用 AI:武装 + 放大 — 两种模式,选对模式才是元技能

同一个 AI,同一个问题,两种提示词导向相反结果:

• 萎缩模式(默认陷阱):"帮我决定选哪个""直接给我答案""写好发我"。你把 Representation(怎么看)、Generation(造方案)、Evaluation(筛判断)整条链外包出去,拿到一个成品,但你的脑没做任何一步操作——下次没有 AI 你还是不会。有研究方向指向:AI 用得越"省事",批判性思维越退化(cognitive offloading;标 hedge,非定论)。
• 武装模式:AI 当你的 sparring partner——你先自己想出草稿,再让 AI 往死里挑、给你想不到的角度、逼你把没说清的说清。认知的重活还是你在做,AI 只是把你的天花板往上顶。

判断你在哪个模式,有个简单自检:这次对话结束,是我"多知道了一个结论",还是我"多长了一点能力"? 前者是萎缩,后者是武装。

武装模式的底层机制,就是 费曼表达 和 刻意练习 反复讲的 forcing function:产出 / 判断这个动作本身逼你撞见"以为懂、其实不懂"的 gap。 提示词的命门在顺序:

• 对(武装):你先自己写出判断 / 方案 / 论证 → 再让 AI 挑错、补角度、反驳。你先做了操作,AI 在你的产出上加压。
• 错(萎缩):AI-first——先让 AI 给,你在它的基础上改。你从没独立做过那个操作,forcing function 失效。

一句可操作的铁律:凡是你能先自己做一版的,先做一版,再让 AI 挑。 哪怕你的一版很烂——烂的一版被 AI 挑出来,比直接看 AI 的好版本,长的能力多得多。

把 主线 的 R→G→E+M 四操作各配一种"用 AI 而不外包"的提示词。每一步 AI 都在放大你,而不是替你做那一步:

• R · 看懂本质(别要结论,要它帮你换 frame / 拆第一性):

  "别给我答案。这是哪类问题?给我 3 个不同的 frame,每个 frame 会导向什么解空间。" "用第一性原理把这个拆到不可再拆的基本事实,别下结论,我来重建。" 你保留"选哪个 frame / 怎么重建"的权,AI 只负责撑开你的表征空间。

• G · 造可能(AI 是 Munger 格架 / 跨学科的放大器):

  "从 10 个不同学科(物理/生物/经济/军事/演化…)各给我一个看这个问题的角度,别评判、别排序,我来选。" 你独自造不出这么宽的候选集,但筛选和组合是你的。见 思维深版 §3 Generation。

• E · 筛对的(AI 在这一步最能武装你——当你判断的 maker≠checker):

  "把我下面这个论证 steelman 到比我说得还强,然后挑出最致命的那个漏洞。" "我倾向选 X。给我最强的 3 个反对理由,和一个会让我彻底改主意的证据。" "这些数字帮我反代自洽性检查:量纲对吗、10 的幂次对吗、百分比基数对吗。" 关键铁律:最终判断你留着。 AI 只负责挑错、给反方、查算术,不负责替你信。这正是 论证解剖 的手术刀 + maker≠checker(独立挑错者)用在你自己脑子上。

• M · 调度 + 校准(元认知 + 事后校准):

  "我在 R→G→E+M 四步里卡在哪一步了?"(卡住时先定位是哪个操作出问题) "这个决策我已经做了,帮我复盘:我的推理链里哪一环最可能错、事后该盯什么信号。" 但校准是你的——事后记哪些判断被证明对 / 错(见 判断决策 §3 决策日志 + Brier);AI 能帮你复盘,但"我到底准不准"只能你自己用真实结果测量(接 投资家心智的能力圈:别把 AI 的判断当自己的 edge)。

这三条是"以为在用 AI 提升,其实在让脑萎缩"的高频形态:

• 直接问答案:一句"帮我决定 / 直接给"把 R+G+E 整条链外包——最省事、也最萎缩。
• AI-first 不先自己想:先看 AI 的版本再改,forcing function 从头就没启动;你改的是它的思路,不是练你的思路。
• 信 AI 的判断而非自己校准:把 AI 说的当结论收下、不事后验证——丢了能力圈(不知道 AI 在哪靠谱)+ 丢了 calibration(不知道自己在哪靠谱)。AI 会自信地错,校准只能靠你对真实结果记账。

把上面收成一段你可以直接套用的流程(面对一个真实决策 / 判断时,依次发这几条,每条先自己写一版再发):

1. 框定(R):"我把问题框定成【你的一句话】。给我 2-3 个更值得解的 reframe,别下结论。"
2. 造候选(G):"我想到的方案是【你的】。跨学科再给我 5 个我没想到的角度,我来选。"
3. 证伪(E):"我倾向【你的判断 + 理由】。steelman 它再挑最致命漏洞;给我最强的 3 个反对;数字帮我查自洽。"
4. 定型 + 记账(M):我自己下判断(不问 AI 选哪个)→ 写进决策日志(判断 + 概率 + 理由 + 结算日期)→ 事后校准。

铁律贯穿全程:每一步先自己做一版,AI 只在你的产出上加压;最终判断永远你留着。

前五节讲的是武装——你当 maker、AI 挑错。但用 AI 还有另一半、方向相反的价值:放大——把 AI 当执行 / 生产线,让它替你干活出量,你退到judge + curate,于是你 + AI 的产出是你单干的十倍。这里 AI 的角色从 checker 翻成 maker,而这恰恰是武装模式警告你别做的——但在放大模式下,让 AI 做操作正是目的,因为你要的不是长这块能力,是产出和 reach。

什么时候该放大(而非武装):

• 不是你的核心 edge:不需要亲手精通的领域(让 AI 给 good-enough,别为它花时间练)。
• 一次性 / 低复用:只做一次的活,练它不复利。
• 要速度 / 规模 / 广度:并行出 10 个版本、扫一个你不熟的领域、把 grunt work 批量做掉——你是瓶颈时用 AI 拓宽。

用法就是 maker≠checker 的另一半:AI 当 maker 出量,你当 checker 挑好的、挑错的——"给我 10 个版本我选 / 改"、"这块 grunt work 你做,我审"、"这个我不熟的领域给我一版 good-enough 概览 + 关键风险"。

但有个天花板必须认:你 checker 的判断力,就是放大的天花板。 AI 会自信地错,你判断不出就是被它带偏而不自知。所以放大的前提是——这块你至少有 checker 级判断(能看出对不对),或者结果可低成本验证(能用真实反馈兜底)。对你完全不懂的东西盲目放大,等于把方向盘交给一个会一本正经胡说的副驾。

真正的元技能不是"永远武装"或"永远放大",而是给每件事选对模式。靠两把尺,都是 投资家心智 用在 AI 上:

• 能力圈(circle of competence):是你的核心 edge、会反复用、值得复利的 → 武装(投时间自己做);核心之外 → 放大(买产量、别练)。这就是 Buffett 能力圈 划到 AI 上——只在圈内深耕,圈外用杠杆。
• 机会成本:时间是最稀缺资源。武装 = 投时间复利能力;放大 = 花 AI 买 throughput。每件事都是一次投资决策:这件事值不值得我亲手长这个能力,还是买产量更划算?见 机会成本。

两个陷阱(和 §4 的萎缩陷阱同源、但在组合层):

• 全放大 → 被掏空:啥都让 AI 干,深能力萎缩到 0、能力圈归零;更糟的是你 checker 的判断力也一起退化——都不懂了拿什么 check?最后你只是个 prompt 经理,连 AI 对不对都看不出。
• 全武装 → 被碾:啥都自己慢慢练、不用杠杆,产出被会放大的人碾过。

两者是咬合的正循环:你武装出的深能力,正是你放大时能当好 checker 的底气——能力圈越厚,越敢让 AI 替你干周边、还判断得出它对不对。所以顺序是:先武装核心几样(复利)→ 用越来越厚的能力圈去放大周边(杠杆)。武装攒 edge,放大兑现 edge。