我对西雅图的水质向来印象不错，普遍的说法是这里水质偏软，很适合冲煮咖啡。所以日常生活中，我基本是水龙头的水接出来就用，最多用家里那个Berkey滤水壶滤一下。总之，在水这件事情上，我过去一直没太深究过，觉得差不多就行。直到最近，因为在水培和给女儿做泡泡水这些生活琐事上遇到了一些小挑战，加上像o3这种Agentic AI的日益普及和强大，我开始借助AI对水这个东西的质量进行了些探索。结果，这一番折腾下来，不仅很多过去的认知被颠覆，也让我对AI如何改变我们的学习和探索方式，有了全新的体会。
水培白菜的发芽速度
最初关注水质，是源于水培。之前水培白菜，发芽阶段小苗长势总是有些缓慢，叶片颜色也略微偏黄。我本来就擅长折腾，对水培有一些经验，当时已经购入了TDS笔和pH测试笔。初步测量发现自来水pH确实有些偏高，于是我尝试换用纯净水将pH调至中性，但遗憾的是，长势并没有得到根本性的改善。
面对这个困境，直到最近像o3这种Agentic AI越来越好用，我开始向AI求助，描述了我的问题和已有的测量数据（比如pH已经调整过但生长依然不佳）。AI很快就指出了我可能忽略的关键因素：营养液本身的缓冲能力（KH，也就是碳酸盐硬度/碱度）和总硬度（GH）。它解释了这些指标如何影响pH的稳定性和营养元素的有效性，并建议我测量和理解营养液的这两个参数。甚至直接给出了测量套件的品牌型号，给出了购买链接和价格（10美元左右）。
在AI的指导和放毒下，我很快购买了滴定套件，测量了水培溶液的KH和GH，发现它的KH大约是27 ppm，而GH则高达770 ppm。AI进一步解释了过高的GH可能导致养分吸收失衡或产生拮抗作用，以及过低的KH可能导致营养液pH值容易剧烈波动。在这个基础上，我学习了使用蒸馏水做基底，更科学地精确配比营养液，并主动调节pH和KH值，以达到更适合植物生长的平衡。
在调整了营养液成分以后，效果明显。同样是白菜种子，在使用AI建议的方法调整水质后，小苗出土后的生长速度明显加快，叶片也更加浓绿。这时我才意识到，以往认为的发芽就该那么慢，很可能受到了水质的限制。这个发现，让我对水质与植物生长之间关系的理解深入了一层，也初次体验到AI在解决水质问题上的强大助力。
泡泡水的狂暴升级
水培实验的积极反馈，进一步激发了我对水质的兴趣。那段时间，女儿对泡泡枪非常着迷。我之前也参照网上的方法，用洗洁精兑自来水调配泡泡液，虽然也能产生泡泡，女儿也玩得开心，但我总觉得效果不过如此。只是一直也没往心里去。
从水培中了解到硬水中的钙镁离子的影响后，我联想到这个可能也会影响泡泡水（表面活性剂的效能）。我们家自来水的GH值虽然不高（36ppm），但也并非为零。于是我把这个想法和提升泡泡效果的需求告诉了AI。AI不仅确认了我的猜想，还迅速帮我调研了更科学的泡泡水配方。一开始给的是基于瓜尔胶，玉米淀粉的家庭配方。在我“能再给力一点么老师”的要求下，它综合调研了几篇论文（比如Pasquet, M., Wallon, L., Fusier, PY. et al. An optimized recipe for making giant bubbles. Eur. Phys. J. E 45, 101 (2022). https://doi.org/10.1140/epje/s10189-022-00255-6），然后给出了一个非常变态的配方，用甘油，椰油酰胺丙基甜菜碱，羧甲基纤维素配了一个版本。
我花了20美元巨资购入原料以后用蒸馏水调配，整个人受到了惊吓。这个新版本的泡泡水，出来的泡泡不仅更多，而且很难破。综合出来泡泡的数量在感官上至少是以前的两三倍。用同样的泡泡枪很容易实现一阳台满满都是彩色泡泡的梦幻感觉。真是没想到，即使是简单的玩具，（在AI的指导下）对细节的关注和科学方法的应用也能带来截然不同的体验。
意式咖啡的用水考量
谈到咖啡，西雅图水质优良的印象更为普遍。我自己也长期使用本地自来水冲煮意式咖啡，风味蛮好，机器也没有什么结垢问题，因此在这方面一直比较省心。
但随着对水质理解的加深，我开始关注SCA精品咖啡协会推荐的咖啡用水标准。使用滴定剂测量后我发现，本地自来水的KH为36 ppm，GH为54 ppm。这两个数值与SCA的推荐范围相比，KH略低，GH则刚达到推荐范围的下限。我也不知道这对口味到底会有什么影响，所以向AI咨询了不同的调整方案（比如添加特定矿物质、混合不同比例的纯净水等）。AI迅速给出了几种方案，并且从风味影响和设备维护（这一点我忽略了）分析了各自的优缺点。
我先测了一下手头的矿泉水，发现 KH是54 ppm、GH是90 ppm，离SCA推荐还是有一定距离，所以就买了蒸馏水和矿物质包，把冲煮用水的KH调至约54 ppm，GH调至约143 ppm，然后进行萃取。从个人感官体验来看，调整水质后的意式咖啡，在风味的平衡感、甜度和醇厚度方面似乎有所提升，油脂也显得更为丰富。当然，这属于主观评价，由于我只有一个咖啡机，也缺乏双盲实验的严谨性。
但这个过程让我体会到，即使是大家普遍认为优质的水源，也未必是针对特定应用场景如精品咖啡冲煮的完美选择。在AI的辅助下，我可以更系统地权衡风味追求与设备维护等实际因素。
一些思考：好奇心、量化、跨界学习，以及AI
回顾这几次与水打交道的经历，感触颇深。最初，无论是对白菜的生长习性、泡泡水的常规效果，还是咖啡用水的普遍认知，我都处在一种相对默认或满足于现状的状态。驱动我进行探索的，是那份对为什么和能不能更好的好奇。而将这种好奇转化为实际行动和有效认知的，则是测量、对比以及AI的强大支持。通过简单的工具和方法，将模糊的感知转化为具体的数据，使得改进的方向和效果变得清晰可见。
更有价值的是，这些看似独立的探索，其背后的知识和经验是可以相互迁移和启发的。从水培中，我积累了关于KH对pH缓冲作用的理解，为我调配咖啡用水提供了思路；而对硬水会影响表面活性剂效能的认知，则直接改进了泡泡水的配方。这种跨领域的学习和应用，让知识产生了复利效应。
回头想想，我之所以可能长期忽略了水质这类因素，部分原因或许在于它缺乏一种即时反馈机制。与水温高低、咖啡的酸甜苦咸这种可以立刻感知到的变量不同，水的KH、GH值或者pH值的细微变化，其影响往往是以一种更缓慢、更间接的方式显现出来——比如植物三天后的叶片颜色，几个月后热水壶内壁的水垢，或者是咖啡风味中那些难以准确描述的细微差异。当一个变量的影响不是立竿见影时，我们似乎就更容易将其归为背景条件或者玄学，而不是一个可以主动测量和控制的参数。而选取一个中间的，立刻见效的变量进行测量和跟踪，则可以打破这个窘境，方便我们对复杂系统的认知和调试。
而AI在这个过程中的作用，则非常有意思。以往，要深入了解这些相对专业的知识，并应用到具体的日常场景，往往需要花费大量时间搜索文献、阅读资料、筛选信息，再进行抽象和内化。门槛相对较高，探索的摩擦也很大——中间有无数小困难或者distraction会逐渐消磨我的耐心，意志，直到最终放弃。但在AI的帮助下，整个过程变得异常高效顺滑。我只需要花一分钟的时间，通过语音输入描述我的问题和场景，AI就能在后台完成信息的调研、整合和个性化应用，甚至提供具体的购买链接和价格。比如如果不是它直接在回答里提到KH/GH滴定套装只要10美元，我可能就懒得弄了。叶子黄点就黄点吧。但它一个回答把原理，改进方法，下一步怎么做讲得清清楚楚，购买链接都送上来了，还只要10块钱。这个摩擦就变得特别低，我自然而然就会向求知的方向再走一小步。
所以，AI或许并不直接创造知识，但它将已有的知识以极低的摩擦精准匹配到个体需求上的效率，是前所未有的。它不必全知全能，却足以帮助我们快速定位问题、启动验证，并高效地完成每一次生活中的小探索。
因此，这次围绕水质的系列小实验，带给我的不仅仅是生长更快的白菜、效果更好的泡泡水和风味可能有所提升的咖啡，更重要的是一种在AI时代下全新的学习和解决问题的方式：保持好奇，勇于提问，借助AI的强大能力，我们可以更轻松、更深入地理解和改善我们身边的世界。这种由好奇心驱动，以实践和数据为基础，并由AI高效赋能的探索过程，本身就充满了乐趣和无限可能。
Comments