苏江：造妖指南

在信息热寂的宇宙里，人类分为两种：一种是布朗运动的粒子，随波逐流，最终归于平庸；另一种是麦克斯韦妖，他们手握开关，逆流而上，建立秩序。

这不是隐喻。这是物理。

在上一篇《E^F 定律》中，我们推导出一个价值创造公式：V = E^F × S / N。我们提到麦克斯韦妖这个思想实验：一个假想的小生物，通过分辨分子速度来创造秩序。

那篇文章回答了"为什么"。这篇文章要回答"怎么做"。

如何成为一只麦克斯韦妖？

做妖不需要三头六臂。只需要三件事：立宪法、造分身、收税。

立宪法

麦克斯韦妖之所以能工作，有一个前提：它能瞬间识别分子的速度。快分子来了开门，慢分子来了关门。判断标准清晰，执行果断。

但大多数人在信息流中失败，恰恰是因为"价值标准"模糊。

他们说"我想获取有价值的信息"，但从来没有定义过什么叫"有价值"。他们说"我想过滤噪音"，但从来没有明确过什么叫"噪音"。

于是每一条信息进来，都要临时判断。这个过程本身就在消耗能量。更糟糕的是，判断标准不一致。今天觉得重要的，明天觉得无聊。整个系统处于混乱状态。

做妖的第一步，不是写代码，而是极度冷酷的断舍离。你必须先在脑子里建立一套"价值宪法"。

负面清单优先

大多数人试图定义"什么是有价值的"。这很难，因为价值是情境性的。

更有效的方法是先定义"什么是绝对没有价值的"。这叫负面清单。

负面清单的特点是：一旦触发，无条件拒绝，不需要进一步判断。

情绪化的标题党内容？关门。没有数据支撑的观点？关门。重复的新闻换个来源再发一遍？关门。纯粹的娱乐八卦？关门。超过三天的"热点"？关门，它已经不热了。

负面清单的力量在于：它把大量的判断工作前置化、自动化。一条信息进来，先过负面清单。如果命中，直接关门，不需要消耗任何认知资源去评估它的正面价值。

这就像安检。不是去检查每个人是不是好人，而是检查有没有人带违禁品。带了就不让进，没带再说后面的事。

正面清单要具体

负面清单定义了"门槛"，正面清单定义了"目标"。

但正面清单不能是模糊的"有价值"，必须是具体的、可执行的标准。

假设你关注的是科技投资领域。"科技新闻"太模糊了。"特定公司的官方公告"才是具体的。"大幅波动"太模糊了。"变化超过 X%"才是可量化的。

来源要明确。阈值要具体。标准要可以被写成代码执行，或者至少能在3秒内完成判断。

这就是"宪法"的意义。把你的隐性判断标准，变成显性的、稳定的、可执行的规则。

判断函数

如果把立宪法的过程形式化，本质上你在定义一个判断函数：

f(信息) → { 通过, 拒绝, 待定 }

好的判断函数要低延迟。判断速度快，最好瞬间完成。要低误杀，不会错误拒绝真正有价值的信息。要高召回，不会漏掉重要信息。要可迭代，可以根据反馈调整参数。

大多数人的判断函数是一团浆糊。每次都要从头思考，没有复用，没有积累。

妖的判断函数是清晰的、稳定的、可执行的。

造分身

宪法定义了"开门还是关门"的标准。但谁来执行这个标准？

如果你自己去执行，你就不是妖，你是门板。

你会被信息流撞死。每天刷推特、刷新闻、刷群消息，试图用肉眼过滤信息。这个过程本身就在消耗你的 E，拉低你的 F，增加你的 N。公式的每一项都在恶化。

妖的本质是：它自己不消耗能量，但能创造秩序。

怎么做到？造分身。

分身的层级

最简单的分身是基于规则的过滤器。RSS 订阅加关键词过滤，邮件过滤规则，群消息关键词屏蔽。规则是硬编码的，判断是二元的：命中或不命中。适合处理结构化程度高、规则明确的场景。

进阶一点是爬虫和脚本。当数据源不提供标准接口时，需要主动去抓取和解析。监控特定网站的价格变动，抓取竞品的更新日志，扫描链上交易的异常模式。需要编程能力，但逻辑仍然是确定性的。你定义好规则，它执行规则。

最高级的是 AI Agent。当判断标准难以用硬规则表达时，需要引入机器学习或大语言模型。用 LLM 判断一篇文章是否"有深度"，用分类模型识别情绪化内容，用 Agent 进行多步骤的信息验证。判断标准是软的、概率性的，可以处理模糊场景，但也可能犯错，需要人类监督和反馈循环。

实际应用中，三层通常混合使用。第一层负责粗筛，过滤明显噪音。第二层负责抓取，获取非标数据。第三层负责精筛，处理模糊判断。

一个具体的例子

假设你在做加密货币投资，你关心的是"套利机会"。

普通人的做法是肉身当妖。每天刷10个交易所的价格，盯着20个 Telegram 群看消息，关注50个 KOL 的推特。累死累活，还是错过机会。

造妖的做法不一样。

先立宪法。热粒子是什么？同一资产在两个交易所的价差超过2%。冷粒子是什么？价差小于0.5%，或者流动性不足。

然后造分身。写一个爬虫，24小时运行，监控多交易所价格。当价差超过阈值且流动性充足时，触发报警推送到手机。

结果是什么？你不需要盯盘。只有真正的机会出现时，手机才会响。你的精力用于决策和执行，而不是过滤。

这就是 E^F 公式中 S 的意义。每一个分身都是系统化的积累。它们可以被复用、被迭代、被扩展。

人机混合

完美的妖不是纯机器，也不是纯人类，而是人机混合。

信息流进来，机器先粗筛，过滤掉99%的明显噪音。然后机器精筛，再过滤掉90%的模糊内容。最后剩下的，交给人类决策。

机器的优势是不知疲倦、可并行、可量化。人类的优势是处理模糊、跨域联想、终极判断。

好的系统设计是让机器做机器擅长的事，让人做人擅长的事。

收税

你有了宪法，有了分身。现在你是一只合格的妖了。

你能从混乱中创造秩序，从噪音中筛出信号。

但秩序本身不是目的。秩序是能量。能量可以做功。做功可以变现。

这就是收税。

内循环

麦克斯韦妖创造的是"温差"。在物理学中，温差可以驱动热机做功。

在信息世界，"温差"意味着信息不对称。你知道别人不知道的，你就有了套利空间。

内循环的玩法是：用妖过滤出高价值信息，基于这些信息做决策，获得超额回报。

这个模式的特点是收益完全归自己，但规模有限，受限于自己的资金和精力。

外循环

现在的互联网是一片泥沼。信息过载让每个人都在淹死。

如果你有能力把泥水过滤成清水，你就可以把清水卖出去。

外循环的玩法是：用妖过滤出高价值信息，把这些信息打包成产品，卖给那些没有时间或能力自己做妖的人。

Newsletter 是一种形态。每天帮用户筛选最重要的几条信息，收订阅费。

SaaS 工具是另一种形态。帮用户盯着特定数据变化，帮用户屏蔽噪音，收月费。

咨询服务是更高端的形态。帮客户做特定领域的信息决策，收项目费。

付费社群又是另一种形态。聚集一群高质量的信息源，成员本身就是妖，互相为对方过滤信息，收会员费。

所有这些商业形态，本质上都是"麦克斯韦妖服务商"。用户付费买的不是信息。信息到处都是，免费的多得是。用户付费买的是：你帮我关掉了那扇充满噪音的门。

这个模式的特点是可规模化，边际成本低。一份过滤后的信息可以卖给1000个人。

妖的网络效应

当你有了一只妖，下一步自然是：能不能有更多妖？

单只妖的能力是有限的。它只能在一个维度上过滤。但当多只妖形成网络，会产生新的效应。

一种是垂直叠加。原始信息流先经过妖 A 过滤来源，只保留可信来源。然后经过妖 B 过滤内容，只保留符合主题的。再经过妖 C 过滤质量，只保留高质量的。每一层妖都在降低熵。最终输出的信噪比远高于任何单只妖能达到的水平。

一种是水平协作。妖 A 监控价格，妖 B 监控舆情，妖 C 监控链上数据。不同维度的妖覆盖不同的信息源。单一维度可能不足以形成判断，但多维度信号汇聚后，可以产生更可靠的洞察。

最强大的妖网络其实是人类社交网络。如果你的朋友都是高质量的信息过滤者，那么你从他们那里获得的信息天然就是低熵的。

这就是为什么"圈子"如此重要。一个好的圈子本身就是一个巨大的分布式妖网络。每个成员都是一只妖，互相为对方过滤信息。

付费社群的本质就是这个。你不是为信息付费，你是为了进入一个低熵的信息环境付费。

你的第一只妖

理论讲完了。现在是实操时间。

你的第一只妖应该是什么？

答案取决于你的当前痛点。问自己一个问题：我每天在哪件事上浪费最多精力过滤噪音？

可能是刷推特寻找有价值的内容，那就做一个关键词过滤器加 AI 质量判断。可能是监控某个产品的价格变化，那就做一个价格监控脚本。可能是跟踪竞品的动态，那就做一个竞品更新爬虫。可能是筛选邮件中的重要信息，那就做一个智能分类器。

从最痛的点开始。造一只小妖。让它跑起来。

不需要一开始就很完美。先有一只能工作的妖，比有一个完美的设计重要得多。

然后迭代。观察它的表现。调整规则。增加功能。让它越来越聪明。

当你有了第一只妖，第二只就会自然出现。然后第三只。最终你会拥有一个妖群。

那时候你就不再是被信息淹没的普通人，而是站在信息流之上的守门人。

我的一只妖

说完理论，让我讲一个自己的故事。

我作为一个独立开发者，我也做过很多工具，但大多数没人用。

问题出在哪？不是技术不行，是需求没找对。我在闭门造车，做自己觉得酷的东西，而不是市场真正需要的东西。

后来我开始尝试各种方法去挖掘用户需求。刷推特看大家在抱怨什么，逛 Reddit 看哪些帖子在求推荐，混各种社群听人们的吐槽。效率很低。每天花好几个小时，收获寥寥。

就是那种典型的"肉身当妖"。

更糟糕的是，自从马斯克掌控推特之后，我发现 For You 信息流已经很难看到英语内容了。算法把我锁在了简中信息茧房里。除非主动搜索，但主动搜索效率低，我也没有这个习惯。我想看看老外在用什么工具、在抱怨什么痛点，变得越来越难。

某一天我突然意识到：我在做的事情，不就是一个信息过滤任务吗？我在海量的社交媒体内容中，试图找到那些"有人在抱怨，但还没有好的解决方案"的痛点。

这完全可以被自动化。

于是我开始造妖。

立宪法。什么是"热粒子"？我定义了一套标准：必须是某个人在表达具体的痛点，必须跟软件或工具相关，必须是现有解决方案做得不好或者根本没有。什么是"冷粒子"？纯粹的吐槽但没有明确需求，已经有成熟解决方案的问题，太小众以至于没有商业价值的场景。

造分身。我写了一个 Chrome 插件，跑在我的电脑上，24小时监控 X（原来的Twitter）的数据流。它会获取所有推文，送到后端。后端用 AI 进行清洗和分类：这条是不是在表达痛点？痛点属于什么领域？有没有现成的解决方案？最终只有那些通过层层过滤的"热粒子"会被保存下来。

收税。过滤后的信息变成了一个产品。我把它做成了一个网站：SaaS Gaps。每周五，订阅用户会收到5个精选的 Micro-SaaS 创业点子，每一个都附带原始的痛点来源和我的 MVP 建议。付费用户可以访问完整的历史库，按关键词搜索，按行业筛选。

这就是一个完整的造妖流程。从"我每天浪费大量时间刷推特找需求"这个痛点开始，到"一个24小时运转的自动化系统帮我过滤信息，还能卖给别人"结束。

现在我不需要再每天泡在社交媒体里了。妖替我守着那扇门。只有真正有价值的痛点才能通过，进入我的视野。

这只妖每周大概能帮我节省10-15个小时的信息过滤时间。同时它还在产生收入。

这就是造妖的魔力。

如果你也是一个开发者或创业者，被困在信息茧房里，不知道海外用户在抱怨什么、需要什么，SaaS Gaps 里有大量真实的用户痛点吐槽。这些都是从英语推特中挖掘出来的一手需求，不是二手转述，不是媒体包装。也许你的下一个产品创意，就藏在某条推文里。

从 E^F 定律的角度看，立宪法是在提高 F，判断标准清晰后执行更专注。造分身是在提高 S，每只妖都是可复用的系统。收税是在提高 V，秩序变成价值。

同时，三步都在降低 N。噪音被妖挡在门外，不再消耗你的能量。

这不是励志鸡汤。这是工程方案。

妖是可以被设计、被构建、被迭代的。

去造你的第一只妖吧。