One problem · many lenses
单一视角
Before the answer · 先别急着下结论
一个观点
可能没错，
却不完整。
生活中遇到一个问题，或者看到一件社会事件，我们很容易抓住最熟悉的一种解释。但复杂问题通常同时包含技术、制度、利益和人的因素。
选择一个问题
悬浮预览，点击右侧“现实问题”固定展开
跨领域思考，不是把所有学科都搬来。而是避免漏掉真正决定结论的那一层。
这就是我建立知识宇宙的原因 ↓
这就是我建立知识宇宙的原因 ↓
A living knowledge universe · 2026
我的
知识宇宙
这不是一份笔记清单，而是一套持续生长的理解网络。
数学、心理学、经济、法律、产业、AI……会在真实问题出现时重新连接。
8 domains · one connected mind
现实问题召集知识
数学与算法推断 · 优化 · 学习
自然科学物理 · 宇宙 · 生命
哲学与人文真理 · 伦理 · 意义
心理与行为认知 · 情绪 · 关系
历史与制度社会 · 经济 · 法律
产品与产业行业 · 产业链 · 企业
AI 与工程模型 · Agent · 项目
学习与表达理解 · 创作 · 传播
≈ 8,000篇文档≈ 51,000次双链8大知识领域
≈ 8,000Markdown 文档
≈ 51,000双链引用次数
80高价值主题与工作区入口
2,268可检索主题词
数据快照：2026-08-12 · 数量代表规模，不替代质量判断
01 · The atlas
我在长期理解什么
这不是八个互不相干的书架。每个领域都从自己的问题出发，又在真实场景里彼此相遇。
数学与
智能算法
怎样表示、推断、优化、学习和决策？
物理、宇宙与
自然科学
自然世界怎样运动、演化并形成复杂结构？
仍在探索与生长哲学与
人文思想
什么是真的、可知的、正当的和有意义的？
心理学与
人的行为
人怎样感知、记忆、产生情绪、形成关系并行动？
历史、社会、
经济与法律
制度、资源、权力和规则怎样形成现实？
产品、产业与
企业系统
从具体行业、上下游产业链和企业竞争，理解变化怎样跨行业传导并落到真实业务。
AI、Agent 与
工程项目
怎样把模型能力变成可靠、可验证的工作流程？
学习、表达与
知识创作
怎样把复杂知识转成理解、表达与作品？
02 · The network
完整知识版图
先从八个领域看全景，再进入一门学科、一个行业或一个具体问题。屏幕上的节点是进入约八千篇文档的入口，而不是知识的边界。
40 个当前节点可探索 111 个知识入口 · 连接约 8,000 篇文档
03 · Knowledge assembly
一个问题，会叫醒哪些知识
知识不是按学科排队给出答案。面对真实问题，不同主题会分别解释机制、检查证据、补充制度背景，并共同形成可以使用的产物。
A question assembles knowledge
04 · A living system
新东西，怎样长进已有网络
知识库不会因为来了一篇新文章就机械增加一篇孤立笔记。它先判断来源、问题与归属，再决定更新旧主题、只保留来源，还是建立真正必要的新节点。
Incoming material · 示例新材料
生成式 AI 正在改变哪些工作任务？
带着来源、事实、案例和预测进入；它暂时还不是知识库已经接受的结论。
它说了什么
事实／观点／预测已有哪里
能够承接什么关系
值得新增
事实／观点／预测已有哪里
能够承接什么关系
值得新增
本例最终变化不是 +1 篇而是 2 个主题更新 · 4 条关系新增 · 1 个问题入口增强
补进已有主题本例选择：更新人工智能产业，并增加跨主题关系。
只保留来源证据不足或时效太强时，不升级成稳定结论。
建立新节点只有概念稳定、会反复使用且旧结构无法承接时。
先看已有网络
新材料到来之前，AI 产业、大模型、AI Agent、经济学和企业系统已经互相连接。
已有 5 个主题已有 5 条关系