選題不是想出來的，是系統跑出來的
整理版優先睇
選題唔係靠靈感，而係靠系統持續運轉自然產生嘅副產品
呢篇文章嘅作者係一個持續寫作嘅人，佢成日面對「冇題可寫」嘅困境，以為係靈感唔夠，但其實係缺咗一個將素材轉化成選題嘅機制。佢引用社會學家盧曼嘅例子——盧曼話佢嘅作品唔係自己想出來，而係卡片盒想出來嘅。作者認為，現代人可以用AI工具升級呢個概念，建立一個三層選題系統：第一層係靈感捕捉，用Readwise、Getseed呢啲工具將碎片想法收好；第二層係智能體篩選，喺Hermes上整一個選題智能體，自動掃瞄筆記、博文，再根據寫作定位生成選題；第三層係人工精選，由作者判斷邊個選題值得寫。
呢套系統嘅關鍵係「轉化層」——將散亂嘅素材連結成新角度。作者強調，選題唔係靠等靈感，而係系統持續運轉嘅自然溢出。你持續關注一個領域，靈感捕捉幫你收碎片，智能體幫你睇到意想不到嘅交叉點，人工精選再揀出值得寫嘅。咁樣寫作就由賭博變成日常。
作者總結：選題係系統嘅副產品。你唔使等靈感，而係管好系統，等系統幫你產出。
- 選題困境嘅根源唔係靈感唔夠，而係缺咗一個將素材轉化為選題嘅機制
- 盧曼嘅卡片盒系統靠手動連結卡片，AI時代可以用智能體升級，處理更大規模嘅素材
- 三層系統：靈感捕捉（輸入）、智能體篩選（轉化）、人工精選（判斷），缺一不可
- 智能體可以從筆記同外部信息嘅交叉點產生意想不到嘅選題角度，人手好難做到
- 選題變成系統嘅副產品，寫作由「等靈感」變為「管系統」，持續輸出唔再靠運氣
選題困境：成日覺得冇題可寫
你有冇試過坐喺電腦前，腦一片空白，唔係寫唔出，而係唔知寫咩？呢個情況唔係偶爾發生，而係經常發生。選題，其實係寫作最耗時間嘅環節。
直覺話你知係靈感唔夠，但持續輸出嘅人唔係靈感多，而係有系統幫佢產生選題
你可能開始記筆記，讀到有意思嘅嘢就劃線、收藏，結果筆記軟件堆咗幾千條，但打開仲係唔知寫咩。呢個係因為你將「積累素材」同「產生選題」畫咗等號，其實兩者之間隔咗一道牆。
市面上教人選題嘅方法，一係等靈感跌下來接住，一係去熱搜借人哋嘅選題，兩者都唔係真正解決問題
轉化機制：你缺嘅唔係靈感，而係轉化層
你記錄落嚟嘅素材，好似倉庫裏嘅零件，一個個孤零零咁擺喺度。冇人幫你睇清楚呢幾個零件可以組裝成一部機器。你需要一個「轉化層」，幫你將散亂嘅素材變成選題。
不過盧曼嘅方法靠手動，一個人嘅精力有限，最多處理九萬張卡。而家有AI智能體，可以處理更大規模嘅素材，而且速度更快、覆蓋面更廣，係盧曼卡片盒嘅升級版。
三層系統：靈感捕捉、智能體篩選、人工精選
我自己個選題系統分三層。第一層係靈感捕捉，用Readwise自動同步各處劃線，Getseed錄入聽書碎片，所有嘢流到一個中心。呢層解決嘅係「唔丟失」問題，但本身唔產生選題。
第二層係智能體篩選，成個系統嘅心臟
- 先搜索素材：自動掃瞄我關注嘅博主最新文章、Roam Research筆記同Readwise高亮
- 然後篩選定位：根據我嘅寫作定位（個人生產力系統、AI工作流、知識管理）過濾內容
- 接着生成選題：從相關內容提取角度，變成選題，每個選題都有來源
- 最後自動入庫：選題直接入Notion數據庫
呢一步最驚喜嘅係，智能體會產生好多我從來冇諗過嘅角度——從筆記A同博主B嘅交叉點生成C，呢啲角度手動係翻唔出嚟嘅。
第三層係人工精選：我親自判斷呢個選題有冇新角度、我有冇切身體驗、而家寫係咪合適
智能體幫你提取可能嘅選題，但判斷邊個值得寫、你能寫出咩唔同嘢，呢個只能自己做。三層跑起嚟之後，選題就同「今日有冇感覺」冇關，變咗系統持續運轉嘅結果。
選題係系統嘅副產品
盧曼話「唔係我想出來，係卡片盒想出來」——主體係系統，人負責搭建、餵養同挑選
選題唔係隨便冒出嚟，前提係系統要持續運轉。你讀嘅每一本書、記嘅每一條筆記、關注嘅每一個信息源，都係俾系統嘅原料。靈感捕捉偷懶，下游就斷供。轉化層幫你連結零件，冇咗轉化層，原料永遠係原料。
系統嘅關鍵唔係工具，而係轉化邏輯：你嘅素材點樣變成選題？你有冇機制喺背後將零件拼成機器？
AI係放大器，但你需要有嘢俾佢放大。你對自己領域嘅持續關注，先係轉化層運轉嘅底層燃料。AI幫你睇到睇唔到嘅角度，但嗰啲角度之所以成立，係因為你一直喺呢個領域。
你由等靈感嘅人，變成管系統嘅人。選題，就係系統嘅副產品。
