如何进行有效的搜索信息？

引言：每个人都要做很多人生决策，但是早期的决策一般是大家都差不多。无非就是读书、创业、升学等等。于是会有很多的课程进行利用，也很容易找到很多靠谱的人做自己的意见领袖。但是越到后期，比如商业决策、比如职业生涯是否有大方向的转变等，都不可能靠某个意见领袖就可以帮助自己。

在这里面，信息的收集显得无比重要。另外，信息收集到了最后还需要具备一定的反常识性。因为互联网的算法习惯于推荐一些符合大多数人审美而且已经成为热点的东西进行推荐，但是人生的机会怎么可能是大多数人都已经知道的情况下你还抓得住呢。

一般来说搜索之前，脑子里就是有个问题了。例如：

每年都有那么多人找到新机会，那么包括经济低谷期在内，聪明人是如何找到机会的？(如果类的问题)

英国为什么直接把货币霸权让了？为什么苏联也不阻止美国上位？（这是一个Why not的问题）

这种问题别管用什么语言和引擎直接搜，搜出来的基本都是乱七八糟瞎猜的一些东西，难以成体系和说服自己，最后只能放弃。除非有个专家刚好和你用了一个相同的标题来录制了节目和视频和文章，否则不可能得到直接答案。

所以需要把问题进一步拆解，找到一个靶点去发力，得到了很多具体的事情，拿来主义的直接搜就很难。

这就涉及到，你如何定位出一个好的靶点的问题：

例如，了解汪寿阳教授为什么要加盟上科大这个问题，你直接搜，肯定没结果。

例如，想要了解布雷顿森林会议，其实叫联合国货币与金融会议，最后签署的也不是布雷顿森林协议，叫IMF章程第一版。如果你直接搜这两个关键词，什么也得不到，而且难以确定你要搜索的重点内容的话，你会很难把握后续的重点。

那么如何去找到靶点信息呢：

1.对于这种有历史，有足够的时间给后人做总结的内容。可以使用wiki里面的References，有的时候也可以直接找到协议了。这些东西可以直接使用wiki和GPT去找到，然后有工具可以帮你自动翻译，很多浏览器是可以一键翻译的，这样用起来就很顺手。

这里面需要知道一个原则，那就是今天的互联网，是以英文构建的内容占比最大，60.4％，中文信息不超过百分之十。如果类的问题一般使用英文搜索，英文搜索不满意就换成目标地区的语言去搜索。用日语搜完后再用一键翻译成中文。

这里需要注意的是，GPT只有百分之八十的正确率，只能帮助你模糊的定位，并不可能提供直接的答案，但是在早期，这是提高效率很好的工具，使用的时候自己再纠正即可。

然后等到找到了你的靶点比如这个协议，你就可以去读协议的原文，及其相关的一手信息比如创始人访谈、历史新闻。避免二手和拼凑类的书，另外在谷歌里搜索某个关键词＋PDF实际上也可以直接很多时候就这么找到了原文。

这里需要特别提醒的是，油管的自动翻译其实也很好，我作为一个雅思6.5和在香港全英文环境里泡了很久的人也依旧不可能理解所有的全英文内容。（setting-subtitle-English auto-generated-subtitle English Auto Generated-Auto translate-Chinese simplieded）

另外书籍搜索是很好的一个消息源头，但是搜索引擎做不到，因为搜不到书籍里面的内容。书籍的信息大部分是有版权的，所以不能直接搜索的到的。需要找一个读书类的APP单独的去搜，中文用《得到》，英文用open library，很多书它是直接给你原文的。这样你把书籍的信息和互联网的信息加起来才是你能得到的水上和水下的所有信息。

Tips：

对于严谨的历史数据：一级数据库，不贵的可以自己买，比如DEALROOM就只有六百美金一年

不是很严谨的数据可以直接大概查查：

Google images直接家data，十九世纪等

google news，google PDF用于论文里面找犄角旮旯的数据。

产生新问题，得到新靶点，就可以拔出萝卜带出泥。

2.一些比较容易确定靶点的问题

比如汪寿阳教授为什么加盟上科大，自然只有两个靶点，上科大创管学院和汪寿阳教授。但是不容易得出答案。这里可以搜到汪教授加盟上科大后做的两个报告，为了上科大的招生和师资培养而做的。这里面不但有答案，而且可以看出汪教授的支持力度和学院未来的发展走向，这就提供了新的靶点信息。让你确定这个学院未来五年是否有发展。

第二．如何整合零散信息和挖掘隐藏信息

在你确定你的问题后，进行搜索，有一大堆信息了，你应该如何整理，并且提炼出里面的反常识的信息或者有指导意义的信息呢？

举个例子，经济不好的情况下，个体如何做决策。

这是一个宽泛而宏大的问题，如果想找到答案，把问题从宽泛到具体。也是雅思听力和阅读里经常考的内容。

经济好和不好是哪些时间？可以找到康波分析、历史上的经济大萧条有哪些

经济不好的时候又是哪些人做了更好的决定？可以用GPT列一下500强和名人，名人再找个人传记去了解他们的决策信息。

当你往下搜索的时候你会发现，

搜索经济学中的“康波-PDF“，这个 康波-论文只有十二页-论文结论部分可以自己总结和翻译。找到比较重要的部分，那就是长波下降段最低点，新老交替阶段，大量的新技术会出现。这就是非常有价值而且你在自媒体时代难以获得的一手信息。

这就完成了第一步，那就是确定了经济框架和你要着手调查的一系列十几件和人物。下一步就是要整理timeline，最终确定你的大的框架。

例如搜索技术周期时间表，可以观察经济周期和技术周期之间的异同和联系，这就是在确定经济框架后可以做出的经济和技术之间的联系。

确定了，要做经济周期和技术周期，那下一步就是细化细节。在书籍阅读的时候看开头结尾，看图表数据，最后再搜一遍细节例如XX history/XX data/XX world等等。例如搜搜population在谷歌、油管等等。

然后你会发现，你的不同消息来源之间的时间和细节有一定出入，你甚至可以自己判断出哪个更靠谱。

最后也是需要自己动脑子的部分，那就是整合。例如上面这个时间和历史事件错综复杂的一个工程。

第一个题目的小结：

第一步，通过经济和技术的发展来做一个分类，并且这个宏观的变化成为自己要谈的第一部分（框架整理）

第二部，在里面的各个时间表、历史数据上的节点和时间都可以调查清楚（第一次零散的整理）

第三步，在有了一个大框架的前提下，进行多视角的对比和分析。使用timeline，一般重要的事件基本上都可以被总结过了你无需再总结。（第二次框架整理）

注意，搜不出来经济发展时间线的话，可以换成Panic timeline或者financial crisis 19世纪。

谷歌得不到结果，就换语种和timeline，再不行就换成中文的网站进行搜索。

当你做完这些事情的时候，你就会发现，你总能写出一些没有任何书籍里面写过的东西。大周期技术的特征等等。

但是你要注意，你要搜索到的东西基本上都是欧美人种偏好的，很多时候是以偏概全的，这也给了你自己发挥的空间了，也是你得出别人得不出的反常识结论得一个关键步骤。

第四步，也是最零散的部分，但是也是对每一个读者最有用的一个部分。那就是在你的这个大框架下，个体的行为和决策。（第二次零散整理）

这就涉及到你要在多个平台去搜同一个问题的相同侧面，忽略无关支线。

什么机缘成立和经济最差的时候怎么度过的。

其他的八卦信息，的确是不需要在意。

第五步又是整合，整合后你会挖掘出很有意义的答案，比如政府订单在大企业发展初期的临门一脚的推动作用、小人物的关键作用、每个阶段需要什么样品质的人来推动等。

这是大多数人都需要具备的一个技能，因为你不需要搞研究，但是需要了解任何你需要了解的组织、人、技术、小领域……

里面需要再次强调的一点，就是同一件事情自己交叉对比和疯狂更换关键字、工具和语言来搜索的能力。

第三．怎么去读很长的原文

副标题可以是：第二部分的补充搜出的东西太长无法很快读完怎么办。

比如你得到一个一千八百页数的PDF，首先需要全文浏览一遍，看结构，找重点。

其实再长的PDF只会分解成不到十个部分。这时候你根据那些刚刚定位出来的关键字，例如你要了解的是某个决议里面的具体信息，那只需要在这十个部分里阅读其中一个部分即可；如果你是想总结出一个逻辑顺序和还原历史上为什么做了这么“蠢“的决定，背后的妥协是怎么来的，那其实也最多阅读四个部分即可，还是跳读。

得到信息后，再进行交叉对比，把你冗长的版本和你找到的很多第二手信息包括官方信息进行对比，你如果这样做了，你一定可以找到一些谁也没有写过和关注过的一手信息。

注意，ChatPDF是一个去精华留糟粕的工具，因为它无法判断重点信息，定位能力难以复制。所以这个技能其实是一个AI难以取代的技能。

还有就是语料的特点。能够写出一千八百页的PDF，肯定绝大部分都是简单的记录、索引等，不需要专门阅读。

读得多了你会发现，绝大多数篇幅其实就是大家在凑字数。哪怕全是都是真知灼见的雄文，你也只感兴趣那一小部分你感兴趣的内容。例如上海科技大学章程很多页，但是我只感兴趣人才引进到底会不会有所提高。于是只有几百字的阅读量而已。

第四．怎么去找比较新很前沿的东西

以上都是很老的内容怎么找到有用的信息，那么很新的内容大家怎么搜索呢，因为它们还还没来得及变成这么冗长的典藏版稿子/书籍。

首先你要找到一个落脚点，比如你搜，量子计算，很难有什么收获。但是你搜索量子计算初创公司，quantum computing startups，这样一搜就有一堆名字那你就可以从这里面找到很多个延展的点。

其实创业公司这个是一个很好的锚点，因为你很容易知道谁在什么时候成立了一家什么样的公司，现在怎么样，创始人是谁。发展的如何。这样有很多的新的信息可以让你对这个领域进一步了解和提供搜索的新关键词。

当然，你希望了解新的学术信息。预印本、学术大牛的公开发言、学术大牛的近期文章。但是因为论文距离落地太远，所以一般来说对于一个词汇来破解黑话就可以了。“一文读懂“这种类型的视频可能比论文更加有用。油管就说XX map或者explained即可。

你去搜索创业公司的map或者生态图谱，其实几秒钟你就得到了一大堆名字而且有了搜索的点。第三步就是公司的融资情况和融资历史等等。

另外用创业公司的历史和数据库去了解是个很好的渠道，数据库有国外的CRUNCHbase和DEALROOM和TRAXCN等等，国内有鲸准。这个领域的发展快的公司都在干嘛往往是很重要的一手信息，可以指导你了解市场、科研的方向甚至是个人的选择。

没有数据去的话，比如去搜IonQ，直接可以得到融资信息。如果你切换到google news，很多时候你还可以获得很多竞品公司的融资信息。继续加stock，股价图出的来说明这个是一个上市公司。另外根据股价的大起大落的话，肯定可以看出一些线索。再根据这个时间可以直接搜索创始人的专访得到一些新的线索。

但是更深层次就是猜测搜索了，量子计算公司的买方可能是谁呢。谁是潜在买方。先锁定哪些行业是他们的潜在买家，比如report它里面很多都有潜在领域。那比如量子计算的潜在领域就是航空/汽车/银行等。然后猜测买方公司名字，搜索需求方的想法，比如有的公司就在做过量子计算的推广等等。再搜什么airbus vendor，很多量子计算的供应商也会出来。这样大小结合买方卖方的信息，你就可以得到很多新的潜在可能性，这可以成为新的趋势都会被你发现。

比如得到一个结论，你发现量子计算公司商业化很多，买方的需求也很强。不像我们想象的一样，很学术距离产业化很远。

第五．总结

第一．直接查一手信息，不要执着于中文要多语种搜索，意识到孤岛特性每一个app和书籍都是孤岛；理解AI的长处和短处。

第二．越入门，GPT就越有用，越深入GPT就越没用。所以要回归传统搜索，这才能让你真的获得一些很好的结论和发现，这个世界上没有人在自己的二手加工品里报道过。