一、序言

今天我想讲点不一样的东西。传统的写作路径、方法论，王老师以及其他老师其实已经讲了很多了，只不过每个人讲的都有自己的侧重点。所以我今天想讲一些比较有个性的东西——我自己是怎么跟AI协作来进行学习和写作的，以及一些实习方面的经验。

在这里我先声明一下，这只是一份个人的攻略，不提供任何价值判断。

我在开头想说一句是：虽然AI确实能够帮助我们很多，但它始终是一个工具，或者说得难听一点，它好像没有办法摆脱"捷径"这个词。所以在当今，如果我们能够完全拒绝工具的诱惑，保持自身的主体性，仍然坚持一种独立的、甚至有点痛苦的思考，这本身就是一件非常有勇气且了不起的事情。

二、论文写作

2.1 选题

我觉得论文最重要的就是选题，一个好的题目决定了论文的一生。这一点王老师也会给予很中肯的提醒。

比如，我们通常需要选一个比较"永恒"的话题——可能老师的意思是不要去追学术圈里一时的热点，而是选那种在学科里有持久生命力的问题，像主体性、真理、存在、语言与实在的关系这类根本性的哲学问题。热点会过，但永恒的问题不会，这意味着论文几年后还有人读、还有对话空间。

另外，选题要对文本材料的难度有一个考量——是否能够在规定的时间内完成核心文献的阅读。

我自己的论文外审的结果，其实也说明了一个问题：不是一定要选一个圈内热门的话题（比如现象学），才会有好的结果。拉图尔在国内哲学圈算不上热门，但好的选题不需要热门来背书。而且好的选题会让后面章节的展开都非常顺利，这一点我在后面会讲到。

2.2 研究的开始：收集资料与文献阅读

确定选题之后，最开始要写开题报告。在写开题之前，王老师有一个很好的方法论——让我们去收集要研究的作者的所有资料（专著、论文、二手文献），列一个清单。这样做一个是对研究有一个系统的把握，另一个就是后面在引用的时候比较方便，格式也可以提前整理好。

在这个传统路径上，我们最开始是要读一些作者的二手文献。这些二手文献其实共同构成了一个网络——一个以作者为中心的、不同问题视域的网络。这些网络是相互联系的，所以我们可以从一个问题探索到另一个问题。在一段探索之后，这个作者的一些核心思想就被我们掌握了。

我觉得这本来就是一个非常好的方法。在此基础上，我们可以借助一些AI工具来提升效率：

2.3 核心阅读

接下来就是核心阅读阶段。一般是以一本或几本最重要的文献为主（我们称为核心文献），根据你的时间规划，其他的著作文献就作为一种补充式的阅读。你节省下来的时间越多，就可以读更多的文献。但是核心文献是一定要认真读完的。

我当时是在研二上学期，从头到尾读完了拉图尔的《存在模式探究》（当时还没用AI，那个时候GPT 4o还没出来）。

后面暑假的组会汇报，我就按照阅读积累下来的思路进行了汇报，分成几个部分：一是从现代性的批判开始，再到本体论的问题（从行动者网络转到存在模式）；二是拉图尔存在模式的一个概览图，介绍各组存在模式；三是集中介绍拉图尔的虚构的存在模式，突出其本体论的特征；四是与其他哲学研究的关联（这个当时还没确定）。

而这几个部分，就是我后来论文成文的正式方向。除了第四部分之外，其余三个部分的逻辑差不多是确定的，只需要进一步往其中填充语料。

2.4 正式写作

有了大框架之后，在阅读核心文献以及其他著作的过程中，我也做了大量的笔记。从框架到成文，中间有一个关键的转化：笔记是按阅读顺序积累的，但论文是按论证逻辑组织的，这两个顺序往往不一样。

所以正式写作的第一步，与其说是"开始写"，不如说是把散落在各处的笔记按照论文章节重新归位，看看每一章的论证链条上还缺什么，哪些地方笔记已经足够支撑，哪些地方还需要回去补读。做完这一步之后，写作就变成了一个相对稳定的填充推进过程——但这个填充不是机械的搬运，而是把阅读中形成的理解转化为你自己的论述语言。

这个阶段AI也可以介入，比如你写完一段之后让AI帮你检查论证是否连贯、有没有逻辑跳跃、表述是否清晰。但核心的论述本身还是得自己写，因为那是你对文本的理解，AI没有你读过的那种完整的阅读经验。

2.5 第四章：在哲学史语境中展开对话

这一章几乎是通用的，大部分论文当中都会有这个结构——在哲学史或者某些讨论的语境当中展开你所研究的思想家的思想。

这里我想推荐一个方法：我们可以让AI帮我们做一个阅读计划。因为AI很擅长提供一种纵览式的观察，很擅长追踪一个概念的广度。

我当时面临的一个情况是，中期之前确定的方案是做虚构在哲学史上的探究；中期之后，老师们提出了新的建议，比如虚构主义、与哈曼等现代研究者的对话。所以第四章的改动比较大，需要补足大量的阅读时间，但我没有办法把新框架内所有哲学家的著作都完整读完。

于是我就让AI给我列了一个研究计划。比如从海德格尔的存在论差异（存在与存在者的根本区分），到哈曼的客体导向本体论（从海德格尔的工具分析出发，把"隐退"概念激进化——不只是工具在人面前隐退，而是一切客体在一切关系中都有隐退的维度），再到拉图尔与哈曼之间的根本张力——哈曼认为客体有不可被关系穷尽的深度，拉图尔更倾向于关系主义，认为行动者由其关联构成，并在AIME中用多重存在模式来分化不同类型的存在方式。这条路线追踪的核心问题是：存在者的实在性究竟在哪里？是在隐退中、在关系中、还是在不同的存在模式中？

这个研究计划具体到了某本书的哪几个章节，这样我就顺着来读，大量地节省了时间，不用整本书都读完。

2.6 预答辩与答辩

到了这个阶段，正文其实已经没有什么大问题了，剩下的主要是规范性的东西——引用格式是否正确、有没有错别字、小标题的措辞、行文中的一些细节问题。这些事情零碎但量大，而且自己反复看同一篇文章容易"盲视"。

但这里也要提醒一句：这类工具适合抓规范性的硬伤，涉及学术表述的准确性——比如某个哲学概念的译法是否恰当——还是得自己把关。

三、我自己的学习路径

除了传统的论文写作路线之外，我还想分享一些我个人的、比较有意思的学习路径。

3.1 "梯子"

我现在遇到什么感兴趣的话题，无论是在B站上看到的，还是跟朋友聊天受启发的，我都会记录下来，然后让AI帮我列一个研究计划。这个研究计划里面可能有好几条路径，比如我想读阿伦特的《人的境况》，那么关于她的政治哲学的阅读路线可能是从第几节到第几节，关于计算性思维的问题又是哪几节。

我们学哲学的时候，老师经常跟我们说"梯子"——他们会给我们提供一条路径，顺着这个路径能够更好地介入哲学问题。AI在这里做的就是一个生成梯子的工作。但是，当我们真正进入并获得了这些哲学知识的时候，我们又要以一个反思的方式去看待这个梯子——AI给的路径不是终点，而是进入问题的起点。

3.2 改变记录问题的习惯

这一点我觉得是AI对我最大的帮助。

以前我们读一本书的时候，会有很多很多小问题。这些小问题我们要么放在一边，继续读下去，期望随着后续文本的深入能回过头来理解；但有时候这些问题会使我们的阅读停滞，或者我们会为了阅读的流畅性而习惯性地遗忘它们。

有了AI作为一个能够一直回复我的助手之后（当然并不是说AI说的就一定是对的），我就养成了一个习惯——把我在阅读过程当中遇到的各种问题都记录下来。我觉得这是一个很好的习惯。记录本身比答案更重要。

3.3 阅读疲惫时的缓冲

另外就是，我们在阅读过程中并不能一直保持非常长时间的专注状态。比如阅读德国古典哲学这种本身行文就比较晦涩的文本，读久了会特别疲惫。这个时候AI可以帮我们梳理一下已经读过的文本，缓解阅读体验，也帮我们确认自己理解得对不对，然后再继续往下读。

四、对AI的思考

4.1 黑箱问题

在我看来，大部分人是把AI当做黑箱的。这就导致了两种极端的做法：要么把AI夸大成一个无所不能的神，要么把AI降格为一个什么都不会的东西。

这两种做法的逻辑其实是一样的——无脑地下发一段指令，就希望AI能够达到预想的效果，或者以此来证明AI无法达到预想的效果，而不会去反思自己的指令是否有问题。

我对AI的看法，可能也得益于我的工科背景，我会去了解AI运作的一些机制。所以对我来说，它不是一个黑箱，而是一个我会想办法去理解和利用的工具。当你理解了工具本身的逻辑，你跟它的交互方式就会不一样——你知道它擅长什么、不擅长什么，你会调整你的指令、你的期待、你的使用方式。这本身就是一种主体性的体现。

4.2 AI替代写作的危险

最后讲一个AI的局限性。我跟一个研友聊过这个问题，我们都发现：如果我们让AI代替我们去完成最后的成文工作，当我们看着AI写出的这一堆东西——既像是我们写的，又不像是我们写的——我们会发现，我们似乎丧失了写作的能力。

这并不是说AI写得不好。恰恰相反，正是因为AI写得"还行"——好到你可以接受——这本身就是一个危险的信号。当获取一个"可以用的文本"就能满足你的时候，你已经把"写作"降格为"获取文本"了。而真正的写作能力存在于那个挣扎和选择的过程中——你在组织语言时的犹豫、取舍、反复修改。你跳过了这个过程，能力就在不知不觉中流失了。

AI的这种完全替代式的写作，对我们自身写作能力的打击可能是毁灭性的。

讲了这么多AI的实用方法之后，我想在最后做一个反思。

阿伦特在《人的境况》序言中有一个警告，放到今天AI的语境下变得格外紧迫：

不是AI真的在思考，而是我们对"思考"的理解已经退化到了连AI的输出都能满足的程度。

如果你问一个人"人生的意义是什么"，他去问AI并对答案满意，这不证明AI拥有了追问意义的能力，而证明那个人已经把"追问意义"降格为"获取一个令人满意的回答"——而获取回答，恰恰是计算性的操作。

这可能就是阿伦特所说的计算性思维（calculative thinking）的陷阱。我们前面讲的所有AI协作方法，都要在这个警告之下去理解——工具是工具，但如果我们连"什么是真正的思考"都搞不清楚了，那工具再好也救不了我们。

五、实习经验分享

5.1 时间节点

先讲一个时间上的问题。不知道大家有没有关注就业资讯，其实大厂的招聘节奏在越来越提前，有点拔苗助长的意味。而且大厂越来越喜欢实习转正的，因为稳定性更高，这种趋势可能会越来越明显。

倒推一下时间线：终极目标是拿到秋招的正式offer，但秋招的前置条件往往是你已经有了一段大厂实习经历。而暑期实习的招聘现在已经提前到了四五月份。所以整个链条是：夏季学期就要准备简历和投递暑期实习 → 暑假进大厂实习 → 争取转正或拿到秋招的敲门砖 → 秋招拿offer。

如果这个链条断了，等到春招再去竞争，名额少、竞争大，处境就很被动了。春招本质上就是秋招的补招。

相对于工科或商科的来说，他们是就业导向的，那我们很多是学术导向的，如果要走就业道路，这个时间规划对我们哲学专业的同学来说也是很重要的。

5.2 面试的心理门槛

我跟一些朋友聊的时候发现，有些人不想去工作，一个很大的原因是不想去面试——不想去接受这么一个社会化的过程。这一点确实没有办法避免。只是对于我们学哲学的，特别是读博士的同学来说，这个社会化的过程可以推迟得非常晚，但总归还是要面对的。

我自己在实习结束之后也投了一些简历，但那个时候我并不在意结果，更多是想锻炼一下自己的面试能力——多经历，积累经验。把面试当作练习而不是考试，心态上会轻松很多。

5.3 简历优化

简历这块有一些修改的技巧。在没有专业职业规划人士指导的情况下，我们可以先用AI来帮忙。具体来说，分几步走：先把自己的校园经历、项目经历、实习经历等尽可能详细地讲给AI听，提示它用STAR法则（Situation情境、Task任务、Action行动、Result结果）帮你结构化表达；然后结合你要投的岗位JD，进行针对性的优化。这样简历过筛选的成功率会高很多。

可能最开始会觉得这个行为很形式主义，我最开始也是这么想的。但没有办法，在公司看来，连这种最基础的形式都不愿意去做的人，他们可能更不愿意考虑。

5.4 面试准备

准备面试的时候，我会用Claude Code来搜集面试资料。Claude Code是Anthropic的一个命令行工具，支持安装各种skill来扩展能力。比如我装了小红书相关的skill之后，可以让它自动搜集某个话题下的帖子（比如"顺丰产品经理面试经验"），然后整理成一份结构化的攻略。对于大厂面试来说这特别有用，因为大厂的很多面试题目是比较固定的。

我跟我的前同事也探讨过一个通病：我们的项目经历其实很丰富，面试官问的问题我们以前可能都遇到过，但在面试现场没有办法那么快地定位到那么细节的点，然后完美地表达出来。

所以我想了一个办法——让AI帮我按照不同场景整理出不同的面试卡片，每个卡片有一个基础的框架，面试的时候根据问题对应到具体的卡片上。这样就把"临场发挥"变成了"有准备的调用"。

另外也可以跟AI模拟面试——让它问你一些问题，看看有没有你没考虑到的角度；或者你问它一些问题，看看它的回答有什么可以参考的地方。

5.5 关于视角转换

最后分享一个关于实习心态的经验。我经常听到有人说在实习中学不到东西，我觉得这跟视角有关。如果以一个打工人的视角，每天就是去完成上级布置的任务，当任务达不到自己想要的程度的时候，就只会觉得学不到东西。

但如果换一个视角——以一个学习者的身份，或者说为日后工作做经验积累的身份去看待——就会发现很多隐性的东西。比如我前几天，老板给了我一个需求文档，让我根据它做一个判断面料的智能体。这个技术实现本身不会给我带来什么进步（在技术层面上）。但如果以学习的视角看，这个需求文档本身就是一个好的产品经理的作品——我可以从中学到需求文档该怎么写、逻辑该怎么组织。

还有很多类似的东西：公司是怎么运作的？怎么向上管理？同事之间的协作逻辑是什么？这些东西书上很难教你，但你每天都泡在这个环境里，只要你愿意换一个视角去观察，会有很多学习的素材。

结语：行动与诞生性

在这个充斥AI的时代，如果我们问什么是AI无法替代的，阿伦特可能会回答，真正无法被替代的是行动——在复数性中以言行开启不可预测之新事物的能力。行动的存在论前提是诞生性，即一个此前不存在的"谁"进入世界，并以不可预测的方式开始新事物。

AI能模拟劳动，能模拟工作，但它没有"诞生性"。它永远不是一个从未存在过的"谁"，它没有办法以不可预测的方式开启新事物。

所以，真正属于我们每个人的、不可被替代的东西，不是知识量，不是写作技巧，而是你作为一个独一无二的"谁"去行动的那个能力。

希望我们每个人都能有这个意义上的行动，有不可替代的开端。