多年前，我在一篇学习随笔里画过两种知识：一种只有看见提示时才觉得“我学过”，另一种像被一条锁链连着，可以在需要时主动拉出来。我当时把它们叫作“识记”和“索记”。
今天再看，这个比喻仍然有用。它提醒我：熟悉感并不等于掌握，保存也不等于可以调用。
识记：看见时认识，却难以主动使用
读过一篇文章、看完一门课程之后，我们常有一种强烈的“我懂了”。但合上页面，要求自己解释、比较或解决问题时，内容却变得模糊。
这类知识不是完全消失了。新的提示出现时，我们可能重新认出它；只是它与其他概念、问题和行动之间的连接还太弱，无法被主动提取。
在数字时代，这种错觉更常见。收藏、搜索和 AI 问答让内容随时可得，也让我们误以为“以后能找到”就等于“现在已理解”。
索记：知识被问题和结构牵引出来
另一类知识会在遇到问题时主动浮现。它不一定记得每个句子，却知道应该调用哪个概念、去哪里找证据、怎样继续推理。
这不是靠机械重复就能完成。知识之所以可被提取，通常因为它建立了多种连接：
- 与一个真实问题相连；
- 与相似或相反的概念相连；
- 与亲手完成的动作相连；
- 与一次失败、修正或解释相连；
- 与自己的知识地图和语言相连。
连接越丰富，知识越不依赖原来的页面和语境。
实践为什么重要
实践会迫使知识从“看起来合理”进入“能不能工作”。写一段程序、做一次演示、教别人一个概念，都会暴露理解中缺失的环节。
实践还会产生新的检索线索。我们记住的不只是定义，还包括当时的问题、错误、感受和修正动作。下一次遇到类似情境，这些线索会共同把知识拉回来。
因此，我现在更愿意把学习单元设计成：一个问题、一小组资料、一次实践、一份输出和一段复盘，而不是一长串等待完成的课程。
总结不是压缩，而是建立内部关系
整理知识的价值，也不只是把长文变短。真正有效的总结会说明：概念之间是什么关系？哪个是原因，哪个是条件？什么情况下结论不成立？它与我已经知道的东西有什么冲突？
当零散知识形成结构，我们提取的就不再是一块孤立记忆，而是一组可以共同工作的“知识组块”。这也是为什么自己画出的图、写出的解释，往往比复制来的摘要更有用。
AI 时代更需要主动提取
AI 可以随时给出答案，但学习者仍要判断该问什么、答案是否可信、怎样迁移到新问题。如果把每次思考都外包，我们得到的是即时结果，却没有形成可复用能力。
更好的用法，是让 AI 成为练习装置：要求我先作答，再给反例；根据我的解释追问；把一个知识点放进新情境；比较前后两次回答的变化。
工具可以帮助我们建更多“锁链”，但真正把知识拉出来并用于现实的，仍然是一次次主动提取与实践。