产物,你迟早要重做一遍。能改、能导出的,才是你交得出手的东西。
第五步 讲:把出处留着
汇报时最常被问到的一句话是「这个数字哪来的」。
因为数据点是从素材里带出来的,出处一直在——你能当场答出来,而不是回头翻半小时。
为什么这一步值得单独说: 前面的每一步,最终都是为了让你在被人问住的时候答得出来。
最容易做错的三处
- 收的时候不留一句话。 三个月后你会看着这条素材想不起来当初为什么留它。
- 问得太宽。 「帮我看看这份材料」几乎一定会得到一个正确但没用的答案。
- 想一次到位。 直接要最终稿,你只能得到一个要重做的版本;先要大纲或初稿,再逐块改,反而更快。
你今天就能做的一次
从最小的一次开始:
- 收三份你真的用过的资料(其中至少有一段 AI 对话);
- 问一个具体的问题,要求它引用原文;
- 挑出其中一处不满意的地方,逐块改掉;
- 把结果存成笔记。
四步走完,你就有一条自己的流程了——之后只是把原料换成新的。
收藏是往里放,流程是往外拿。能拿出来的,才算你的。
Keep reading
LLM-notebook: turn a YouTube video into material you can question
YouTube has whole courses on it, but video is linear: to find the sentence the instructor said ten minutes ago you drag the scrubber and hope, and there is nowhere to ask about the part you did not follow. LLM-notebook turns a YouTube link into material you can question — the video plays in the workspace, the subtitles are laid out by paragraph, and anything you do not understand you select and ask about. Answers cite the exact passage, and one click jumps back to that moment.
Read postLLM-notebook: turning flowing LLM conversations into knowledge assets
A sharp answer in ChatGPT, a workable engineering practice in Gemini, reusable reference material in Qwen — and a week later it is scattered across four chat histories, impossible to search and impossible to edit. LLM-notebook collects LLM conversations into one library and settles them into notes you can read, export and share.
Read postChangelog
From the first version on main to today, logged week by week. Every entry comes from a real commit — features, but also the mistakes and the rollbacks.
Read post