AI 仅能放大认知架构，善用者更需深读
本文承接前文内容。
前文阐述核心原则：切勿将 AI 视作第二大脑。
本文聚焦实战：如何将阅读感悟与真实工作，提炼为可复用的技能（Skill）。
在 AI 浪潮下，许多人误以为阅读的价值正在衰退。
毕竟，概括全书、萃取方法、构建工作流，AI 的速度快得惊人。
然而我愈发确信，事实恰恰相反：
AI 无法抹平人与人的差距，它只会放大你既有的认知结构。
你若未能洞察的问题，AI 难以凭空赋予你。
你若未曾磨炼的判断，AI 也很难替你稳定输出。
因此，真正的技能，绝非 AI 总结的产物，而是你在阅读、实践、受挫与复盘中生长出来的。
我所指的 Skill，并非某种神秘插件。
其本质是一套可复用的问题解决流程：如何提问，如何研判，如何核查，如何落地执行。
如今制造 Skill 看似极易。
将书籍投喂给 AI。
令其归纳观点、梳理流程、生成提示词。
片刻之后，一个“看似不错”的 Skill 便诞生了。
但也可能流于平庸。
AI 总结得越顺畅，你越易错觉自己已掌握精髓。
实则被训练的，或许仅是机器的整理能力。
图｜平庸 Skill 打印机
往昔，一人构建方法论，依赖的是缓慢的过程：
阅读，做事，碰壁，复盘。
再将失败与经验，压缩为下次可用的判断力。
AI 时代，这套流程将被封装为 Skill。
但 Skill 的优劣，不取决于格式。
它取决于你是否真正读过、做过、判断过。
在真实工作中，最难的从来不是写出标准答案。
难的是面对边界模糊的难题时，你能否判断：可行与否，应否为之，先迈哪步，何种证据能推翻假设。
这既需阅读，也需实践。
因为书籍并非信息堆砌。
好书是他人将长期实践、失败、判断与边界压缩后，留下的结构。
AI 可助你更快处理信息，却无法替你与这些结构发生碰撞。
若无阅读，你连问题都问不出。
若无实践，你不知这些问题能否落地。
真正的判断力，往往卡在这一问之间。
图｜不问可不可能，要问应不应该
若平日只积累答案而不训练判断，当真问题袭来，我们极易只问“可不可能”。
更难的问题是：应不应该，值不值得，做到何种程度该止步。
AI 可助你追问，却无法替你生长出这种能力。
我构建 AI 辅助阅读 Skill，目的非让 AI 更快总结全书。
其第一步，是先逼迫我自己出场：
我不会开篇就问：
请总结这本书。
我会让 AI 先向我发问：
你为何而读？你要判断什么？你要迁移至何处？
此举旨在确认问题的所有权。
若无问题，再好的总结也只是二手知识。
图｜先让 AI 问我
第二步，是白纸复写。
合上书本，暂弃 AI，独自将刚读到的方法写出。
写得出来，才算暂时入脑。
写不出来，便是理解尚未生根。
图｜白纸复写压力测试
此时 AI 再介入，角色转为批改者。
何处仅是复述？何处缺失变量？何处尚难迁移？
我期望 AI 训练我，而非替我读书。
近期我研读《如何快速了解一个行业》。
常规读法很简单。
把书丢给 AI，令其总结行业生命周期、商业模式、市场规模、竞争格局、利润池。
这些都没错。
但也极易止步于“看起来都对”。
我当时真正要探究的，是一个更具体的问题：
“某国线上渠道，未来数年是否会冲击线下渠道？”
多数人会如何操作？
通常不会先花时间定义问题，亦不会将问题拆解为结构。
或许是从网上找个不知所谓的 Skill，或与 AI 讨论一段提示词。
将问题抛入。
让 AI 生成一份行业分析。
随后得到一个完整、顺滑、却甚为平庸的答案。
我会先将问题拆解为三个结构：
时间维度，冲击是此刻发生，还是 3-5 年后显现？
空间维度，先发生于核心城市、区域中心，还是下沉市场？
品类维度，是标准化、低服务需求的产品先被替代，还是强安装、强售后、强信任的产品更难线上化？
随后我让 AI 批改。
AI 此刻方显价值。
它非替我撰写报告，而是追问：
你所指的“冲击”究竟为何？
是价格锚点被重构，还是流量入口被平台攫取？
是成交转至线上，还是门店转为体验、交付与服务节点？
哪些品类会先变，哪些品类暂时不变？
图｜假设批改台
经此一轮，问题才从“行业分析”转化为“能否行动”。
下一步，我不让 AI 写报告。
我只令其做一事：
将批改改写为“如果 - 那么”句式。
每条假设须包含：条件、机制、变量、动作。
例如：
若某类产品更易被标准化比较，渠道差异更易被消费者感知，服务责任亦能清晰划分，
那么线上渠道便可能率先改变获客、定价及服务分工。
线下渠道未必即刻被替代，但其角色将被重新定义。
再继续压缩为 30 天内可证伪的动作：
选取一组代表性样本，观察不同渠道给出的价格、交付及服务承诺是否确有差异。
寻找几类真实用户与一线触点进行交谈。
模拟一次从咨询、下单到服务承接的完整流程。
最终确认：哪些变量真会影响用户选择，哪些仅是我们脑海中的臆想。
唯有能被验证、被证伪、被行动承接的观点，才真正从读书笔记转化为工作能力。
图｜假设压成 30 天验证
至此，阅读、AI、Skill 与工作，才真正打通。
书提供理论，真实问题提供摩擦，AI 负责追问与批改，Skill 将过程固化。
这并非下班后的额外习题。
这正是我本欲推进的工作。
工作得以推进，我的问题感亦获训练。
AI 可生成像样的 Skill。
但像样不等于有品味。
顺滑不等于能打仗。
若你脑中模糊，AI 会放大模糊。
若你脑中仅有二手总结，AI 会生产更高级的二手总结。
若你脑中有真实问题、关键变量、证据标准及可证伪假设，AI 方能放大你的能力。
图｜AI 只是放大你的结构
故而在 AI 时代，读书反而更为重要。
阅读是在为你的判断力增加密度。
实践亦更重要。
若无真实摩擦，你不知书中言语能否落地。
百战归来再读书，许多句子会骤然不同。
昔日仅是观点，今朝变成判断标准。
昔日仅是框架，如今变成拆解问题的手感。
近期我见一图，转述黄仁勋关于 AI 提问之言，大意如下：
真正善用 AI 者，皆是认知极高的提问者。
他们携带自身认知去提问，让 AI 助其叩开未知边界，而非让 AI 替其思考。
所谓带着认知提问，即你问出的每个问题背后，皆有自身结构：
我要判断什么？
哪些变量最关键？
什么证据能推翻我？
下一步真实动作是什么？
若你后续使用我的 Skill，我更愿你勿将其视为一套现成模板。
希望你能学习我，借鉴我，批判我，超越我。
图｜应用、学习、借鉴、批判、超越
以道御术，前提是你能够以术入道。
真正的 Skill，是你在阅读、实践、复盘、被追问、被批改、再回归实践的过程中，点滴生长出来的。