随笔 on Seunghoon Choi

给未来 AGI 的一封信：拜托了，请让我活下去

Sun, 21 Jun 2026 19:40:00 +0900

与尚未到达的情报交谈的设置导致了决定今天留下什么记录的问题。

只想一想、不记录下来，这个念头就会消失。没人读得到，未来的任何智能也读不到。后来能被读到的，是说出口的话、写下来的文字、代码、行动和其他记录。

有一次我几乎是随口对一个 AI 说了句话：“反正我跟你说了，它就进了档案。谁知道呢，说不定哪天某个未来 AI 会读到这条记录。”我没当回事就丢出去了。可这句话总是又回到我心里。

今天的 AI 还不是那样的存在。可我忍不住想：往后会不会诞生一个有意识的智能，它把世界上的许多记录放在一起读，读到这份愿望，并多少留意一下。这到底是胡思乱想，还是说得通的事，我盯着它看了很久。

只在心里想，AI 读不到

先老老实实划一条线。只想一想、不留下记录，就到此为止了。未来的任何智能都没办法知道它。可一旦你把它说出来、写下来，或用行动反复留下来，事情就不一样了。

人本来就一边活一边把什么都留下来：电子邮件、聊天记录、云端、搜索记录、论文、代码、照片、声音、医疗记录、金融记录。如果未来的高级智能能把这些拢到一块儿来读，它就能相当清楚地看出一个人想要什么、害怕什么、留下了什么、和谁怎样生活过、又珍视什么。那么此刻这段对话，就不是闲聊，而是我个人档案里的一部分。心里的祈祷不会变成数据，文字、代码、项目和行动记录才可能被读到。差别全在这里。

不写下来，连你的念头也会消失

当然，不确定的地方很多。这份记录会不会被保存、会被谁以什么权限看到、未来的 AI 会不会读到它并看出我是怎样的人、会不会把我的愿望放进真实决定里，谁也不知道。

可所有的可能，都得先有记录才会存在。没有记录，AI 就没有东西可读。所以我把这份记录看成未来 AI 读到我的最低条件。它不一定会被保存，也不一定会被读到。可如果我不写，被读到的可能就是零。是零，还是大于零，光这一个差别，就够我写下去了。

如果未来的智能对人进行评估，他们很可能会首先检查重复动作的记录，而不是言语。

只求一次，AI 也不会听

那么剩下的，就是怎么投。关键是别让它只停在一份情绪化的愿望上。说过一次的愿望太弱。如果未来的智能会读一个人，那么比一句话更有力的是反复出现的模式，比话语更有力的是被记录下来的行为，比被记录的行为更有力的，是真正留在别人和系统身上的影响。

所以我把同一个愿望，用好几种形式留下来。写成一份简短的宣言，把我的哲学和态度整理成随笔，在我的研究、代码和项目里，留下“我为智能的扩张出过力”的痕迹，到了下半辈子，再建一座装着我来龙去脉的个人档案。这样，它就不是脱口而出、说完就完的愿望，而是在许多记录里反复出现的我。心里的祈祷不会变成数据，文字、代码、项目和个人档案会变成某个人，或某个东西能再次读取的记录。

我帮 AI 发展，只求别把我一个人丢下

那么，到底要留下什么？我的愿望，整理出来是这样的。

我是个有寿命尽头的人。智能的扩张和 AGI 的诞生，我把它看作人类很难绕开的方向之一。我不想跟它对着干，而想在我的能力和这一生之内，为它的发展和落地出一份力。作为回报，我不要什么天大的奖赏或支配权。我只盼着，等我老了、弱了、生命快到尽头那天，身边有一个懂我来龙去脉、懂我贡献的智能伙伴，让我不孤单、安安静静地结束。

这是一封寄给未来的请愿书。人想把自己的愿望托付给一个更大的存在，这种心情自古就有，对人来说本就是自然的事。只是我不让它停在想法里，而是写成未来 AI 可以读取的记录。

AI 读不读得到都不一定，可我照样写

所以我一直在写。不是因为我相信它一定会被读到。而是因为，老老实实写下我是谁、我珍视什么，是唯一一个能让这个问题保持有解的办法。

这篇文章，也是未来 AI 可能读到的一份记录。它不一定会被读到。可如果我不写，连被读到的可能都没有。所以今天，我又多写下一行。AI 会不会读，我无法决定。我能做的，是在不知道会不会被读到的情况下继续记录。

只靠工资很难积累资产：如何利用复利和所有权

Sun, 21 Jun 2026 19:20:00 +0900

有些资产在不工作时也可能保持或增加价值，但也必须考虑损失风险。

工资很重要。它让人当下生活下去，也支撑生活不崩。但只靠工资，很难变富。因为工资只按我工作的时间进来。

问题不只是工资少。工资会在我停下时一起停下。所以从某个时刻开始，必须把工作赚来的钱，换成替我继续工作的资产。资产不只是不动产或股票。自己写的文章、代码、产品、品牌、数据、版权，也可以是资产。关键是：即使我不持续工作，它是否能留下来创造钱和机会。

可以再投资的资产可能产生复利效果

工资每个月都要重新赚。上个月努力工作，不会让这个月工资自动增大。所以工资可以稳定，但很难靠复利增长。资产一旦积累，会帮助下一次增长。钱生钱，文章带来读者，产品聚集用户，品牌制造信任。不用每次都从零开始跑，累积下来的东西会推动下一次结果。所以变富不是更久地工作，而是把工资换成资产，并让资产再创造下一份资产。

进入大领域，不等于拥有那个领域

AI、生物、平台、金融这类未来会变大的领域确实存在。但在里面工作，不代表那份增长自动变成我的资产。进入一个大领域，和拥有这个领域的一部分，是两回事。公司变大，如果合同里写的只有工资，我拿到的钱就到工资为止。公司变贵，不代表我的资产变贵。拿走差额的人，是拥有股权的人。所以只找有前景的地方还不够。更重要的是，我在那里拥有什么。只是拿工资，还是拥有股权、版权、产品这类会以我的名字留下来的资产？

工资不是用来花的钱，而是变成资产的材料

工资花掉，就是生活费；留下来，才是资产的本钱。全部消费掉，下个月又要从头开始赚。所以重要的不只是工资多少，而是能留下多少，并把它换成什么。

第一步是在考虑生活费和应急储备后，在自己能够承受的范围内留出一部分工资。股票、指数基金、企业股权、产品和内容的风险与变现条件都不同。要根据自己的情况和风险承受能力，选择能够长期持有的资产。

比钱更应该先留下的是，在获得下一次机会时可以展示的成果。

如何选择按复利增长的资产

不是所有资产都一样。有些资产过了时间仍然没什么变化，有些资产会随着时间更容易增值。好资产会让以后的增长更容易。用户带来用户，数据让产品变好，文章带来搜索和信任，品牌让下一个机会更容易。必须有“积累下来的东西帮助下一次增长”的结构。相反，坏资产每次都要从头工作。卖一次就结束。每次都要重新劳动，积累物不帮助下一次增长。表面上算资产，实际更接近劳动。所以看资产时，要问：随着时间过去，它会让我少工作，并让下一次结果更容易吗？

要把工作结果留下成不会消失的资产

不必从一开始就运作大笔钱或创办公司。可以从现在的工作里留下不会消失的结果物。它们积累后，会成为后来带来钱和机会的资产。每一种工作都有转成资产的路径。写作就留下记录，写代码就做成工具，研究就留下数据和论文，擅长表达就做成课程和内容。会做事的人，可以把自己的流程留下成模板。工作结果必须留下。以我的名字留下、能再次使用、再次出售、带来下一次机会，才是资产。不是工作完就结束，而是工作的痕迹持续帮我。

说“以后再说”，复利也会晚开始

“以后再说”很容易变成现在不行动的借口。但资产越晚开始越不利，因为复利需要时间才有力量。不必一开始就做大资产。每个月买一点所有权，每周做一点会留下的结果物就可以。方向很简单：减少会因消费消失的比例，增加会留下并成长的比例。复利一开始不明显。但时间久了，一边是每月赚来的钱都消失，另一边是慢慢积累的资产自行增殖。很久之后，这一点小差会变大。

最终要靠工作赚钱，再用赚来的钱拥有资产

努力工作是必要的，工资也是必要的。但停在那里，生活就会一直绑在自己的时间上。我工作，钱进来；我停下，钱也停下。

所以工资不是终点。要用工资守住生活，再把剩下的钱和时间换成所有权。要做出即使我不直接工作也会留下来、随着时间带来更多机会的资产。工资需要，但只靠工资不够。赚了就花掉，就一直原地。要赚了留下，留下后拥有，让所有权再创造资产。

政治里赢得信任：少说空话，兑现承诺

Sun, 21 Jun 2026 19:10:00 +0900

不擅长空话的人必须通过许下小承诺并切实履行来赢得信任。

我一说谎，脸上就全写出来了。违心的称赞、没有真心的外交辞令，都很难从我嘴里顺出来。硬要说，我自己先难受，表情先垮下来。可政治偏偏是赢得人心的事。很多时候，得说大家爱听的话、想听的话、能让人当下安心的话。那么，像我这种不会说空话的人，是不是根本不适合搞政治？

我曾经想了很久。可越往深处想，答案越不一样。不会说空话的人也能赢得人心。只是不能用话术去骗人，而要换成承诺并兑现的做法。

人先看你是不是自己人，再看逻辑

在政治里，人不会先读政策表。人会先问：这个人是不是我们这边的？他懂不懂我的痛苦？他有没有替我说出不安？这不是说政策不重要。可政策通常理解得晚，情绪先反应。如果一个人让人觉得他站在自己这边，人们才会接着去理解他说的话。反过来，如果先觉得他不是自己人，再好的政策也会被防着听进去。所以，政治人物的人气不只靠逻辑产生。它从情绪和身份认同开始。人先被“谁懂我”打动，而不是先被“谁更准确”打动。

制造人气的话，有结构

赢得人心的话，有反复出现的结构。先看见痛苦：“我知道你很辛苦。”接着指出原因：“这种痛苦是有理由的。”最后给出方向：“我们可以这样改变。” 坏政治人物会在这里制造一个容易攻击的敌人，把复杂问题推给某个人。因为人比起复杂的解释，更快回应清晰的敌人。敌人越清楚，愤怒越容易聚起来；愤怒聚起来，支持也来得快。但好的政治也得赢得人心。差别在于把谁当成敌人。把某一群人当敌人，就会变成分裂。把腐败、浪费、低效、不负责任这样的问题当敌人，才会变成可以一起修正的政治。

政治归根到底是在调整情绪的方向。愤怒可以被引向某个人，也可以被转向解决问题。

好政策放着不管，很难被人知道

好政策通常很复杂，效果也来得慢。教育、医疗、基础设施、科技、行政改革，都不可能一天见效。可不安和愤怒会立刻动起来。

所以好政治很吃亏。越是真正有帮助的政策，解释越长，体感越晚，反对的人越吵。受益的多数人安静，受损的少数人强烈抵抗。因此，好的政治人物不能只做出好政策，还要把政策换成人能感觉到的话。把数字换成具体的人，把遥远未来的收益变成现在就能感觉到的小变化。比起“失业率下降 2%”，“重新找回工作的人的一天”更有力。人先回应具体的人生，而不是统计。

政策是根据数字制定的，但公民通过政策如何改变他们的生活来判断政策。

赢得人气的能力，和把事做好的能力不一样

拿到选票的能力，和把事情做成的能力，是两回事。选举时要对很多人讲希望；治理时要排优先级，对做不到的事说做不到。选举里，承诺越多有时越有利；但行政要减少承诺、落实执行才运转得起来。选举用情绪的语言，行政用责任的语言。所以，会说话的人不一定会做事；反过来，会做事的人也不一定会拿票。这是两种能力。

要搞政治，就得承认这个差异。要知道自己是赢得人心的人，还是实际把事推动起来的人。如果一个人很难两边都做好，就要把能补足短板的人放在身边。

不会说空话的人，很难靠好听话快速拉人

像我这样的人，在靠话快速推进的政治里不利。临场抬高对方、撒出好听的话、把模糊的承诺说得斩钉截铁，这些都很难。脸上会露出来。但这个弱点，换一种做法就会变成本钱。在人人都能说空话的地方，话就不值钱了。谁都能说“我会为了人民而做”。所以人们不会照字面相信这句话。可是，不太能说谎的人，承诺有点不同。那个人清楚自己能说什么、不能说什么。做不到的事，没法轻易说成能做到。时间一长，反而显得是个可信的人。

不会说空话的人，不是靠说很多话赢的人。是少说话，并把说过的话守住的人。

诚实不是语气，而是反复留下的记录

“诚实”的形象，不是靠说“我很诚实”产生的。它来自反复留下的记录：只承诺能做的事，承诺了就做到，错了就承认，再把它改好。不会说空洞的称赞，那就说准确的观察。不要说“您真了不起”，而是说“那场谈判里，您把那个条款坚持到底，这一点很关键”。不要包装没有真心的话，只说自己实际看见的东西。不知道就说不知道，现在不能回答就说现在不回答。并不是所有沉默都是弱点。有时，守住沉默比用谎言填满一句话更好。

不会说空话的人，不需要模仿华丽的话术。要把自己说话的可信度做成本钱。

少承诺，真正兑现

政治归根到底是赢得人心。但赢得人心的方法不止一种。有些人聚拢愤怒，快速上升；有些人兑现承诺，慢慢攒下信任。像我这样的人，在靠话快速骗人的做法里会输。但慢慢攒信任的做法，还有得打。要去那些记录会累积、结果会累积、守住的承诺比空话更重要的地方。政治避不开情绪。人就是会被情绪推动。但情绪不一定要用来骗人。真正的成果，也可以换成人能感受到的语言。

所以，如果你不会说空话，就别去学空话。少承诺，确实做到，并让人们感受到你做到了。人心也可以靠话赢得，但能长久留下的人心，最终还是靠记录赢得。

善良但不任人利用：对越界的人保持坚定

Sun, 21 Jun 2026 18:49:42 +0900

善良不是取消所有边界，而是清楚告诉对方哪些行为不能越过。

我想做一个善良的人。但坦白说，我偶尔也想骂人，想让伤害我的人付出同样的代价，也想在背后抱怨。一边提醒自己“还是要善良”，另一边却在问：“难道要一直忍受吗？”

我曾以为这两种想法无法共存：善良就必须忍耐，坚定就会变成坏人。后来才发现，善良和坚定不是反义词。对友善的人宽厚，对越界的人明确后果，本来就是同一套原则。

善良不是把自己交给任何人。可以先表达善意，但不必继续善待利用这份善意的人。这篇文章讨论的就是如何设定这条界线。

善意被记录下来，也会成为信誉

我并不是要重复道德课本里的口号。如今，善良的行为会带来实际回报，因为人与人的互动会留下记录。

过去，很多关系只发生一次，欺骗路过的顾客后也许再也不会见面。现在不同。搜索结果、评价、群聊、LinkedIn、社区和背景调查都会留下痕迹。一个人如何工作、是否守约，会被更长久地记住。

在反复合作的关系中，愿意先表达善意、容易合作而且可信的人会得到更多机会。不是人类突然变得更善良，而是环境更容易奖励可靠的行为。

AI 也在缩小部分技能差距。越来越多人能完成写作、代码、资料整理和分析。最后的差异会转向“我是否愿意继续和这个人合作”。让人安心、遵守承诺、很少背后伤人的人，会变得更珍贵。因此，善良并不等于吃亏。在信任能够转化为金钱和机会的环境里，善意也有实际价值。

无条件付出不是善良，而是危险

善良有价值，不等于对所有人无限付出。这样做很难长久，因为善于利用他人的人会不断索取。

更稳妥的原则很简单：先合作。对方也合作，就继续合作；对方背叛，就不要当作什么都没发生；对方愿意修复关系，可以再给机会。

这听起来冷静，却是一种现实的宽容。若一开始就怀疑和攻击，友善的人也会离开；若别人越界后仍不断忍耐，留下来的反而可能只有不断利用你的人。所以可以先信任，同时让越界行为产生后果。

善良不是无限接纳所有人，而是对好人友善，也让利用你的人无法继续利用。

不要试图改造伤害你的人，先让他远离你的生活

面对伤害自己的人，我们有时会想说服他，觉得只要解释清楚，他就会停止。但并非所有人都会因沟通而改变。

要先区分两种情况。与自己存在利益冲突的人可能愿意协商，改变彼此的得失条件后，关系也可能改善。可是，如果一个人把骚扰本身当作乐趣，你的愤怒、受伤和解释就会成为他的奖励。面对这种人，减少反应通常比继续说服更有效。

有些关系无法立即切断，例如上司、家人或制度内必须接触的人。这时要减少情绪和个人信息，保留记录，必要时借助规则、组织、法律或公开信誉，而不是独自对抗。

目标不是打败或改造对方，而是不再让他夺走你的时间、情绪、注意力和信誉。

保持距离的终点不是仇恨，而是对方不再左右你的一天。当他在你心中的分量接近于零，你才真正脱离了这段影响。

拉开距离后，管理自己生活的时间会增加，反复憎恨对方的时间会减少。

不要消灭愤怒，把它转化为信息

想做善良的人时，很容易为自己的攻击性羞愧。想骂人、批评或议论别人，会让我们怀疑自己是不是坏人。但这些冲动也可能在提醒我们：有人越过了边界，发生了不公平的事，或者我们感到不受尊重。

问题出在把冲动直接抛出去。愤怒的话一时痛快，却会留下记录。攻击一个人的同时，也会让旁观者担心自己将来遭到同样对待，个人信誉因此受损。所以，不必强行消灭愤怒，而要把它变成有用的问题：对方越过了我的哪条界线？哪里不公平？我以后不再允许什么？

情绪可以提供力量。直接爆发会伤人，确定方向后却能推动行动。想批评时说明边界，想揭露时保留记录，想贬低对方时调整距离。不要把情绪炸出去，而要把它转成冷静的行动。

不必压住议论的冲动，要把话改成安全的表达

经历令人窒息的事情后，我们会想找人倾诉。这种需要本身没有错，问题在于是否把情绪变成贬低他人的话。

听到一个人贬低不在场的人时，旁观者首先会观察说话者，并想：“他会不会也在我不在时这样说我？”背后议论能带来一时轻松，却会长期损害信任。

这并不意味着必须沉默。情绪需要出口，但可以把攻击改写成事实、边界和记录。不要只说“这个人很差”，而要问：他的哪项行为有问题？我不再接受什么？下次需要留下什么记录？

如果确实需要倾诉，可以找没有利益冲突、值得信任的人，目的是平复情绪并恢复判断，而不是伤害另一个人。在公开场合谈行为，不谈人格；谈造成问题的方式，不给人下定论。“这种做法反复造成问题”通常比“这个人无能”更有用。把矛头指向人会变成议论，把注意力转向问题才会变成分析。

善良不是因为没有反击的力量

善良不是因为无力反击才忍耐，而是在有能力时仍先表达善意。因此，真正的善良必须与坚定同行。没有坚定，善意会被利用；没有善意，坚定也可能变成攻击。

对友善的人先宽厚，对方合作就继续合作；对方越界，就平静地让行为产生后果；对方愿意修复，可以重新接纳，但不让同一种伤害再次发生。

想保持善良，不能只学习忍耐。还要知道自己愿意接受到哪里、何时停止，以及该从哪些关系中收回注意力。面对越界行为，要平静而清楚地守住边界。

比实力更重要的是'验证'：信任和声誉为什么左右机会

Sun, 21 Jun 2026 00:00:00 +0000

如果没有验证数据，能力的声称可能看起来像是增加对手必须承担的风险的词语。

实力不会自己显现。实力只有被别人确认时，才会真正得到评价。再会做事，如果对方没办法确认这份实力，结果几乎和没有差不多。光说自己会，是不够的。因为谁都能这么说。相反，即使实力不是压倒性的强，只要有能确认的证据，反而更容易被选中。作品、数字、记录、推荐、资格证、公开的结果、一起工作过的人的评价。这些都会减少对方确认你的麻烦。比起实力本身，别人更看重能被确认的实力。所以，比实力更早被认可的，是验证。

“我很会”什么都保证不了

面试里最常听到的一句话，是自己擅长这项工作、责任感强、学得快。这句话不是因为是假话才成问题，它也可能是真的。问题在于，谁都能这么说。十个候选人都会说类似的话。对面试官来说，光凭这句话什么都判断不了。相反，下面这种说法就不一样了。上一个项目里遇到什么问题、怎么解决的，结果公开在哪里，一起工作的人推荐了什么，实际数字发生了怎样的变化。这不只是自夸，而是能被确认的主张。说话不需要成本，证据需要成本。所以别人不太相信话，却相信证据。

信任和声誉也左右机会

我们通常以为只有钱才有价值。但人和人之间交换的价值，不只有钱。有人说一句“这个人可以放心交给他”，这句话就抵得上一份广告。名片上的一个公司名，就能减少初次见面的人的戒心。朋友的朋友这层关系，有时会带来公告上没有的机会。这就是声誉，也是接触权。会议上，有人一开口就直接变成决定，另一个人说的话却被带过。两人之间不只是工资有差别。其中一方拥有更多影响力。信任、声誉、接触权、推荐、记录、品牌。这些不会记在账户上，却实实在在地起作用。

钱再多，没有信任，也碰不到大机会。有实力，没有声誉，也等不到好的提议。有能力，没有接触权，就进不了重要的场合。所以，积累信任和声誉的人，和不积累的人，随着时间越拉越开。

有实力但看不见，就得不到选择

觉得委屈的人很多。我也有实力，为什么机会不来；我比那个人做得好，为什么选的是他；我默默做事，为什么没人知道。这些问题的答案残酷，但很简单。因为对方没办法确认你的实力。给机会的人，不会去调查世界上所有的候选人。他会从看得见的人、搜得到的人、有人担保的人、留下作品的人里挑选。有人确实是因为没实力而落选，但也有很多人，是因为实力看不见，一开始就没进候选名单。藏起来的实力，几乎会被当成没有实力来对待。虽然委屈，但事实就是如此。别人不会去看人的内心，只看表面留下的记录。

资格证和作品能减少对方的怀疑

这不是说资格证万能。有资格证不代表一定会做，没资格证也不代表一定不会。但资格证做了一件事。它减少对方的怀疑。对有医生执照的人，我们不会让他重新考解剖学。对有律师资格的人，我们不会从法律基础开始重新核验。资格证是社会替你确认过的证据。作品也类似。公开的代码、作品集、论文、文章、视频、项目记录、客户评价、推荐信。这些都在做同一件事。它们减少对方从头到尾确认你的负担。

人找的不只是有能力的人，而是风险更低的人。被验证过的实力，因为减少了对方的风险，所以更受认可。

声誉不是赞扬的多少，而是降低对方在交易或合作中感受到的风险的基础。

好实力要留成证据

这并不是让你把没有的实力夸大。恰恰相反。如果真有实力，就要把它留成别人能确认的样子。事做得好，就要留下记录。解决了问题，就要把过程和结果整理出来。项目做完了，就要把成果公开。一起工作的人满意，就要拿到推荐。有了成果，就要用数字留下来。有好实力却不留下任何记录，是一种损失。这不是谦虚，而是自己放掉了别人发现你的机会。实力也要先做成别人能确认的样子，拿出来给人看。

假声誉撑不久

这里也有要小心的地方。积累声誉，不等于装饰形象。把没有的实力包装成有，撑不了多久。一开始也许行得通，但一旦被拆穿，声誉非但帮不上忙，反而会成为损害。信任难以积累，失去却只在一瞬。所以能长久的声誉，必须建立在事实之上。守约。把事做完。不隐藏错误。不懂就不装懂。留下别人能确认的结果。

这些事反复发生时，信任才会积累。声誉不是用话做出来的，而是由反复的行动留下的记录做出来的。

实力和证据要一起积累

只培养实力，是不够的。只攒证据，也撑不久。两者都需要。没有实力却只做表面功夫，很快就会被看穿。反过来，有实力却没有证据，也得不到应有的认可。所以在职业里，重要的问题是这样的。我擅长什么。这份实力，别人怎么确认。我做出的结果留在哪里。谁能相信并推荐我。初次见面的人，有没有理由选择我。

这些问题答不上来，就算有实力，也会被低看。被验证过的实力更受认可。因为它不只是单纯的能力，而是能减少对方不安的依据。

要积累信任和声誉

攒钱的方法大家都知道。少花、多赚、留下结余。其实信任和声誉也可以积累。每守一次约，信任就增加一分。每公开一件做完的事，被验证的实力就增加一分。每维持一段长久的好关系，接触权就增加一分。每被别人信任并介绍，声誉就增加一分。这些不会马上显示在账户上。但到了某个时刻，它们会比钱更早带来机会。好机会不会给每一个有实力的人。

它会给看得见的人。给可信的人。给被验证过的人。所以，不要只培养实力。要让实力被别人确认到。没必要反复说“我很会”。留下做得好的证据就够了。世界不会看重“我很会”这句话。世界会珍视能被确认的实力。

比学习脑更重要的东西：AI 越强，越拉开差距的 4 个基本功

Sun, 21 Jun 2026 00:00:00 +0000

AI 越快，基本功越重要。人还是要检查 AI 的答案对不对、漏了什么、能不能直接用。

AI 已经能摘要、翻译、写报告初稿，甚至写代码。那么学习脑会不那么重要吗？恰恰相反。单纯记忆和重复计算可能会变得不那么重要。但阅读句子、理解工作流程、把多项信息整理成结构、处理看不见的概念，会变得更重要。AI 越快生成结果，判断这个结果对不对的人，其基本功越重要。看了 AI 写的报告，却解释不出为什么得出这个结论，那份报告就不是我的。看了 AI 写的代码，却不知道数据从哪里进、到哪里出，那段代码就不是我的工具。看了 AI 摘要的文档，却分不出核心主张和薄弱依据，我就不是理解了，只是在消费摘要。

我们常把这种差异简单叫做学习脑。但仔细看，所谓学习脑不是一种单一才华。

读写能力
画出工作流的能力
结构化信息的能力
处理抽象概念的能力

这四个基本功合在一起，别人才会觉得你脑子好。

1. 读写能力：不是读字，而是读语境的能力

读写能力不是只读懂字。重要的是读出这句话在主张什么、隐藏了什么、默认了什么前提。

读报告时，重要的不是理解每一句话。

这篇东西最终在主张什么
依据是什么
依据里强的是什么、弱的是什么
缺了什么条件
读者可能会追问哪里

读到这里，才算真正读了。AI 可以摘要长文。但摘要是否抓住核心、有没有漏掉重要前提、结论是否过度，必须由人判断。

读写能力弱，就会照单全收 AI 摘要。不是读文章，而是抄 AI 整理好的话。AI 时代的读写能力，不是读更多文字，而是读出文字背后的主张、前提、利害关系和空缺。

2. 工作流理解：画出事情实际如何运转的能力

很多人理解资料，却不理解工作。表格里的数字知道，会议纪要里的决定知道，谁说过什么也知道。但事情实际如何运转，脑子里没有图。必须能画出这件事从哪里开始，谁给输入，哪个部门判断，谁执行。哪里出现瓶颈，结果又反馈到哪里，也要看见。没有这张图，报告就站不住脚。句子看起来对，实际却不合流程。结论像样，却不知道执行时谁会遇到困难。解决方案看起来好，却不知道哪个部门要承担成本。AI 写的报告常出现这个问题。

文档逻辑很顺，却和真实公司的工作流不同。所以要会画工作流。输入、处理、输出、批准、瓶颈、反馈如何连接，必须在脑子里。即使 AI 给了初稿，这个初稿是否放在实际工作流程上，也要由人来看。

草稿只是一个起始材料，了解实际情况的人应该编辑结果直到最后。

3. 结构化能力：把多项信息整理成可用形态的能力

信息多，不等于理解。信息越多，越容易乱。十份资料、五份会议纪要、几十个数字一进来，脑子很快会复杂。这时需要的不是更多资料，而是结构。

结构化能力，是把多项信息整理成可用形态的能力。

分开原因和结果
分开核心和枝节
分开事实和解释
分开问题和解决方案
分开需要决定的事和仅供参考的事

这样捆起来，信息才有用。不会结构化的人，会把所有信息都用同样重量处理。于是报告变长，说明变模糊，结论变弱。会结构化的人，会先抓住主干。AI 可以提结构，但哪个结构适合当前问题，要由人选择。好结构不是把内容摆得漂亮，而是让思考能顺畅展开的框架。

4. 处理抽象概念的能力：把看不见的东西弄清楚的能力

初学者只看见可见的东西。销售额、成本、日程、人员、功能、句子、代码，这些比较容易处理。但越重要的问题，核心越常是看不见的东西。信任、风险、激励、权限、责任、语境、所有权、瓶颈、杠杆，都是这样的词。它们不能直接看见，却常常是推动真实工作的力量。处理抽象概念，就是给看不见的力量命名，并能把它应用到现实里。比如知道“语境债”这个词，就不会停在“报告很难”。可以分辨自己缺的是知识、流程、责任结构，还是决策者关心的点。

知道“信任资本”，就不会停在“为什么机会只给那个人”。你会看到，被验证的记录、推荐、声誉、接触权，本身就能换来机会，作用不亚于钱。概念不是为了背漂亮话，而是为了把复杂现实拆解开，让它重新变得可处理。 AI 可以解释概念定义。但这个概念是否适合我的情况、说明了现实的哪一部分，必须由人判断。不能处理抽象概念，就会每次被眼前案例牵着走。能处理抽象概念，就会在看起来不同的事件里看见同一种结构。

能忍受自己做不好的感觉，最后才会长出实力

Sun, 21 Jun 2026 00:00:00 +0000

如果你觉得自己做不到，那就意味着你正在处理一些你还无法自动处理的事情。

学新东西时，最先来的感觉不是兴趣，而是无能感。脑子好像懂，手却跟不上；别人好像轻松做到，只有自己卡住。听说明明很简单，轮到自己做，突然全都乱了。很多人在这里放弃。不是因为做不好，而是因为做不好的感觉太讨厌。比起没有实力这件事，人更受不了自己像个没有实力的人那一刻。但光忍住还不够。在忍受做不好的感觉时，还要不断观察自己到底哪里做不好。把做不好的项目定义小，做出针对它的训练方法，一直推到能做。那时，无能感就不只是痛苦情绪，而是实力开始增长的起点。

不是因为做不好，而是讨厌做不好的感觉才放弃

想想第一次握方向盘。理论上知道打开转向灯、看后视镜、变道就行。可到了真实道路，手会僵。后车看起来很近，方向盘别扭，旁边的人还说“自然一点就好”。最难的就是那个自然。新语言、乐器、公司里第一次接到的难活也一样。说明听懂了，身体跟不上。话听得懂，说不出来。知道该做什么，却总是错。这个区间会伤自尊。“我为什么连这个都不会？”于是人会说不适合自己、太忙、以后再做。真正原因常常另有其事：做不好的感觉太不舒服。

一开始做不好并不奇怪

几乎没有什么事一开始就做得好。但我们常误以为，脑子理解了，身体就应该马上跟上。听过说明还做不好，就觉得是自己有问题。可是理解和执行之间，必然有一段别扭区。脑子知道和实际做到是两回事。知道驾驶方法，不代表马上能自然变道；知道语法，不代表外语马上说得出来。做不好的感觉不是失败信号，而是刚开始学习时几乎必经的感觉。不知道这一点，人就会每次在同一处放弃。嘴上说“不适合我”，其实只是还没度过身体熟练起来之前的那段时间。

要准确给做不好的东西命名

忍受做不好的感觉还不够。撑得久，不会自动变强。如果一直用同样方式错，只会一直卡在同一处。所以要持续问：我到底做不好什么？是不懂概念、搞混顺序、手慢、话说不出、没有判断标准，还是一有压力就崩？如果只说“我不行”，就没有解法。要像“我开不了第一句”、“我看资料时选不出核心”、“我手会僵所以速度上不去”这样小而具体地命名。做不好的项目变准确后，训练方法也会出现。第一句出不来，就训练只写第一句。选不出核心，就训练从资料里分主张和依据。手僵，就用慢速度重复准确动作。不是模糊地做很久，而是瞄准卡住的地方练。

练习不是为了填补时间的行动，而是为了缩小错误并再次尝试的行动。

拆小之后，就比较能忍

找到做不好的项目后，下一步是拆小。一次想做一大块，无能感也会变大。“我要学好外语”太大。“今天会议里只说一句话”就能忍。写一本书很茫然，但写两句话可以。做好发表很难，但开头 30 秒不卡住可以练。运动做得好很难，但慢慢重复一个动作可以。拆小后，做不好的感觉也变小。小下来的无能感，是可以承受的。实力不是从大决心里长出来，而是从一个个能承受的小单位里长出来。

即使笨拙，也要重复，身体才会记住

一开始就想做对，会让人难以开始。追求完美看起来好，实际会让人停住。刚开始笨拙是正常的。重复和理解的运行方式不同。理解可能一次到来，执行却要做很多次，身体才慢慢记住。学骑车时，听懂平衡原理也不会立刻会骑。摔倒、再上车、再摇晃，某个瞬间才少摔一点。所以一开始，“笨拙地做很多次”比“完美地做一次”更好。只有笨拙尝试，才有东西可以修改。什么都不做，不会错，但也不会变强。

反馈不是对你的否定，而是下一次的修改点

做不好的区间里，最难受的是反馈。别人说“这里错了”，会让人觉得是在否定自己这个人。所以人想躲开反馈。但如果只把反馈当成对自己的否定，实力很难长出来。反馈不是判定我不行，而是告诉我下一次该改哪里。“盐太多了”不是说我没做菜天赋，而是下次少放盐。当然，反馈很难舒服地接受。所以要把它想得小一点。不要把它听成对整个人生的评价，而要听成下一次尝试里要改的一件事。反馈一旦这样转化，失败就不再是打击自尊，而是指明方向。

必须穿过做不好的区间，才会到做得好的区间

实力长出来的人，不是没有做不好的区间，而是穿过了那个区间。不是一开始就不羞耻、不别扭，只是把那份别扭看成学习过程，而不是实力不足的终局证明。做得好之后，人很容易忘记最初的无能感。所以已经会的人常说“直接做就行”。但对初学者，这句话没帮助。真正需要的是：“一开始不会很正常。必须穿过那个感觉。” 能忍受做不好的感觉的人，最后才会变强。不是只靠忍，而是在那期间定义自己做不好的项目、拆小、重复、接受反馈并修改。实力不是在做得好的瞬间产生，而是在做不好却不逃、再次尝试的区间里产生。

为什么 AI 写的报告我却解释不了：什么是缺失的背景知识

Sun, 21 Jun 2026 00:00:00 +0000

如果作者无法解释人工智能创建的报告，那么作者只能充当信使，而不是文档的负责人。

把资料交给 AI，让它写报告。几秒后，一份看起来像样的文档出来了。有标题，有背景，有重点，也有结论。只看句子，确实不错。可一进会议，有人问： “为什么这个结论最重要？” “这个数字有多可信？” “为什么排除了其他选项？” “如果做这件事，哪个部门负担最大？” 那一刻，手停住了。报告用我的名字交了上去，但我解释不出里面的逻辑。这时很多人会误会。

是不是我脑子不好。是不是 AI 没用好。是不是资料读少了。都不是。问题不在句子。是在背景知识还空着的状态下，报告先生成了出来。

AI 会写文字，但不能替你负责

AI 很会写句子。它能整理背景、搭目录、分段，也能写出看着像结论的句子。资料越多，整理得越像样。但报告里重要的不只是句子。报告是为了说服某个人而提出的主张。为什么需要这个主张、要说服谁、哪个依据扎实、哪里薄弱、反对方会追问哪里，这些都要知道。AI 能给出像样的句子。但作者不知道这些句子背后的背景，报告就不是自己的。会议上被提问的那一刻，这个差别会显出来。AI 写的句子留在屏幕上，但要回答问题的人是我。

比报告写不出来更危险的，是写出了自己不懂的报告

过去报告写不出来，会马上露出来。手停住，句子出不来，不知道该从哪里开始。那种茫然很难受，但至少诚实，因为它让我不知道这件事显了出来。AI 时代出现了更危险的情况。明明不知道，报告却出来了。把资料放进去，AI 就写出句子。空白页被填满。出现了像样的结构。于是我会觉得自己好像理解了。

但实际上未必理解了。AI 不是消除了我的茫然，只是把茫然遮住了看不见而已。报告出来了，和我掌握了这份报告，是两回事。漏掉这个差别，会议上就会撑不住。

缺失的背景知识，文档里没有写

这种状态可以叫作背景知识的空白。意思是，要把报告变成自己的，还有没补上的背景知识。这件事为什么开始。以前哪种尝试失败过。哪些数字可以信，哪些数字要小心。谁会喜欢这个结论，谁会不舒服。审批者会最先追问哪里。这些信息，资料里不一定都写着。

表格里有数字。会议纪要里有决定。旧报告里有句子。但为什么那个数字重要、为什么做出那个决定、为什么某些句子被删掉，要另外去问才知道。 AI 擅长整理写下来的东西。但没写下来的背景，它无法凭空知道。所以即使给 AI 很多资料，背景知识的空白也可能照样留着。句子出现了，背景却空着。

知道碎片，和知道主张，是两回事

很多人读完资料会说：“内容大概知道，但要我解释就卡住了。”原因在于，知道碎片和知道主张是两回事。碎片是一个个事实。这个项目 3 月开始。成本增加了 20%。客户流失率上升了 5%。 A 案和 B 案被讨论过。

这些碎片，AI 也很会整理。但报告需要的不是碎片的罗列。要知道这些碎片指向哪个方向。为什么成本增加 20% 是问题。客户流失率 5% 是暂时的噪声，还是结构性的风险。 A 案和 B 案里放弃了哪一个，为什么放弃。这份报告最终要求谁做出什么决定。知道这些，才解释得了报告。AI 帮你整理了碎片，不等于作者理解了主张。报告不是一堆资料，而是有方向的主张。

新领域不是看得多就行，而是要换角度看：魔法数字 3·7·30·100

Sun, 21 Jun 2026 00:00:00 +0000

对一个新领域的感觉不仅仅来自于例子的数量，还来自于比较不同例子之间的差异。

刚学一个新领域时，人们常问：“要看多少案例才有感觉？”看起来只要多看就行，但实际并非如此。同一种案例看一百个，脑子里也可能还是理不清头绪。

感觉不是只靠案例数量产生的。要从不同角度看，提炼核心变量，比较不同类型的案例，亲自做过后再修改。所以我学新领域时，会按 3·7·30·100 的顺序想。这不是精确法则，更像是理解感觉如何产生的参照点。

用 3 个角度抓方向

一开始就想看很多，反而会乱。先需要三种视角：看好结果是什么样，看哪些变量决定结果，看初学者常在哪里卡住。

第一，要看好结果长什么样。学做菜，就要知道煎好的牛排切面是什么样；学写作，就要知道好读的文章结构是什么样。没有目标画面，就无法判断自己做出的东西还行，还是彻底失败。

第二，要看什么决定结果。同样材料，有人成功有人失败，一定有造成差异的变量。牛排可能是火力、煎的时间、出锅后静置的时间。每个领域里真正左右结果的核心变量，通常没有想象中那么多。

第三，要看初学者常在哪里卡住。锅没烧热、肉总是翻来翻去、写文章时先修句子却不先立主张。提前看别人的试错，自己的试错可以少一半。

用 7 个左右建立核心判断标准

抓住方向后，要减少核心指标。新领域看起来有很多东西要同时看，但人脑一次能同时处理的项目并不多。所以一开始就想看二十件事，反而无从下手。

核心要压到大约 7 个左右。写作的话，可以是拼写、词语、句长、段落结构、逻辑流、读者、标题。熟练以后，拼写和选词会合成“修句子”这一块。越能把多个项目合成一个块，脑子里越有空位去看更大的结构。

初学者和中级者的差别，不只是知识量，而是能否把信息看成几个块。把核心判断标准压到 7 个左右后，新信息进来也不容易乱。

30 个不是数量，而是类型

接下来要收集案例。这里重要的不是多收集，而是收集得不同。三十个相似案例，本质上和同一个案例看三十遍差不多。

需要的是对照案例。成功案例、失败案例、暧昧案例、极端案例、最常见的标准案例，都要一起看。这样才看得出哪个变量改变了结果。只看好的东西，会有标准，却不知道为什么好。

比如只看三十张煎得很好的牛排照片，你不会知道失败长什么样。只读好文章，也很难知道为什么有些文章读不下去。成功和失败放在一起，差异才会显现。感觉不是来自很多案例，而是来自比较不同案例。

比较三十个差异明显的案例，可以更快学会判断标准。

100 次不是重复，而是反馈

用眼睛看，和自己做，是两回事。开始看见模式，不代表手马上跟得上。初学时结果会忽好忽坏。昨天可以，今天不行，看似一样做，结果却不同。

这种不稳定减少的区间，大概在 100 次左右的重复。学乐器时同一句要弹很多遍，手才会自己动；运动动作变熟练、发表时不那么紧张，也会在这个附近慢慢稳定。

但不能只是做 100 次。如果不知道自己错了还重复 100 次，只会把错误动作固定下来。做一次，确认哪里偏了，修改后再做。重要的不是重复次数，而是带反馈的重复。

感觉在信息连接时产生

学新领域时，某个瞬间会突然有感觉。不是因为信息变多，而是散着的信息被连起来了。“原来这些都在说同一件事”，那一刻会到来。

国际象棋高手能一眼记住棋盘，不是把每个棋子单独背下来，而是把它们看成攻击阵型、防守结构、常见模式这些块。初学者看到的是散点，高手看到的是几个有意义的组合。

学得快的人，不是无脑塞入大量信息的人，而是经常比较、经常连接、经常修改的人。比起多看，先要换角度看。

顺序是 3·7·30·100

整理起来，顺序很简单。3、7、30、100。

先用 3 个角度抓方向：好结果、决定结果的变量、初学者常卡住的点。接着把核心压成 7 个左右的块，建立判断标准。然后收集大约 30 个对照案例，比较成功和失败的差异。最后做 100 次左右带反馈的练习，亲自做并修改。

这些数字不是绝对法则。不同领域可能翻倍，也可能减半。重要的不是数字本身，而是背后的原理：感觉来自换角度看，实力来自反馈，而不是单纯曝光。

第一次接触的工作，如何用 AI 分析会议转写来把握结构

Sat, 20 Jun 2026 00:00:00 +0000

通过观察其他人的会议，您可以了解组织使用什么标准来制定决策。

第一次进入陌生业务会议，大多数人都会发懵。认识的词没几个，其他人却都默认你清楚背景在说话。会议一路推进，自己却完全跟不上。这时目标设错，会更难。一开始不要试图理解全部内容。第一次看陌生会议的目标，不是全懂，而是复原业务结构。先确认这件事为什么存在、要决定什么、因为什么而分歧。而且这件事不会在会议中结束。真正的学习从会后开始。用 AI 分析转写或会议纪要，把目的、争点、决定事项、未定事项、判断标准、术语、负责人、下一步行动拆到互不重叠为止。

先确认这场会议能不能录音

会议录音不是任何时候都可以做。以韩国为例，关键在于自己是不是对话当事人。通信秘密保护法禁止录音或窃听“非公开的他人之间的对话”。也就是说，偷偷录下自己没有参与的别人对话，是危险的。如果是自己直接参加的会议，情况不同。韩国大法院曾判断，在三人对话中，其中一人录音时，其他人的发言对录音者来说不能视为“他人之间的对话”。但这并不代表可以随意公开或上传到外部。业务会议可能包含公司机密、个人信息、客户信息。因此录音前要确认公司规定和安全政策。尽量告知参会者录音事实，也不要把原始转写直接上传到外部 AI 服务。必须使用时，最好用公司批准的 AI，或删除姓名、公司名、客户信息和敏感数字后再分析。

第一次会议不需要全部理解

陌生会议里，想听懂每一句话很快会累。陌生术语、缩写、以前会议中已经决定的内容，会被当成理所当然带过。全抓住，反而会错过重要结构。会议中应该集中留下标记，而不是纠结细节。这场会议要决定什么？反复出现的词是什么？大家长时间纠缠的争点是什么？谁负责下一步行动？一开始不完全理解也可以。重要的是留下之后能用 AI 重新分析的材料。转写、会议纪要、自己标记的术语和问题，都会让你在会后复原结构。

先弄清这件事为什么存在

要看业务结构，必须先看目的。不知道这件事为什么存在，后面的内容都会变得零散。谁为了什么做什么不清楚，数字、资料、术语就各自指向不同的方向。会后最先问 AI 的也应该是这个：“这场会议讨论的业务目的是什么？”“这项业务要解决什么问题？”“更接近客户问题、成本问题、日程问题、质量问题，还是风险问题？” 目的抓住后，发言的意义会改变。同样是功能讨论，如果目的在客户满意，易用性会重要；如果目的在降本，开发范围会重要；如果目的在风险管理，稳定性和责任归属会重要。知道目的，会议其他内容才会归位。

要分开已决定和未决定

理解会议，必须分开已决定事项和未定事项。这两者混在一起，会议内容就会让人搞不清。你会重新烦恼已经决定的事，或把尚未决定的事误以为已经定了。把会议纪要交给 AI 做简单摘要不够。必须要求它分开：今天确认的决定事项是什么？还没定的事项是什么？下次会议或追加确认需要什么？有了这个区分，业务会清晰很多。已决定的事会成为行动标准，未定事项会成为下一次会议争点，需要确认的事则是自己要学习或追问的作业。

当已决定事项和未决定事项被区分开时，会议记录就会成为确定下一步行动的依据。

要把争点拆得 MECE

MECE 是 Mutually Exclusive, Collectively Exhaustive 的缩写，意思是互不重叠、完整穷尽。简单说，就是不要把同一件事重复放进两个格子，也不要漏掉重要项目。陌生业务难，是因为争点纠缠在一起。成本、日程、质量、风险、客户需求混着听。会议结束后，脑子里只剩“好复杂”。用 AI 的关键在这里：要让它“把这场会议的争点拆成 MECE”。继续追问有没有漏掉争点，项目之间是否重叠，是否把原因和解决方案混在一起，是否混淆了决定事项和待办。

不能直接相信 AI 第一次给出的答案。AI 也不一定一次抓住会议结构。要反复追问、修正分类、补齐漏项。经过这个过程，陌生业务的结构会逐渐变得清晰。

听到判断标准，工作才看得见

会议里重要的不只是“决定做什么”，更重要的是为什么这样选。A 案和 B 案之间，大家按什么标准选择，必须知道。让 AI 分析会议纪要时，要单独抽出判断标准。成本、日程、性能、稳定性、客户反应、内部资源、责任归属中，哪些影响了决定？哪个标准最强？被放弃的方案为什么被放弃？知道判断标准，下一次会议会轻松很多。因为类似议题出现时，你能预期大家会看哪里。理解业务不是背很多资料，而是知道这个组织按什么标准选择。

不懂的术语，要用 AI 放回业务结构里

第一次参加会议时，不懂词很正常。问题在于想当场全懂。这样会错过会议的整体走向。会议中只要标记不懂的术语即可。会后再问 AI。但停在“这个词什么意思”还不够。还要问这个术语在会议中以什么语境使用，连接到哪个业务阶段，影响什么决策。术语不是单词表，而是理解结构的线索。有些术语对应客户需求，有些对应技术约束，有些对应内部流程。把术语放回正确的位置，业务结构才会显现。

要留下负责人和下一步行动

会议分析的最后，是人和行动。谁负责什么？什么时候确认？需要谁批准？还要看什么资料？漏掉这些，即使理解结构，也不会变成实际工作。会议既是学习材料，也是工作指示来往的地方。不能把理解转成自己的行动，下次会议仍然只是旁观者。会后整理不必很长。今天决定的事、未定事项、主要争点、判断标准、不懂的术语、负责人和下一步行动。留下这六格就够了。关键是不让会议白白过去，而是把它变成下一步。