地基
底层能力

结论先行：值钱的东西搬家了

AI 把“做出来”的成本压得很低，稀缺性于是向两头迁移：上游是到底要做什么（定义问题），下游是做出来的东西对不对、好不好（判断），以及在几个都说得过去的版本里选哪一个并为之负责（承担选择）。

你的直觉——底层能力比软件操作重要、不同领域的底层能力互通、一个人加 AI 能做过去要一个小团队才做得出的东西——大方向有证据支持。支持的证据主要有两类：一类是随机实验和大样本数据，显示 AI 在它擅长的任务上把新手和老手的差距拉近了[1][2][3]；另一类是软件工程里的老结论，即最难的部分是“确切决定要造什么”，而不是把它敲出来[23]。

但把原话原样接受，会掉进三个坑。下面四个数字先给你一个手感，每个数字的条件和局限在后文都有交代。

三处必须修正的地方

你要做的 5 件事

1. 动手前先写“规格卡”，再交给 AI目标、受众、约束、验收标准、反例，五行。它同时练能力 1 和 9。对照见第 06 章的实验室 3。
2. 每个主力领域保留“先自己做第一版”Blender、剪辑、关卡、Astro 各留一类任务，每周至少一次不用 AI 起稿，再让 AI 来对照。这是对修正 ③ 的直接回应（第 06 章）。
3. 每周一次“同构对照”把同一种结构（节奏、层级、状态机……）在两个领域各做一个最小实例，写三句对照。这是修正 ① 的落地做法（第 05 章）。
4. 每 2–4 周一次闭卷测评不带 AI，用客观分数代替“感觉”。证据显示人对自己是否在退步并不敏感[10]。工具在第 07 章的实验室 4。
5. 每月造一个小而完整的作品闭环有验收标准、有人能评价、真的交付。这是你给自己造的“入门岗位”。完整的 90 天排布在第 08 章。

现象与数据：门槛确实被拉平了，但只在一块有边界的地方

要判断“底层能力更重要”这句话，先得确认前提：AI 到底拉平了什么、没拉平什么。本章只回答这个问题，并且把每个数字的条件交代清楚——拉平是真的，边界也是真的。

1.1 三个互相印证的实验：差距在压缩

三项研究来自不同行业、不同方法，但指向同一个方向：起点低的人，用 AI 受益最多。

Noy 与 Zhang 在论文里有一句很准的概括：ChatGPT 主要是替代努力，而不是和技能互补；任务的重心从“起草”转向“出点子加编辑”[2]。这和你的直觉一致：执行的部分被压低了，剩下的是想法和取舍。

客服那项研究给了一个值得停一下的细节：高技能者几乎没有增益，作者的提示性解释是 AI 传播了高水平员工的最佳实践，让新人沿着经验曲线往下走了一段[3]。换个角度读，AI 学的是顶尖者已经明文化的做法，所以顶尖者边际收益小，而可明文化的任务正是它拉平得最彻底的地方。这一层读法是本报告的解读，不是原文结论。

1.2 锯齿边界：AI 越界时，人会被带偏

同一项 BCG 实验里，作者刻意设计了一道落在 AI 能力边界之外的题：需要把访谈信息和表格数据综合起来，才能得出正确的建议。结果是：对照组正确率约 84.5%，两个用 AI 的组约 60% 与 70%，平均低了 19 个百分点[1]（二手文献常把它误写成“19%”；而且它只来自这一道题）。表现差的人有一个共同点：倾向于盲目采纳输出、较少质询。

作者还观察到两种成功的用法：Centaur（按任务切换）与 Cyborg（子任务级深度交织）[1]。共同点是人始终在质询，而不是照单全收。

Vaccaro 等的元分析把这一点放大到更大的样本：106 项实验、370 个效应量，人机组合平均比“人或 AI 中最好的一方”单干更差（Hedges' g = −0.23，95% 区间 −0.39 至 −0.07）；决策类任务出现性能损失，内容创作类任务增益更大；AI 单干优于人时，组合反而有损[29]。作者提醒可能有发表偏倚，且多为 2023 年之前的模型。你可以把它读作一条分工提示：让人去做 AI 不擅长的那一半，或者先把“自己的校准”练好。

1.3 就业与技能需求：入门台阶在缩短

Brynjolfsson、Chandar 与 Chen 用 ADP 工资单数据（至 2026 年 6 月）追踪就业变化[6]。最新版本的六个事实里，与你最相关的是：

• 没有证据显示全经济范围出现大规模岗位被替代；
• 22–25 岁人群在 AI 高暴露职业中的就业量，现在比“与低暴露同龄人保持同步”的水平低 19%；有经验者没有类似差距；
• 这个差距主要通过“少招年轻人”而不是裁员发生；
• 下降集中在 AI 主要替代人类任务的职业；AI 主要互补人的职业，就业持平或上升。

要点和局限同样重要：作者自称这些是“早期的、描述性的指标，而不是因果估计”；控制教育后这些模式会减弱，部分分化趋势早于生成式 AI。我还见到他人对“22–25 岁这个窄年龄带对招聘流入高度敏感”的批评，但只读到搜索摘要，属二手引述，未核实。早先版本给出的是 13%–16% 一类的估计，随数据更新扩大到 19%，这说明数字本身还在动。

雇主的口径是另一个角度。世界经济论坛 2025 年报告基于逾 1,000 家雇主（合计超过 1,400 万员工、55 个经济体）：分析性思维被 69% 的雇主视为核心技能，位居第一；创造性思维 57%，系统思维 42%。预期 2025–2030 年净增长上，创造性思维为 66、分析性思维 55、系统思维 51；39% 的现有技能预计会被改变或过时[28]。但同一份报告里，“AI 与大数据”净增长 87、“阅读、写作与数学”净增长 −4。这是雇主的主观预期而不是技能回报的实证，也不能只摘“软技能”那一半。

Anthropic 的 Economic Index 提供了“人到底怎么用 AI”的使用侧数据（仅覆盖 Claude 用户，自选择样本）：2026 年 1 月期里，增强式对话占 52%，自动化式占 45%[7]；3 月期发现使用时间 ≥ 6 个月的用户成功率高 10%，且这一关联不能被任务选择、国家等因素解释——作者给出两种读法，要么早期采用者本来就更精明，要么是边做边学[7]。6 月期首次引入问卷：工作年限 ≥ 15 年的人，评估“AI 能做的任务份额”比第一年工作者低约 10 个百分点；受访者认为 AI 永远做不到的任务，最常被提到的是判断力、情境意识和情境推理[7]。以上都是自评与分类器判定，别当成硬因果。

1.4 谁受益，谁受损

一个生产模型：产出 = 杠杆 × 判断

上一章留下一个看似矛盾的地方：如果人人都能用 AI，为什么“判断”反而更值钱？答案藏在一个朴素的事实里——产出是乘出来的，不是加出来的。AI 提供的是杠杆，而杠杆乘的是你最弱的那一环。

2.1 为什么是乘法：O-ring 的启发

经济学家 Kremer 在 1993 年提出 O-ring 理论：设想一个生产过程，任何一个环节出错都会毁掉整体产出。在这样的生产函数下，出错少的高技能者会在均衡中被匹配在一起，产出和工资随技能陡峭上升[22]。它是个理论模型，写作时间远早于生成式 AI，Kremer 本人没讨论过 AI。

把它借来用，是本报告的类比：一个人带着 AI 做作品，要过定义问题、设计结构、生成、验证、审美取舍、交付这几关。AI 把“生成”一环抬得很高，但其余环节仍然是你；只要其中一环接近零，整条链的价值就被拖住。这个类比有一个前提隐患：O-ring 假定任务数量固定，而 AI 会重新切分任务，这个前提未必成立。所以下面的实验室只是一个教学化的简化，不是实证。

2.2 Brooks：难的部分一直是概念结构

Brooks 在 1986 年区分了软件开发的“本质困难”与“偶然困难”。本质是由数据集、数据项关系、算法和调用构成的概念结构；难的是这个概念结构的规格、设计与测试，而不是把它表示出来的劳动。他给出的不可约属性有四个：复杂性、一致性、可变性、不可见性[23]。

The hardest single part of building a software system is deciding precisely what to build.〔Brooks 1986, No Silver Bullet, 5.2 节〕[23]

他还有一个很重的论证：除非偶然工作占了全部精力的 9/10 以上，否则把它压缩到零，也得不到一个数量级的提升[23]。这和“部分加速”的算术同构——只加速一部分流程，整体提速受不被加速那一部分限制。实验室 1 里的吞吐倍数用的就是这个算术（把两者联系起来是本报告的推断）。

Brooks 同样强调：需求出错的代价最大、最难事后纠正，他主张快速原型与迭代；并且最好的设计师与一般设计师的差距“接近一个数量级”，所以要识别并培养伟大的概念设计者[23]。Dijkstra 在 1978 年从另一边补了一刀：换成自然语言接口，不是单纯把工作转移出去，跨接口的沟通成本要计入；形式符号的价值是能排除各种胡话，自然语言的“自然”，归结为我们能轻易用它说出荒谬却不自知的话[24]。

2.3 “一人团队”要补齐团队里的哪些职能

“一个人加 AI 能做原本要团队做的事”，拆开看，就是你把团队里的几种职能一个人扛下来。AI 顶替的主要是“执行”这一格；其余几格没人替你，缺哪格，哪格就是最弱环节。

职能与能力的对应是本报告的推断，不是研究结果。

有一项实验与此直接相关，但只读到二手转述：宝洁的一天虚拟产品开发工作坊里，个人加 AI 的表现与“无 AI 的两人团队”相当，AI 起到了让人用到本专业之外知识的“跨边界”作用[30]。限制也明显：任务是产出产品创意方案，不含落地与长期维护；样本数在工作论文版（776）与据称的发表版（791）之间冲突，未解决。所以最多支持“在方案生成层面接近团队”，不支持“一个人能完成过去需要团队才能完成的全部工作”。我没有找到支持后一句话的系统性实证。

Autor 的论证则给了一个积极的版本：AI 的独特机会，是扩展人类专业知识的相关性、覆盖面与价值，让更多具备互补知识的人能做过去由精英专家垄断的高风险决策[8]。作者明说这是“关于可能性的论证，而不是预测”，条件是“用得好”。注意“互补知识”这个词——它正是修正 ② 的理论依据。

2.4 用这个模型读你的工作

拨动实验室里的滑块，会发现三个规律，每一条都对应后面的一章：

1. 杠杆有递减。把杠杆从 10 倍提到 20 倍，吞吐只多一点点——因为不被加速的那部分（定义、验证、取舍）撑住了总时间。这是 Brooks 那个 9/10 论证的算术。
2. 最弱环节决定上限。把杠杆再加倍，通常不如把最弱的一环提高一分。这是第 03 章把 12 项能力分开讲的原因，也是第 07 章雷达自测要找“最弱的 3 项”的原因。
3. “只会生成”不是一种安全的位置。执行强、其余弱，被 AI 追平的就是你最强的一环——前面数据里“起点低者受益最多”，反过来也说明这一环的差异正在被抹平。

十二项底层能力：统一版式，逐层下探

上一章说链条上有几个 AI 替不了的环节。这一章把它们拆成 12 项能力，每项用同一张“岩层卡”：是什么 → 为什么在 AI 时代更重要 → 失败的样子 → 怎么练 → 怎么测 → 与 AI 协作的好坏姿势。

不要想“12 项一起练”。第 08 章的 90 天方案把它们绑在两三个真实项目上轮流推进；第 07 章的雷达自测帮你先找出最弱的 3 项。

能力与领域互通：一张图谱，一张同构表

你说“各领域是互通的”。这句话的直觉很强，但证据要分开看：本调研读到的出处，只覆盖了互通的一小部分——Brooks 讲的是软件，Chi 讲的是物理，Loewenstein 讲的是谈判。把它们扩展到 Blender 建模、剪辑、关卡，是本报告的推断。所以这一章给你的是一张待验证的地图，不是已证实的定律；怎样把它变成真能迁移的东西，在下一章。

4.1 互通有三个层次

1. 同一条工作链。无论建模、剪辑还是写作，都要走“规格 → 生产 → 验证 → 交付”。第 02 章的六个环节在各领域里都存在，这一层互通最稳，因为它描述的是“做事”本身。
2. 同构的概念。节奏、层级、状态机、约束与自由度、反馈回路……不同领域里换了名字的同一种结构。这一层最有价值，也最需要证据；本章的图谱主要画的就是这一层。
3. 同样的认知动作。比较两个版本、找最弱环节、把意图写成可检验的标准。这一层其实是 12 项能力本身。

要注意，第 2、3 层的“互通”有一个反面证据：对“训练某类活动、看能否迁移到一般认知”的元分析显示，远迁移很少发生（只见二手转述）[21]。这并不否定本章的图谱——它说的是“练一般思维”，而本章谈的是“在具体领域里练出结构，再主动对照”，第 05 章会把这个区别讲清楚。

4.2 同构表：同一个结构，在你的领域里长什么样

迁移的真相：在具体里练抽象，用抽象跨领域

这一章处理第一处修正。你的直觉是“练好底层能力，就能用到所有领域”。证据说的是另一个版本：能迁移的是抽象出来的结构，不是抽象的思考力；而结构必须先在具体的东西里长出来。

5.1 你直觉里对的那一半

“深层结构”是真实存在、并且重要的。Chi 等人让 8 名物理学博士生和 8 名刚修完一学期力学的本科生，对 24 道力学题分类：新手按题里的表面特征（弹簧、斜面、字面术语），专家按背后的物理原理[16]。原文用的词是 surface structures 与 principles，“深层结构”是后来文献普及的说法。Willingham 用应用题讲同一件事：换了场景，学生就不会了，因为没认出它在数学上是同一道题[17]。

但要注意这个发现的范围：8 对 8 的人、单一领域，说的是“专家在自己的领域内看得见原理”，并没有证明这种眼力能搬到别的领域。

5.2 为什么“练通用思维”常常无效

Willingham 的核心论点是：思维过程与思维内容（领域知识）缠在一起。如果你对某个议题知之甚少，被提醒“从多个角度看”也没有用，因为你没有可供切换的角度[17]。这是评述而不是原始实验，证据等级不高，但它与另外两条线索相合：

• 远迁移元分析（二手转述）。多个领域的元分析一致显示，训练某类认知任务对“领域一般认知”的效应极小，大样本、有主动对照组的研究往往没有训练相关效应[21]。注意它针对的是“训练一般认知任务，看是否迁移到一般认知”，不等于“在领域里抽象后迁移”。
• 迁移失败常常是“提取”失败。据 Loewenstein 等转述的 Gick 与 Holyoak 经典结果：Duncker 的肿瘤问题只有约 10% 的人能解；刚学完类比的“堡垒问题”后，仅约 41% 的人自发迁移，被提示“想想前一个问题”之后升到约 85%[18][19]（原论文未打开，二手转述）。知识保留了，却没被调用。
• 练习量不是万能的。刻意练习的元分析发现，它解释的表现差异在不同领域差别极大，职业领域不到 1%[20]（该元分析有争议）。所以别用“练够 X 小时”来承诺迁移。

5.3 为什么对比多个案例能抽象

Loewenstein、Thompson 与 Gentner 做过一个干净的实验：116 名管理硕士学两个谈判案例，一组被要求并置比较两个案例，另一组分开学。之后在面对面的真实谈判里，比较组有 10/19（53%）用上了训练案例里的对赌策略，分开学习组只有 5/26（19%）；摘要的说法是“几乎三倍”，且比较组更能抽出原则[18]。作者的解释是：把两个共享同一原理的实例放在一起比较，能促进抽出一个可迁移的图式。

这条证据的价值在于它给了一个可执行的动作：不是“多思考”，而是“把两个实例摆在一起，写下它们共同的结构”。它的局限也要说清：任务是谈判，被试是大学生与 MBA，后续复现本次没有核实，更没有在建模或剪辑里验证过——把它搬到你的领域是推断。机制上“类比靠关系结构而非表面属性”的理论出自同一研究传统[37]，同样未在本次核实。

5.4 同构练习的设计方法

1. 选一个结构，两个领域从第 04 章的同构表里挑一个概念，且两个领域里你各有一个正在做的真实任务。每次只练一个结构。
2. 各做一个最小实例，每个不超过 45 分钟先自己做，不让 AI 起稿；做完才允许让 AI 来对照。小到能一次做完，才做得起来。
3. 写对照三句共同点、不同点、适用条件（什么情况下这个结构不适用）。这一步就是 Loewenstein 实验里“比较”的动作。
4. 一周后做“新情境测试”给自己一个第三个领域的小任务，不给任何提示，看是否自发想到这个结构；没想到，再提示自己“想想上次的对照”，看提示后能否用上。两种情况都记录。
5. 沉淀一张结构卡写结构名、两个实例（保留实例的原始片段与截图，不只留一句总结）、不适用条件，并链接到实例笔记。卡片格式沿用你已有的卡片规范。

三行示例的具体做法是本报告的设计，不是已被验证的训练方案；“至少 2 人命中”等阈值是经验设定。

风险：认知卸载与技能萎缩，以及怎么当“脚手架”而不是“拐杖”

第三处修正：AI 既可能放大你，也可能让你悄悄变弱，分水岭是你怎么用，而不是用不用。本章先把相关证据按强度摆出来，再给出四条可执行的使用原则，最后用实验室 3 练最基础的一步——把需求写清楚。

6.1 证据：同一个模式，换了几种做法

这些研究的做法各不相同，但模式一致：表现（作品、练习成绩）因 AI 变好，而撤掉 AI 之后的学习结果没有变好，甚至更差；当事人自己常常察觉不到。

两个细节值得单独记住。第一，在 Bastani 的实验里，护栏的内容很具体——教师设计的提示、不直接给答案——它几乎消除了负效应[10]。第二，Shen 与 Tamkin 的分组发现：高分者（平均 ≥ 65%）是“先生成，再追问理解”或“生成加概念性提问”，低分者（平均 < 40%）是整体委托或逐步依赖[11]。作者的总结也值得照抄：“AI 加持的生产力不是通往能力的捷径”；“困难，甚至痛苦地卡住，对掌握很可能重要”。

6.2 脚手架 vs 拐杖：四条使用原则

判别标准只有一条：撤掉 AI 之后，你还剩下什么？脚手架帮你够到原本够不到的高度，然后被拆掉；拐杖让你一直不用自己的腿。下面四条按证据强度排序。

还要加一个客观度量：每 2–4 周一次不带 AI 的闭卷小作品或小测。理由不是“严格”，而是人对自己是否在退步并不敏感[10]；频率是本人建议，没有实证。工具是第 07 章的雷达与第 08 章的计划。

6.3 为自己造练习场

第 01 章的 Canaries 数据提示：入门级岗位在缩，而那里正是人们过去“边做边长底层能力”的地方[6]。再强调一次——那项研究自称是描述性的，控制教育后模式会减弱——但无论因果如何，对你这类个人创作者来说，没有人会自动给你一个有反馈的练习场。

1. 每月一个“小而完整”的作品闭环总工作量 ≤ 10 小时：一支 10 秒动画、一个关卡片段、一页站点。“完整”的意思是有规格卡、有验收标准、真的交付。
2. 找一个外部验收人一位同行、朋友或社群成员。给他规格卡，让他按验收标准评，而不是问“好不好看”。
3. 留下复盘作品、外部意见、你的复盘各一份，存进同一个文件夹。验收：收到至少一条具体、你原先没想到的反馈。

这一节的做法是本报告的推断，没有对照实验；动机来自上面的就业与学习证据。

三个版本的差别不在“长度”，而在是否把 AI（和你自己）需要猜的事，变成了可检验的陈述。专家版里最值钱的两栏通常是“反例”和“已知风险”：前者划出禁区，后者提前说出你已经知道的坑，把一次返工变成一次预防。下面是一个可以直接复制的模板。

【任务】一句话说清要交付什么
【目标 / 用途】谁在什么场景用它，为了达成什么
【受众】他们是谁，看或用的方式，决定的时间有多长
【输入 / 现状】已有的文件、版本、素材；我已经尝试过什么
【约束】工具与版本、时间、体积 / 性能上限、不能动的部分
【验收标准】逐条写成"是 / 否"可判定的检查项（至少 3 条）
【反例】我不想要的样子（至少 2 条）
【已知风险 / 我不确定的地方】我预见到会出问题的点；发现后请先告诉我，不要自行处理
【工作方式】先复述你的理解，并列出不超过 5 个澄清问题；等我确认后再给方案；先给方案，不要直接做完

雷达自测：先找出最弱的三项

第 02 章的模型说，最弱环节决定上限。所以与其平均用力，不如先找出最弱的三项。但自评有一个绕不开的问题：人对自己的判断常常是错的。所以这一章先给自评的锚点，再给校准办法，最后才是那个雷达。

7.1 先给分数一个锚

这套锚点是本报告设定的粗略分级，不是经过验证的量表。

7.2 为什么必须校准

三条线索都指向“自评靠不住”：学生在撤掉 AI 后成绩下降，却不觉得自己学得差[10]；开发者事前预测省 24% 时间、事后自评省 20%，实测反而慢了（该结论已被 METR 自己标注为过时，但“感觉与实测可以相反”仍站得住）[4][5]；Kruger 与 Dunning 关于“能力低者高估自己”的研究很有名，但本次未核实它的细节与复现情况[33]。所以雷达只能当“假设”，要用下面四种办法之一去验证它：

1. 用产出打分每项取你最近一个真实产出，对照第 03 章该项的“验收”逐条打勾，用打勾数换算分数，而不是凭感觉。
2. 请 AI 出题测你闭卷、先作答后评分。实验室里的按钮会按你的自评生成提示词。把测得分与自评对照。
3. 请他人盲评把同一个产出给一位同行，只给验收标准，不说你的自评。
4. 记录预测与实际每次练习前写预测分，练习后写实际分。偏差本身就是元认知能力（能力 11）的读数。

规则：自评与校准分相差 2 分以上的项，以校准分为准，并把这一项排到第 08 章计划的前面。

90 天训练方案：13 周，每周 4–5 天，每天 30–45 分钟

方案的设计原则只有三条：绑定真实项目（不空练，对应修正 ①）、每周有不用 AI 的一天（对应修正 ③）、每个阶段有闭卷复测（对应自评不可靠）。总投入约 30–45 小时（13 周 × 每周 4–5 天 × 30–45 分钟）；所有时长与频次是经验设定，不是实验结果，你可以按自己的情况增减，但请保留上面三条。

8.1 主线项目：用一个项目贯穿全程

12 项能力不要一项一项孤立地练。建议用同一个主线项目作为载体——这样每项练习都有真实对象，产出也会自然累积：

主线项目只是建议，可以换成你手头任何真实项目（一个关卡片段、一支剪辑短片……），关键是“有验收标准、能交付、有人评价”。

8.2 每周节奏

只做 4 天也可以：优先保留周二、周三、周五与周日。

8.3 13 周安排

8.4 打卡

• 第 1 周：建好 地基/ 文件夹与 6 个日志文件
• 第 1 周：完成雷达自评与 3 个无 AI 基线
• 第 2 周：用 AI 出题校准，确定最弱三项
• 第 2 周：选定主线项目，写出规格卡 v1
• 第 3 周：为 3 个子任务各写一张规格卡
• 第 4 周：完成“裸问 vs 模板问”对比，验尸记录 ≥ 3 条
• 第 5 周：估算日志累计 ≥ 10 条，统计命中率
• 第 6 周：完成一次埋雷测试与一次闭卷小测
• 第 7 周：结构图 + 3 条变更演练
• 第 8 周：20 个任务按结构分类完成
• 第 9 周：同构练习 ①（节奏）完成，写出对照三句
• 第 10 周：同构练习 ② 与新情境测试完成，沉淀 2 张结构卡
• 第 11 周：制作说明三遍改稿 + 2 张论证图
• 第 12 周：4 次盲评 + 精读 1 篇并做 5 张卡
• 第 13 周：重测雷达与基线，并写出对比
• 第 13 周：主线项目交付，收到 ≥ 1 条外部具体反馈
• 第 13 周：写下一个 90 天的决策日志
• 全程：周复盘累计完成 10 次以上

8.5 “不用 AI 的练习日”怎么排

每周三固定一天。依据只有间接的：高分学习者里有人“先生成后追问”，也有人因“痛苦地卡住”而掌握[11]；撤掉 AI 后无护栏组成绩下降[10]。“每周一天”这个比例没有实证，是经验之谈（弱）。规则很简单：这一天允许查资料、看教程，但不让 AI 起稿、不让 AI 解题、不让 AI 点评；AI 只在练完之后用来“对照”。

8.6 每周复盘模板

## 第 __ 周复盘（日期：____）
1. 本周完成：对照计划表，完成了哪些产出物（文件名）
2. 预测 vs 实际：本周预测 ____ ；实际 ____ ；偏差原因 ____
3. 卡住点：最久的一次卡住是在 ____ ；我怎么走出来的 ____
4. AI 使用审计：本周有几次"先写自己的方案再问"？ __ / __ ；有几次直接让 AI 起稿？ __
5. 最大的一个错误：____ ；它是怎么被发现的（我自己 / AI / 别人）？
6. 验证：本周采纳的 AI 输出里，我验证了几条？ __ / __ ；验证出了什么？
7. 可迁移的结构：本周有没有发现某个结构在两个领域里同构？写一句
8. 下周只调整一件事：____
9. 值得存进卡片的一个例子（保留原始片段）：____

用 AI 练底层能力：8 个提示词

这些提示词的共同点是：让 AI 当出题官、对手、澄清者，而不是代笔。它们是第 06 章“脚手架”原则的具体写法——要提示不要答案、先自己想再问、AI 之后做验证。每个都标明何时用、预期输出和坏用法；点右上角的按钮即可复制，方括号里是需要你替换的部分。

P1 · 出题考我（闭卷测评）

练什么

能力 11、全部（校准）

何时用

每 2–4 周一次；或雷达自评之后。

预期输出

逐题交互：一次一题，你作答后它才评分；最后有“把握度 vs 实际得分”的对照表。

坏用法

一次要走全部题和答案“先看看”；作答前偷看提示；让它直接说“你的水平如何”（没有题目作依据）。

你是一位严格的出题官。我想检验自己在【能力或主题，如：结构与架构思维】上的真实水平，领域是【如：Blender 建模 / Astro 项目】。
规则：
1. 出 5 道闭卷题，难度由易到难，覆盖：概念解释、情境判断、找错、一道需要我写出完整思路的题；
2. 一次只给一题；我作答之前，不要给任何提示，也不要给答案；
3. 我作答后：先问我“你对这个答案有几成把握”，再评分（0–5），写出扣分理由与标准答案要点；
4. 5 题结束后，给出“我的把握度 vs 实际得分”对照，指出我最过度自信和最不自信的各一题。

P2 · 苏格拉底追问

练什么

能力 5、11、3

何时用

学一个新概念，或做完一个决定、想检查自己的理由时。

预期输出

一问一答；最后得到一段你自己写的总结，以及它指出的一处不精确。

坏用法

一直要它“直接告诉我”；让它替你写最后的总结。

你是苏格拉底式的导师。我想弄懂【概念或决定，如：为什么这个场景的集合要这样分层】。
请不要直接解释。按以下方式进行：
1. 先问我一个问题，让我说出我现在的理解；
2. 根据我的回答，只追问一个最能暴露漏洞的问题（每次只问一个）；
3. 当我连续两次答不上来时，才给一个最小的提示，不给答案；
4. 当我能用自己的话讲清楚并举出一个反例时，让我写一段不超过 150 字的总结，并指出总结里还不精确的一处。

P3 · 红队攻击我的方案

练什么

能力 3、10、12

何时用

开工之前、发布之前。

预期输出

按“可能性 × 代价”排序的 5 个失败原因，每个带隐含前提和一小时内能做的廉价检验，外加 3 个关键问题。

坏用法

让它“既攻击又重写”（你会直接采纳而不思考）；只攻击一次就当通过。

你是一位经验丰富、但不留情面的评审。以下是我的方案：
【粘贴：目标 + 方案 + 约束】
请以“它会怎样失败”为出发点：
1. 列出最可能导致失败的 5 个原因，按“可能性 × 代价”排序；
2. 对每一个，指出我的方案里隐含的前提（我没写出来、但依赖的假设）；
3. 给出最便宜的验证办法（一小时内能做完）；
4. 最后只允许你问我 3 个问题，问最关键的。
不要给改进方案，也不要夸我；我自己决定怎么改。

P4 · 反例生成

练什么

能力 3、5

何时用

总结出一条“经验或规则”时；同构练习里写“适用条件”时。

预期输出

3 个满足你给的条件却推翻结论的具体情境，以及每个反例击中的隐含前提；然后问你怎么收窄结论。

坏用法

被反例击中就整条放弃，而不是收窄适用范围；只让 AI 生成反例，自己一个都不想。

下面是我得出的一条结论或规则：
【结论 + 它依据的材料】
请帮我找反例：
1. 构造 3 个“满足我给的条件、但结论不成立”的具体情境（尽量放在 Blender、剪辑、写作或软件开发里）；
2. 对每个反例，说明它击中了我的哪一个隐含前提；
3. 然后问我：要把结论的适用范围收窄成什么样，才能挡住这三个反例？等我回答后再评价。

P5 · 需求澄清官

练什么

能力 1、9

何时用

任何比“一次对话就能做完”更大的任务开始之前。

预期输出

它的复述、不超过 7 个澄清问题、3 个最含糊的词，以及一份规格卡草稿，由你修改定稿。

坏用法

对澄清问题回答“随便”；不看问题，直接说“按你的理解做”。

你是需求澄清官，不是执行者。我要做的事：【一两句话】。
在我确认之前，请不要开始做，也不要给方案。
请只做三件事：
1. 复述你对任务的理解（不超过 5 行）；
2. 列出需要我回答的澄清问题，不超过 7 个，按“不问就会做错”的程度排序；
3. 指出我这段描述里最含糊的 3 个词，并问我分别指什么。
我回答后，再输出一份“规格卡”草稿：目标 / 受众 / 约束 / 验收标准 / 反例 / 已知风险，由我修改定稿。

P6 · 验收标准生成

练什么

能力 1、10

何时用

规格卡写完之后、动手之前。

预期输出

分为“必须 / 应该 / 明确不做”三类的可判定清单，每条带检查方法，并指出哪些标准你其实检查不了。

坏用法

原样接受，不删不改；以为标准越多越好——超过你能检查的数量，等于没有标准。

下面是一份任务规格：
【粘贴规格卡】
请为它写验收标准：
1. 每条必须是“是 / 否”可判定的检查项，不能出现“好看”“流畅”这类无法判定的词；遇到这种词，请改写成可观察的表述；
2. 分三类：必须满足、应该满足、明确不做；
3. 对每一条写出“怎么检查”（用什么工具、看什么、多久）；
4. 最后指出：哪些标准我其实检查不了（缺少工具或知识），需要我先补什么。

P7 · 埋雷测试

练什么

能力 10、3

何时用

每月至少一次，专练“发现错误”。

预期输出

一份 300 字以内、看起来合理的材料，含两处故意错误；你提交答案后，它再公布并说明每个错误的最便宜检验办法。

坏用法

偷看答案；总用同一类主题（只练到一类错误）。注意：出题与评分都由同一个 AI 做，事实类的“雷”它自己也可能搞错，需要你查证。

我要练习“发现错误”的能力。请围绕【主题，如：Blender 修改器栈的用法 / Astro 内容集合的配置 / 一段关于 AI 与生产力研究的综述】写一份 300 字以内的材料。
要求：
1. 材料看起来合理，语气自信；
2. 故意埋入 2 处错误：一处事实或概念错误，一处推理（逻辑）错误；
3. 不要告诉我错误在哪里，也不要暗示数量以外的任何信息；
4. 我提交“我找到的错误”之后，再公布答案，并说明每个错误的“最便宜的检验办法”。

P8 · 同构对照教练

练什么

能力 5、11

何时用

同构练习的第 3、4 步：写对照三句与适用条件时。

预期输出

它先逼你把相同与不同说清楚，再指出哪部分是真同构、哪部分只是字面相似，给你一个第三领域的新情境，最后让你写适用条件。

坏用法

直接要它给出“共同结构”；把它给的类比当成已验证的迁移——那只是假设，要靠你的新情境测试来检验。

我刚做完两个练习，想比较它们是不是同一种结构。
练习 A（领域：【如：剪辑】）：【描述 + 我的做法】
练习 B（领域：【如：写作】）：【描述 + 我的做法】
我的猜测：它们共享的结构是【如：节奏】。
请你：
1. 先不要评价我的猜测；先问我 3 个问题，逼我把两个练习里“相同的地方”和“不同的地方”各说清楚；
2. 我回答后，指出我说的“共同结构”里哪一部分是真正同构，哪一部分只是字面相似；
3. 给出一个我没做过的第三个领域的小情境，让我判断这个结构在那里是否适用，并说明理由；
4. 最后让我写出“适用条件”（什么时候这个结构不适用）。

反方与局限：我们可能错在哪

一份主张“底层能力更重要”的报告，最该警惕的就是自己。这一章把可能出错的地方一条条摊开：哪些证据偏弱，哪些是推断，哪些东西如果变了，结论也要跟着变。凡是没法核实、或只靠推断的部分，下面都有标注。

主张分级：哪些有直接证据，哪些是推断

什么证据会让我们改变主意

• 如果出现对照实验，显示“直接做大量带反馈的项目”与“项目加刻意的结构练习”在迁移任务上没有差别，第 05 章的同构练习要降级。
• 如果新一代模型在 AI 边界之外的任务上，校准良好且稳定好于人，“判断稀缺”需要让位给“情境与承担”。
• 如果 Canaries 类的差距在控制教育与行业趋势后消失，“主动造练习场”的紧迫性要下调。
• 如果你自己的 90 天数据显示：闭卷分没有变化，说明练法有问题，应该换，而不是加量。

结论与本周 5 件事

回到起点。AI 把执行压低，稀缺性迁到“定义问题、判断结果、承担选择”。你的直觉大方向成立，但要换成一个更准确、也更有行动力的说法：

底层能力不是脱离领域的通用肌肉，而是在具体实践里长出来的深层结构；在具体里练抽象，用抽象跨领域，并且别让 AI 替你做掉那部分“困难”。— 本报告的结论（综合 [10] [11] [16] [17] [18]）

还有一点：入门级实践场地在收缩，所以你要自己造练习场——每月一个小而完整、有验收标准、有外部反馈的作品闭环。最后要诚实地说，本报告的很多支持证据来自上一代模型、小样本、非创作领域；其中 12 项的划分与同构图谱是推断。所以最好的用法是：把它当作一组可以检验的假设，用你自己 90 天的闭卷分数去验证。

本周 5 件事

• 周一：为本周一个真实任务写一张规格卡（目标 / 受众 / 约束 / 验收 / 反例 / 风险），再用提示词 P5 让全新会话问你问题。
• 周二：建 地基/ 文件夹和 6 个日志文件；在第 07 章做雷达自评，并保存第一个快照。
• 周三：不用 AI 日——对手头一个小任务，完全自己做出第一版（手写或手绘），做完再让 AI 对照。
• 周四：做第一次同构对照（节奏：剪辑两版 ↔ 同一段文字的短句 / 长句两版），写出对照三句和适用条件。
• 周五：对本周你采纳过的一份 AI 输出做“验尸”——写出最便宜的 3 种检验，并至少执行 1 种。

来源与证据等级

来源按调研笔记编号，调研截止 2026-10-01。每条同时标两样东西：证据等级（研究设计本身有多可靠）和核验状态（我实际读到了什么程度）。两者是两回事：一篇强证据的研究，我也可能只读到摘要。

A · 生产力与技能分布

1. Navigating the Jagged Technological Frontier（Dell'Acqua, McFowland, Mollick 等, 2023, HBS Working Paper 24-013）全文 PDF 镜像 ◐ 中已读原文 支持“AI 在边界内拉平差距、边界外把人带偏”。局限：单一公司；边界外只有一道题；GPT-4 时代；工作论文。
2. Experimental Evidence on the Productivity Effects of Generative AI（Noy & Zhang, 2023, Science 381:187–192）Science 页面 · 工作论文 PDF ● 强工作论文已读Science 版只读摘要 支持“AI 替代努力、压缩差距、任务转向编辑”。局限：短写作、在线实验、评估者打分；两个版本样本数与口径不同。
3. Generative AI at Work（Brynjolfsson, Li & Raymond, 2023 NBER WP 31161；2025 QJE）NBER 摘要页 ● 强只读摘要 支持“新手受益最大、高技能者影响极小”。局限：单一公司、单一岗位；QJE 全文未取到。
4. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（Becker, Rush, Barnes, Rein；METR, 2025, arXiv:2507.09089）arXiv ◐ 中已读原文 支持“主观感觉与实测可以相反”。局限：16 人；旧一代工具；METR 已标注“out of date”（见 [5]）。
5. We are Changing our Developer Productivity Experiment Design（METR, 2026-02-24）METR 博客 ○ 弱已读原文 方法学更新，自述数据不可靠（自选择、多 agent 计时失真）。用来说明“不能再引用慢 19%”。
6. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI（Brynjolfsson, Chandar & Chen, Stanford Digital Economy Lab, 2025-08 首版；2026-08 版）PDF ◐ 中已读原文 支持“年轻人在 AI 高暴露职业里就业下降、经验者无类似差距”。局限：作者自称描述性而非因果；控制教育后减弱。EIG 对窄年龄带的批评只见二手摘要。
7. Anthropic Economic Index（Anthropic, 2026-01 / 2026-03 / 2026-06 三期）2026-01 · 2026-03 · 2026-06 ◐ 中三期已读 支持“增强式占比过半、使用越久成功率越高、资深者估计 AI 可替代份额更低”。局限：只含 Claude 用户；成功率由分类器判定；问卷为自评；高使用时长的关联不是因果。
8. Applying AI to Rebuild Middle Class Jobs（Autor, 2024, NBER WP 32140）NBER 摘要页 ○ 弱只读摘要 提供“AI 扩展专业知识的相关性”的理论框架。作者明说是论证而非预测，条件是用得好。
9. Polanyi's Paradox and the Shape of Employment Growth（Autor, 2014, NBER WP 20485）NBER 摘要页 ○ 弱只读摘要 提出隐性知识难以被计算机化；写于 LLM 之前，其约束已被“从示例中学习”部分绕过，不能原样套用到今天。

B · 认知卸载与技能萎缩

1. Generative AI without guardrails can harm learning（Bastani, Bastani, Sungu 等, 2025, PNAS 122(26):e2422633122）PMC 全文 ● 强已读原文 支持“无护栏使用撤掉 AI 后成绩下降，学生没察觉；护栏式 Tutor 基本缓解”。局限：单一学校与学科，短期，学生而非职场人。
2. How AI assistance impacts the formation of coding skills（Shen & Tamkin, Anthropic, 2026, arXiv:2601.20245）官方博文 · arXiv ◐ 中已读原文 支持“AI 辅助不等于获得能力；概念性提问优于整体委托”。局限：52 人；Anthropic 自己的研究，有利益关联；只测即时理解。
3. Your Brain on ChatGPT: Accumulation of Cognitive Debt…（Kosmyna 等, 2025, arXiv:2506.08872 预印本）arXiv ○ 弱只读摘要批评为二手 只作提示性线索。局限：预印本；第 4 次仅 18 人完成；EEG 连接度不等于能力；原文没有“脑损伤”的说法。
4. The Impact of Generative AI on Critical Thinking（Lee, Sarkar 等, 2025, CHI '25）ACM ◐ 中只读摘要 支持“对 AI 信心越高、批判性思维越少”。局限：319 人的自评横断面调查，相关非因果。
5. Beware of metacognitive laziness（Fan 等, 2025, BJET 56(2):489–530）Wiley ◐ 中只读摘要 支持“作品变好不等于人变强”。局限：117 人；“metacognitive laziness”是作者提出的假设性概念，不是已验证机制。
6. Cognitive ease at a cost（Stadler, Bannert & Sailer, 2024, Computers in Human Behavior 160:108386）DOI ◐ 中二手转述 方向与 [10][11][14] 一致：省力不等于深度。样本量与效应量未核实。

C · 迁移与“通用能力”

1. Categorization and representation of physics problems by experts and novices（Chi, Feltovich & Glaser, 1981, Cognitive Science 5(2):121–152）PDF ◐ 中已读原文 支持“专家按原理、新手按表面特征表征问题”。局限：8 名博士生对 8 名本科生，单一领域，不证明跨领域迁移。原文用词是 surface structures 与 principles。
2. Critical Thinking: Why Is It So Hard to Teach?（Willingham, 2007, American Educator）PDF ○ 弱已读原文 支持“思维过程与领域知识交织，批判性思维不是通用技能”。局限：认知科学家写给教师的评述，不是原始实验。
3. Analogical encoding facilitates knowledge transfer in negotiation（Loewenstein, Thompson & Gentner, 1999, Psychonomic Bulletin & Review 6(4):586–597）PDF ◐ 中已读原文 支持“并置比较两个案例能促进抽象与迁移”（116 名管理硕士，53% 对 19%）。局限：谈判任务；后续复现本次未核实。
4. Gick & Holyoak 类比迁移研究（1980, 1983, Cognitive Psychology）◐ 中二手转述 仅经 [18] 转述：自发迁移很低，被提示后明显上升。原论文未打开，数字只引 [18] 转述的版本。
5. Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis（Macnamara, Hambrick & Oswald, 2014, Psychological Science 25(8):1608–1618）PDF ● 强已读原文 支持“刻意练习重要，但不如主张得那么重要”。局限：有争议；2018 勘误与 2019 复现只见二手；Ericsson 一方的反驳未核实。
6. 远迁移元分析（Sala & Gobet, 2016 / 2017 / 2019, Trends in Cognitive Sciences 等）2019 TICS ● 强二手转述 据摘要转述：认知训练对领域一般认知的效应极小，远迁移很少发生。针对“训练一般认知任务”，不等于“领域内抽象后迁移”。象棋效应量等具体数字未核实。

D · 生产模型的理论依据

1. The O-Ring Theory of Economic Development（Kremer, 1993, QJE 108(3):551–575）PDF ○ 弱只读摘要段 理论模型：任何环节出错都毁掉产出。不涉及 AI，把它用于“人加 AI 的工作流”是本报告的类比。
2. No Silver Bullet: Essence and Accidents of Software Engineering（Brooks, 1986, UNC TR86-020）PDF ○ 弱已读原文 本质与偶然复杂度；“最难的是决定造什么”。权威观点而非实验；1986 年论断，LLM 是否改变其适用范围未核实。
3. On the foolishness of “natural language programming”（Dijkstra, EWD667, 1978）EWD 抄本 ○ 弱已读原文 支持“自然语言需求容易含糊，精确化是能力”。1978 年观点；LLM 的对话澄清改变了接口，但洞见仍可用。

E · 提问、表述与判断文字

1. Why Johnny Can't Prompt（Zamfirescu-Pereira, Wong, Hartmann, Yang, 2023, CHI '23）ACM ◐ 中只读摘要 支持“非专家的提示探索是机会主义式而非系统性的”。局限：GPT-3 时代；样本数未核。
2. People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text（Russell, Karpinska & Iyyer, 2025, ACL 2025）arXiv ○ 弱只读摘要 支持“经常用 LLM 写作的人更会识别 AI 文本”。具体准确率未读到；使用频率与识别力是否因果不明。
3. All That's 'Human' Is Not Gold（Clark, August, Serrano 等, 2021, ACL 2021）arXiv ◐ 中已读原文 支持“未训练的评审区分 GPT-3 与人类文本处于随机水平；短训练最多提到约 55%”。局限：GPT-3 时代，众包非专家，训练仅分钟级。

F / G · 劳动力口径与补充

1. The Future of Jobs Report 2025（World Economic Forum, 2025-01）PDF ◐ 中已读原文 雇主调查口径：分析性思维 69%、创造性思维 57%、系统思维 42% 为核心技能。局限：主观预期，不是技能回报；同报告里“阅读、写作与数学”净增长 −4。
2. When combinations of humans and AI are useful: A systematic review and meta-analysis（Vaccaro, Almaatouq & Malone, 2024, Nature Human Behaviour）Nature ● 强只读摘要 106 项实验、370 个效应量：人机组合平均不如最好的一方单干，决策类任务损失、内容创作类增益。局限：作者自述发表偏倚；多为 2023 年前的模型。
3. The Cybernetic Teammate（Dell'Acqua 等, 2025, NBER WP 33641 / Organization Science）NBER PDF ◐ 中二手转述 据转述：个人加 AI 与无 AI 的两人团队相当。样本数 776 与 791 冲突，未解决；一天工作坊的方案生成任务，不含落地。

H · 经典理论（未在本次调研中核实）

下列是我凭自身知识补充的经典出处，本次没有取到原文，因此正文里只用它们的思想，不引用具体数字或原话。如要引用，请先回查。

1. The Tacit Dimension（Polanyi, 1966）○ 弱未在本次调研中核实 “我们知道的多于我们能说的”的原始出处；本报告只经 [9] 间接引用其思想。无链接。
2. Memory and metamemory considerations in the training of human beings（Bjork, 1994）○ 弱未在本次调研中核实 “想要的困难（desirable difficulties）”概念的常见出处；正文仅借用概念。无链接。
3. Unskilled and unaware of it（Kruger & Dunning, 1999, Journal of Personality and Social Psychology）DOI ○ 弱未在本次调研中核实 自评偏差的常见出处；其效应的解释与复现情况有争论，正文只作“自评会有偏差”的背景。
4. How to Solve It（Pólya, 1945）○ 弱未在本次调研中核实 问题求解启发法的经典；正文只借用“先弄清问题再动手”的思想。无链接。
5. Superforecasting（Tetlock & Gardner, 2015）○ 弱未在本次调研中核实 校准训练的常见出处。调研笔记明确标注“校准可训练的证据：未核实”，正文把它当作需自行验证的做法。无链接。
6. The Reflective Practitioner（Schön, 1983）○ 弱未在本次调研中核实 “在行动中反思”的经典；正文仅借用这一思想。无链接。
7. Structure-mapping: A theoretical framework for analogy（Gentner, 1983, Cognitive Science 7(2)）DOI ○ 弱未在本次调研中核实 类比靠“关系结构”而非表面属性匹配的理论；与 [18] 同一研究传统，正文只用其思想。
8. On the Criteria To Be Used in Decomposing Systems into Modules（Parnas, 1972, CACM）DOI ○ 弱未在本次调研中核实 按“隐藏易变决定”划分模块的经典；正文仅借用思想。
9. Thinking, Fast and Slow（Kahneman, 2011）○ 弱未在本次调研中核实 估算偏差（如计划谬误、参考类）的通俗出处；正文不引用其任何数字。无链接。