思维之上

当工具泛滥，
问题仍在

2026 年的春天，几乎每一个职场人手机里都装着至少三个 AI 产品。Prompt 工程教程在 B 站破亿播放，企业把"AI 转型"写进董事会议程。可是奇怪的事情发生了——焦虑没有消失，反而被放大了。

工具变多，并没有让我们更接近答案。它只是让"问错的问题"变得更高效。

这是一种新的内卷。过去我们卷信息差，今天我们卷 prompt；过去我们卷加班时长，今天我们卷一天用了多少 token。如果我们从未停下来问一句"我们究竟在解决什么"，那么再快的工具，也只是在原地打转。

我把这层关系画成一座五层金字塔——它既是这本书的章节顺序，也是我多年来做产品、带团队、看世界的世界观底层。

金字塔的趣味在于它的逆向性：

• 麦肯锡金字塔原理告诉我们："表达时自上而下，思考时自下而上"[01]——这是沟通的高效。
• 但人生与事业的方向恰恰相反：你必须先在最顶层（愿景）想清楚，再让力量沿着思维、方法论、方法、工具一层层向下贯通。

AI 时代有一个残酷而清晰的事实：工具的民主化让金字塔底部前所未有地趋同——同样的模型、同样的 prompt、同样的产出范式。但与此同时，金字塔顶部的差距被指数级放大。

一个有愿景、会思考的人，借助 AI 能做出十倍的产出。
一个没有愿景、不会思考的人，借助 AI 也只能做出十倍的废话。

这本书很短，每一章对应一层。每一章我都尽量做到三件事：第一，给一个清晰的核心论点（金字塔顶部）；第二，引经据典，从经济学、社会学、工商管理与哲学的经典中找到证据；第三，给到一个可以马上做的"落点"。

现在，让我们从最顶层开始。

愿景、使命、价值观

一个知道自己为什么而活的人，几乎能忍受任何一种生活。 弗里德里希·尼采，《偶像的黄昏》（1889）[02]

核心论点

愿景、使命、价值观不是写在墙上的标语，而是一种"先行因"——它决定你如何识别问题、如何分配注意力、如何定义"成功"。它无法被流程化、无法被外包，是 AI 唯一无法替你完成的那一层。

为什么"为什么"是顶层

01 · 西蒙·斯涅克的黄金圈

西蒙·斯涅克在《从"为什么"开始》中提出 Golden Circle：Why → How → What[03]。绝大多数公司是从外向内说话——先讲产品（What），再讲流程（How），最后才（如果还有时间的话）讲信念（Why）。极少数伟大的公司——苹果、特斯拉、西南航空——反过来，先讲 Why。

斯涅克的洞察来自神经生物学：大脑皮层负责语言与理性（What 与 How），但决策与情感由更深的边缘系统处理（Why）。"人们不会买你做什么，他们买你为什么这么做。"

02 · 弗兰克尔的意义疗法

维克多·弗兰克尔从奥斯维辛集中营幸存归来后写下《活出生命的意义》[04]。他发现一个极端环境下的稳定规律：那些能讲出"我活下去是为了……"的人，存活率远高于其他人。他后来创立的"意义疗法"（Logotherapy）认为，人寻求的不是快乐，而是意义——快乐是意义的副产品。

这个洞察对企业管理同样成立：能持续穿越周期的组织，不是奖金最高的，而是意义最清晰的。

03 · 圣吉的共同愿景

彼得·圣吉在《第五项修炼》中将"共同愿景"列为学习型组织的五项修炼之一[05]。他强调：

共同愿景不是一个想法。它是一种力量，存在于人们心中。彼得·圣吉

"被宣布的"愿景没有力量，"被点燃的"愿景才是。这二者的区别在于：员工能不能在愿景里看到自己的影子。

04 · 柯林斯的核心理念

吉姆·柯林斯与杰里·波勒斯花了六年研究 18 家"高瞻远瞩公司"，写成《基业长青》[06]。他们的发现是：百年公司都有一个"核心理念"（Core Ideology），由两部分构成——核心价值观（Core Values，永不改变）+ 核心目的（Core Purpose，存在的根本理由）。在核心理念之外，再叠加可变的"进取目标"（BHAG: Big Hairy Audacious Goal）。

"保留核心，刺激进步。"这是他们对 18 家公司的浓缩。核心是顶层，永远不变；进步是动作，永远在变。

05 · 韦伯的资本主义精神

马克斯·韦伯在《新教伦理与资本主义精神》中提出了一个反庸俗马克思主义的论点[07]：不是经济结构决定了价值观，而是价值观（新教伦理中的勤奋、节俭、天职感）塑造了资本主义的运行模式。

这是一个百年前的社会学命题，但在今天读来依然锋利：组织的运行方式，归根到底是组织成员所信之物的外在投影。你信什么，你就会变成什么。

06 · 稻盛和夫的"动机至善"

稻盛和夫在《活法》《干法》中反复讲一句话："动机至善，私心了无。"[08] 京瓷有一本《京瓷哲学手册》，把价值观写到操作层面——"作为人，何谓正确"是首条。2010 年他临危受命挽救日航，做的第一件事不是砍成本，而是把所有干部召集起来重写哲学手册。一年后，日航扭亏为盈。

思维

我们不能用制造问题时的思维方式，去解决那个问题。 阿尔伯特·爱因斯坦

核心论点

思维不是"知识的总和"，而是"看世界的方式"。同样的事实，不同的思维框架会得出不同的结论、不同的行动。AI 可以帮你处理信息，但思维方式必须由你自己拥有——它是你和 AI 协作时唯一的"主体性"。

六个值得当作"出厂设置"的思维

01 · 多元思维模型（芒格）

查理·芒格在《穷查理宝典》中讲过一个比喻："在手里只有锤子的人眼里，所有问题都像钉子。"[11] 他主张拥有一个"多元思维模型工具箱"，横跨数学、物理、生物、心理、经济、历史等学科，约 80–100 个核心模型。

更关键的是芒格的"反向思维"（Invert, always invert）：要找到怎么成功，先研究怎么失败。要让组织变好，先列出能让组织变烂的所有方式，再一一避开。

02 · 系统1 vs 系统2（卡尼曼）

丹尼尔·卡尼曼在《思考，快与慢》[12] 中区分了两套系统：系统 1（快、直觉、情绪、自动）与 系统 2（慢、推理、努力、可控）。日常 95% 的决策由系统 1 完成，但系统 1 充满认知偏差——锚定效应、可得性启发、确认偏差、损失厌恶。

他与阿莫斯·特沃斯基提出的"前景理论"（Prospect Theory）颠覆了经典经济学的"理性人假设"[13]：人对损失的痛苦大约是同等收益快乐的两倍。这一发现让卡尼曼拿到了 2002 年诺贝尔经济学奖（虽然他是个心理学家）。

03 · 第一性原理

第一性原理来自亚里士多德《形而上学》："任何系统都存在第一原理，是最基本的命题或假设，不能被省略，也不能被违反。"[14]

马斯克最常被引用的案例是电池成本：类比思维认为"电池一直是 600 美元/kWh，所以电动车很贵"；第一性原理把电池拆解成钴、镍、铝、碳、隔膜等原材料，按伦敦金属交易所价格重新加总——发现理论成本只有 80 美元/kWh[15]。

第一性原理的难点不是"原理"，而是"第一"——剥到不能再剥的那一层。

04 · 成长型思维（德韦克）

卡罗尔·德韦克在《终身成长》[16] 中区分了 固定型思维（"我天生就是这样"）和 成长型思维（"我能学会"）。在 AI 时代这个区分被放大——技能的半衰期可能不到三年，但有成长型思维的人会把"学不会"翻译成"我还没学会"。

05 · 系统思考（圣吉、梅多斯）

唐内拉·梅多斯在《系统之美》[17] 中提出：任何系统都由"库存—流量—反馈环"构成，真正的杠杆点往往不是最显眼的地方。她列出了系统改造的 12 个杠杆点，最强的不是参数，而是目标，最强的还在目标之上，是范式本身。

圣吉则强调系统思考的反模式："转移负担"（shifting the burden）——用治标的方案应付掉症状，让人误以为问题解决了，结果根因恶化。今天的 AI 工具，最容易帮我们干的就是这件事：用快速产出掩盖思维懒惰。

06 · 麦肯锡金字塔原理（明托）

巴巴拉·明托的《金字塔原理》[01] 也是这本书的结构母版：

• 结论先行，再分层论证；
• SCQA：Situation（情境）→ Complication（冲突）→ Question（问题）→ Answer（答案）；
• MECE：相互独立，完全穷尽；
• 表达时自上而下，思考时自下而上。

金字塔原理被许多人误读为"演讲技巧"。它其实是一种思维约束——它强迫你先得出结论再去找证据，而不是堆完证据让听众自己拼。

+ 影响力六原则（西奥迪尼）

罗伯特·西奥迪尼在《影响力》[18] 中总结了六个社会心理武器：互惠、承诺与一致、社会认同、喜好、权威、稀缺。这不是话术，是一套关于"人如何被影响"的社会学模型。理解它，才能在 AI 充斥内容的时代，分辨什么是真观点，什么是被设计的 nudge。

方法论与框架

管理是一种实践，其本质不在于"知"，而在于"行"。 彼得·德鲁克，《管理的实践》（1954）[19]

核心论点

方法论 = 思维 + 上下文。它把抽象的思维约束在具体场景里，让团队能协作、让动作能复用。框架的价值不在于框架本身，而在于它把对的思维变得可教、可传、可执行。

四类经典方法论

01 · 战略层

• 波特五力 + 三大通用战略（迈克尔·波特，《竞争战略》1980）[20]——产业结构决定企业利润空间。三大战略：成本领先、差异化、聚焦。
• 蓝海战略（W.钱·金 & 勒妮·莫博涅，2005）[21]——不要在红海里更卷，去开辟没人争的新空间。"价值创新"是核心：同时做到差异化和低成本。
• 跨越鸿沟（杰弗里·摩尔，1991）[22]——技术采纳生命周期里有一个鸿沟，把早期采纳者和早期主流市场分开。绝大多数创新公司死在鸿沟里。
• 第二曲线（查尔斯·汉迪，1994）[23]——必须在第一曲线巅峰之前启动第二曲线，等到衰退再启动就晚了。
• 颠覆式创新 vs 维持性创新（克莱顿·克里斯坦森，《创新者的窘境》1997）[24]——为什么优秀公司会失败？因为它们做对了所有"维持性"的事，却被低端市场的颠覆者超越。

02 · 组织管理层

• OKR（安迪·葛洛夫在英特尔提出，约翰·杜尔传播[25]）——Objective 给方向，Key Results 给度量。OKR 不是 KPI，KPI 是承诺，OKR 是延展性目标。
• 《执行》三个核心流程（拉里·博西迪 & 拉姆·查兰）[26]——人员流程、战略流程、运营流程，缺一个就不会有真正的执行。
• 团队五大障碍（帕特里克·兰西奥尼）[27]——缺乏信任 → 惧怕冲突 → 缺乏承诺 → 逃避问责 → 忽视成果。一层之上累着另一层。

03 · 创新方法论

• 精益创业（埃里克·莱斯，2011）[28]——MVP（最小可行产品）→ Build-Measure-Learn 循环 → Pivot（关键转向）。"经过验证的认知"才是最有价值的产出，不是产品本身。
• 设计思维（蒂姆·布朗 / IDEO，《设计改变一切》2009）[29]——共情 → 定义 → 构思 → 原型 → 测试。它把"用户为中心"从口号变成了一套动作。
• 《跨越创新鸿沟》× 《精益创业》——前者讲"过鸿沟"的市场逻辑，后者讲"鸿沟前"的产品验证逻辑。配合使用更有用。

04 · 经济学与社会学的"框架基座"

这一类不是直接用的"方法论"，但它们塑造了所有方法论的底层假设。

• 科斯：交易成本理论（《企业的性质》1937）[30]——企业为什么存在？因为市场交易有成本，把交易内化进组织能省掉一部分。这个理论解释了所有"自营 vs 外包"的决策。AI 正在重写交易成本曲线。
• 哈耶克：分散知识（《知识在社会中的运用》1945）[31]——任何中心都不可能掌握所有信息，价格机制是最有效的信息聚合器。这条思路对今天的"中心化决策 vs 分布式决策"依然适用。
• 格兰诺维特：弱关系的力量（1973）[32]——人在找工作时，强关系（家人朋友）的帮助远不如弱关系（熟人）。原因：弱关系连接的是不同的信息圈。组织里有没有"弱关系桥"，决定了创新能否发生。
• 普特南：社会资本（《独自打保龄》2000）[33]——一个社会的健康程度，取决于它的"社会资本"：信任、互惠、网络。把这个概念翻译到组织：信任崩了，再多流程都没用。

方法

战略最终要落到一连串可执行的动作上。否则它只是一份精美的 PPT。 拉里·博西迪 & 拉姆·查兰，《执行》[26]

核心论点

方法是金字塔里最容易被掌握、也最容易被误用的一层。它是"动作单位"——能不能在 30 秒内说清楚一个方法包含哪几步、产出什么、由谁验收，决定了它有没有用。

八个值得熟练的"动作"

01 · MECE 与议题树

MECE = Mutually Exclusive, Collectively Exhaustive，相互独立，完全穷尽[01]。它是麦肯锡解决问题的根本动作——把一个大问题切成不重不漏的子问题，画成"议题树"（Issue Tree），再向下钻取到可调研的颗粒度。

02 · SMART 目标

乔治·多兰 1981 年在 Management Review 上首次提出 SMART[34]：Specific（具体）、Measurable（可度量）、Achievable（可达成）、Relevant（相关）、Time-bound（有时限）。OKR 中的 KR 本质上就是 SMART 化的。

03 · PDCA / 戴明环

爱德华·戴明在《转危为安》[35] 中推广 Plan-Do-Check-Act 循环。这是日本制造业崛起的方法论根基。它的精髓不在"做"，在"检查与调整"——让每一次循环都比上一次稍微好一点。

04 · 5 Whys（连问五个为什么）

大野耐一在丰田生产方式中推广 5 Whys[36]。一台机器停了——为什么？保险丝烧了。为什么烧？轴承负荷过大。为什么过大？润滑不足。为什么润滑不足？油泵没工作。为什么没工作？……第五次"为什么"通常才到根因。

05 · 复盘四步法（柳传志体系）

1. 回顾目标——当初设定的目标是什么？
2. 评估结果——实际做到什么程度？
3. 分析原因——为什么是这个结果？
4. 总结规律——下次再遇到怎么做？

看起来朴素，难在最后一步——大多数复盘止步于"分析原因"，没有抽到"规律"。柳传志说："失败不可怕，可怕的是没复盘。"[37]

06 · A/B 测试与对照实验

对照实验最早系统化于罗纳德·费雪的《实验设计》（1935）[38]，今天它被互联网公司演化成"实验文化"——Booking.com 一年跑 25,000 次实验，亚马逊用实验决定首页布局。关键不在跑实验本身，在于敢把决策权让渡给数据。

07 · 用户访谈与"妈妈测试"

罗伯·菲茨帕特里克在《妈妈测试》[39] 中提供了一组反范式：不要问"你会不会用我的产品"——所有人都会客气地说"会"。要问"过去是怎么做的"——具体行为不会撒谎。这是市场调研里最被低估的方法。

08 · 日清日结、晨会、看板

张瑞敏的"日事日毕，日清日高"是中国制造业最朴素的节律方法[40]。丰田 Kanban、Scrum 站会、敏捷的 daily standup——本质上都是"把节律外化"，让人从依赖自律变成依赖结构。

工具与技能

我们塑造了工具，工具反过来塑造了我们。 马歇尔·麦克卢汉，《理解媒介》（1964）[41]

核心论点

工具是杠杆，不是答案。AI 让杠杆从 100 倍跳到 10000 倍，但杠杆放大的方向，由顶层决定。同样一把放大镜，对着真问题就照见本质，对着伪问题就放大噪声。

工具的三层进化

• 体力工具：杠杆、马车、蒸汽机——延伸肌肉。
• 智力工具：印刷术、计算器、搜索引擎——延伸记忆与计算。
• AI 工具：第一次，工具能"自己思考"——延伸判断本身。

AI 让我们第一次面对"工具具备主动性"的局面。这不只是效率跃迁，是关系的重构。

工具如何反向塑造思维

麦克卢汉的核心命题：媒介即讯息。媒介本身比内容更深刻地塑造人。电视改变了我们的注意力结构，互联网改变了我们的耐心，AI 正在改变我们的"思考意愿"。

尼古拉斯·卡尔在《浅薄》[42] 中论证：互联网把我们从"深读者"变成了"扫读者"，神经可塑性把这种习惯固化为大脑结构。AI 时代有一个新的危险——我们正在用 ChatGPT 替我们思考。

这不是危言耸听。一项 2024 年的研究表明，长期依赖生成式 AI 完成认知任务的人，元认知能力（也就是"知道自己不知道"的能力）出现下降[43]。

经济学视角：工具与生产函数

罗伯特·索洛 1957 年的开创性研究证明：长期经济增长的主要来源不是资本与劳动的累加，而是"技术进步"——他称之为全要素生产率（TFP）[44]。这个发现给他赢得了 1987 年诺贝尔经济学奖。

但 TFP 的提升不会自动转化为价值。索洛 1987 年还讲过一句著名的话——"索洛悖论"：

计算机时代随处可见，唯独不见于生产率统计中。Robert Solow, 1987

类似的悖论今天正在 AI 上重演。工具有了，生产率没动——因为顶层四层没动。

AI 工具的三个层级

• 替代手工（写邮件、做 PPT、抠图）——工具替代。
• 放大判断（写策略、读报告、做研究）——工具增强。
• 探索新问题（构建系统、模拟方案、压力测试想法）——工具协作。

越往上走，越依赖顶层四层。没有愿景与思维的人，AI 只能停在第一层；只有顶层强的人，才能爬到第三层。

同样的工具，结果天差地别

同一个 ChatGPT：

• 有人用它写水文、洗稿、刷量。
• 有人用它做严肃研究、构建系统、生成可执行的策略。

差距不在 prompt 工程，差距在 prompt 之外的所有东西——你的愿景、你的思维、你提的问题、你能识别的胡说八道。AI 不会让平庸的人变好，AI 让顶层强的人变强，让顶层弱的人显得更弱。

凯文·凯利的预言

凯文·凯利在《必然》[45] 中描述了 12 个不可逆趋势，其中一个是 "认知化"（Cognifying）：智能将像电力一样普及，"一切都将被注入智能"。

电力的价值，不取决于电本身，而取决于你想用电做什么。凯文·凯利

智能也是一样。这就是为什么这本书的最后一章不能止于工具——必须回到顶层。

闭环

我没有什么特别的天赋。我只有一种近乎热情的好奇心。 阿尔伯特·爱因斯坦，致 Carl Seelig 的信，1952[46]

核心论点

金字塔是静态结构——五层从下到上立起来，是一张图。但人不是图，人是一台不断在转的机器。让金字塔从纸上立起来、活起来的，是另一套东西：好奇心、创造力，以及它们驱动的自我闭环。

愿景告诉你"为什么"，思维告诉你"怎么想"，方法告诉你"怎么做"，工具放大你"怎么交付"。但如果没有持续转动这五层的发动机，最完美的金字塔也只是博物馆里的展品。AI 时代真正的元能力，就是这台发动机——它有两个汽缸：好奇心、创造力；和一根传动轴：自驱学习与公开实践。

元能力之一：好奇心

好奇心不是性格，是认知姿态。一个失去好奇心的人，不是不能学，是不愿意进入未知。米哈里·契克森米哈赖在《创造力》[47] 里追踪了 91 位顶尖创造者，结论近乎残酷：他们的智商、出身、机遇都各异，但有一个共同点——对世界保留一种近乎孩童的提问能力。

AI 时代有一个反向考验：当答案变得几乎免费，提问的能力变得稀缺。一个不好奇的人面对 AI，只会问"帮我写一封邮件"；一个好奇的人会问"这件事能不能从根本上不做"。前者是工具的使用者，后者是问题的拥有者。

元能力之二：创造力

创造力不是"想出新点子"，是把不相关的东西连起来的能力。乔布斯说 "creativity is just connecting things"——这不是修辞，是机制。学过的东西如果不能在新场景里被调用，就没有真正学会。AI 也能记忆，但它的连接是统计意义上的高频路径；人的创造力来自经验、情感、身体、偏见、愿景的非典型组合——这是 AI 短期内仍然学不会的东西。

认知体系：审查 AI 的标尺

有了好奇心和创造力作为发动机，你才会持续输入；有了思维和方法论作为齿轮，输入才会被压缩成你自己的认知与知识体系。这套体系在 AI 时代最重要的用途，不是再生产知识，而是审查 AI。

AI 的输出永远在水准的中位数附近——它能写得像，但写不到顶。真正用到 AI 能力边界的人，不是给 AI 更多 prompt 的人，是审查能力顶级的人——他能在 30 秒内闻到一段 AI 文案的塑料味，能在一份 AI 战略里挑出三处似是而非的引用，能识别一张 AI 图为什么"漂亮但俗气"。

审美能力和审丑能力是同一种能力的两面。判断"好"必然意味着能判断"坏"。一个没有审丑能力的人，也注定没有真正的审美能力——他只能跟着趋势走，而 AI 是趋势的最大放大器。审查能力，是认知体系在 AI 时代的最终输出形态。

闭环：输入 — 消化 — 输出

真正在 AI 时代领先的人，都跑同一个闭环：

• 输入｜自驱学习：好奇心驱动持续阅读、提问、跨界。这一阶段是泛化吸收——大量、杂、不带目的。约翰·杜威 [48] 早在 1938 年就指出：经验本身不是学习，对经验的反思才是。
• 消化｜认知压缩：用思维和方法论把杂乱输入压缩成结构化的认知体系。这是升维——把 100 个具体故事抽象成 1 个原理，能跨场景复用。
• 输出｜审查实践：把认知用来做判断、做产品、做内容、做决策。这一阶段是降维——把抽象再翻译回具体，并在真实世界里被检验。

三个阶段缺一不可。只输入不输出的人，是知识囤积者；只输出不输入的人，是过期专家；输入输出齐全但缺乏消化的人，是勤奋的搬运工。AI 时代加剧了这三种病——它让囤积更廉价、过期更快、搬运更隐形。

Learn in Public：闭环的最高形态

2018 年，程序员 Shawn Wang（Swyx）写过一篇影响深远的短文 Learn in Public[49]。核心论点很简单：把你学的东西公开发出来——哪怕不完美，哪怕被嘲笑。

为什么这是闭环的最高形态？因为公开输出会强迫你做三件事：

• 必须把模糊的认知整理成清晰的语言——这本身就是消化。
• 必须接受外部反馈——错误会被指出，盲点会被照亮。
• 必须建立个人公开复利——你的输出会被看见、被引用、被链接，最终变成机会本身。

Build in Public 是 Learn in Public 的工程版——把产品的开发过程同步公开。Pieter Levels、David Perell 这些 AI 时代的"个体奇才"，都是这条路径的样本。他们的优势不在更聪明，在闭环转得更快、更公开。

为什么这是 AI 时代的核心素养

过去，闭环是少数人的"额外动作"；AI 时代，闭环是区分线。

• 不闭环的人：被 AI 取代——因为 AI 把"知识获取 + 中等水平生产"压成接近 0 成本。
• 闭环但不公开的人：被时代忽略——你的认知再好，世界不知道。
• 闭环且公开的人：复利累加——每一次输出都在喂养下一次输入。

丹尼尔·平克在《驱动力》[50] 里论证：21 世纪的核心动机不再是金钱与惩罚，而是自主、专精、目的——这三件事，恰好是闭环的三种燃料。没有它们，金字塔立得起来，但转不起来。