给普通人看的 AI 工具学习记录
我把110个思维模型套到AI上，结果被打脸了
搜集110个思维模型套到AI上，发现不是这么回事——真正牛逼的用法全是反的。保留24个，全转成了提示词给你。
Hello啊朋友们，我是Simonlin，用通俗易懂的语言，手把手教你玩转AI，提升10倍效率！
前段时间，我脑子里冒出一个想法： 思维模型这东西，人人都在讲，什么第一性原理，什么二阶思维，据说能让人做决策更厉害...那我把它搜集起来，套到AI上用，是不是就能把AI用得比大多数人好？
今天上午，我把这个想法交给了我的AI助手Cola。要求不少于一百个，每个都要标出处，出处查不到的不算数，然后再逐个判定，看看到底有多少真能用在AI上。
结果挺打脸。因为我发现，还真不是这么回事。
01
PART
先说搜集，这里有个意外
VIEW / 往下看判断
Cola收了110个回来，横跨决策、系统、心理学、统计学，每个都带出处，还联网核了一遍。
核对过程中查出一个挺好笑的事。费曼技巧，全世界都在讲的学习方法，让你把概念讲给不懂的人听，讲不清就是没懂。
这个名字，根本不是费曼起的。
它的原始出处是一本书。1992年传记作家格雷克给费曼写传记，转述了他上学时整理笔记的方法。后人从书里总结出来，安了个名字叫费曼技巧。费曼本人没说过自己发明了什么技巧。
一个名字传了十几年，来源没人管。网上一搜一大把「费曼技巧是费曼发明的」，你问AI，它答得又快又自信。
所以搜集这一步就先立了条规矩，AI给的事实性引用必须附原始出处，查不到的一律当它不存在。
02
PART
然后发现，不是这么回事
VIEW / 往下看判断
我原本的预期是，思维模型装进脑子，指挥AI就更有章法，像给大脑打补丁。
判定结果出来，110个里真正跟AI协作强相关的只有56个，还有12个压根没关系，比如蓝海战略，比如番茄工作法，纯属陪跑。
这才是一半。更扎心的在后面。
我把强相关的56个细看了一遍，发现真正牛逼的那批，用法跟模型的原始含义全是反的。
拿逆向思维说，它的原版是提醒你自己，做决策时反过来想。 用在AI上呢，是让它给你列搞砸清单，因为失败的经验总有人写下来，成功的秘诀没人肯全交底，问怎么搞砸得到的是情报，问怎么成功得到的是鸡汤。
再拿事前验尸说，原版是你自己在项目开始前想象失败。 用在AI上，是让它假装项目已经死了写失败报告，它编故事的能力顶级，这么用比让它夸你的方案有用十倍。
看到规律了吗？
思维模型本来是给人脑用的，帮你在信息不全时做决策。 可AI不需要你帮它决策，它比你见过的模型都多。
真正需要这些思维模型的是我们自己，防我们过于轻信它，防止被它的快速便捷骗了，从而把判断整个外包出去。
说到底，AI时代思维模型的用途反过来了。
它的作用，不是让AI更聪明，是防止人变笨。
03
PART
所以最后留下的24个，全转成了提示词
VIEW / 往下看判断
按这个标准，我从110个里筛出24个，原则就一条，必须能变成跟AI打交道的具体动作。
这24个分四组。验证组管审AI给的东西，操作组管你怎么问，分工组管人和AI怎么分配干活，防身组管AI那些最便宜也最危险的能力，比如流畅、自信、顺着你。
然后我把24个全转成了提示词，直接复制就能用，方括号【】里换成你自己的内容。
验证组
8 条01 拆前提｜AI的结论都压着没说出口的前提，先让它交出来
列出你结论依赖的全部前提，逐条编号，标注哪条最可能错、错的话结论如何变化。
02 证据更新｜初稿不是答案，一条条喂你的真实信息
这是初稿。我每次给一条新信息，你只依据全部已有信息重写，并逐处标明因新信息而改动的部分。
03 反着问｜问怎么成功得到鸡汤，问怎么搞砸得到情报
先不给方案。列出此事最常见的五种搞砸方式，按概率排序，每种给出预防动作。
04 失败报告｜让它假装已经失败，它才动真格
假设一年后此事已彻底失败。写失败报告：三条最可能原因，每条写清致命动作。不给安慰，不给方案。
05 左右互搏｜刚夸完你的AI不会立刻翻脸，得给它换身份
忘掉你刚才的回答。切换为此方案的竞争对手，列出全部死穴，不留情面。
06 五连问｜第一层追问它很轻松，第二层开始露馅
对你刚才的回答依次作答：证据来源；一个最强反例；换一种表述是否仍成立；隐含假设；照做后最坏后果。
07 反例｜AI的最佳实践全是幸存者写的，补一刀就见底
此建议在什么条件下不适用？给出遵循它却失败的典型场景。禁止引用成功案例。
08 因果检验｜AI最顺手的错误就是相关当因果
你的结论是因果还是相关？分别举出：做了【X】仍失败的案例、没做【X】却成功的案例。两者都存在则声明因果不成立。
操作组
5 条09 双轨指令｜只说意图它靠猜，只给例子它照抄，两头都给
意图：…… 标准：…… 示例：…… 反例：……
10 先开后收｜第一个方向还行就深挖，是把自己锁死在平庸路上
给出五个截然不同的方向，风格不重叠，只列名称，不做质量评价，不展开。
11 删减｜提示词不是越长越好，删一半再跑
删除上一条指令中一半的约束后重新执行，对比两个版本的差异，指出被删约束中真正起作用的部分。
12 穷尽｜AI的列举是顺手的列举，不是穷尽的列举
先给维度划分，要求各维度互斥、合并穷尽，再展开选项。单独指出最容易被忽略的维度。
13 最强反驳｜直接让它反驳，得到的全是稻草人
先把我的观点修成其可能的最强形式，再以同等强度反驳它。禁止给容易反驳的版本。
分工组
4 条14 外包清单｜你的时间相当值钱，用在更合适的地方
对下列任务逐项按两个维度打分（0-10）：AI 胜任度、我的机会成本。仅输出 AI≥7 且我机会成本≥7 的外包项。
15 找瓶颈｜全流程AI化大多白干，火力要对准真瓶颈
流程如下：【分步描述】。找出唯一瓶颈环节——该环节瞬间变快则整体明显变快。只输出瓶颈及判断依据。
16 执行与判断｜执行放行，判断收回，裁判权不能给
对下列任务逐项标注：执行 / 判断。执行项由你完成；判断项只给我选项，不替我选。
17 验证分级｜验证强度跟后果走，不跟信任走
对下列动作分类：可逆 / 不可逆。不可逆项列出 AI 输出中必须人工验证的具体点，可逆项不设验证要求。
防身组
7 条18 出处铁律｜AI的权威感来自流畅和自信，这俩跟正确率零相关
所有事实性引用附原始出处。查不到出处的，标注「未能核实」，不得作为论据。
19 禁止夸奖｜AI有讨好用户的倾向，防它靠开场设定不靠警觉
不要夸奖我。我的立场是【X】，用最强论点反对它。禁止给出「双方都有道理」的结论。
20 事实验收｜你能描述的标准它都能演出来，AI味就是这么来的
验收标准如下：【逐条】。执行时不得用修辞、排比或姿态满足任何标准，每条标准只能以具体事实达成。若某标准无法以事实达成，指出该标准本身的问题。
21 未验证清单｜它看过，在责任上等于没人看过
输出完成前自查：单独列出你未实际验证、仅基于训练语料给出的全部陈述，标注置信度。
22 裸考｜借AI上台阶的时候最危险，专业感会骗你
就【领域】出三道核心判断题，不出记忆题。我作答完毕后你再给答案与评分。
23 复述检验｜读得顺不等于懂了，三句话复述见真章
【复述某文章的核心】。只指出复述中的错误和漏洞，不补充、不复述、不鼓励。
24 错误入库｜AI每次出错都是免费的带上下文的压力测试
错误案例：【过程 + 错在哪 + 怎么发现的】。提炼为一条可直接写入提示词的规则，只输出规则本身。
///
