AI 思维模式：为什么驾驭AI需要你付出更多，而非更少

作者：Jordi Visser 2026年6月23日

我花在帮助人们学习使用AI上的时间越多，就越确信：在AI上取得成功，与技术能力的关系没那么大，更多是与思维模式有关。借用拉尔夫·沃尔多·爱默生的一句我常用来教育孩子们关于人生的话——AI是一连串必须亲身经历才能理解的课程。你不会通过阅读说明真正学会它，而是通过撞上阻碍、调整、再尝试来学会它。

进步最快的人，往往是那些对计算机工作原理知之甚少的人。他们不总是最年轻的，不总是简历最漂亮的那群人。适应得最好的人通常具备另一种特质：创业者的思维模式。

他们愿意尝试。他们愿意被卡住。他们愿意犯错。他们愿意把阻碍当作信息。

最后这一点至关重要。

很多人仍然用流水线思维来对待AI。他们想要精确的指令，想要第一步、第二步、第三步，想要机器行为可预测，想要知道只要照着食谱来，蛋糕每次都会一模一样地出炉。

这完全可以理解。我们大多数人是被这样训练出来的。学校、工作和各类机构常常奖励那个找到答案、遵循流程、完成指定任务的人。

而AI要求的是一种不同的思维模式。

AI是概率性的。它预测、生成并权衡各种可能性。它给你的答案，是基于概率、上下文、训练数据、你的提示词以及它认为最可能有用的模式。

这让一些人感到沮丧。他们问了一个问题，得到了一个不完美的答案，撞上了阻碍，于是得出结论：这个工具不行。他们问同一个问题两次，却得到了两个不同的答案。

另一些人反应不同。他们看着同样的阻碍，然后问："我刚才学到了什么？"

后者才是会赢的人。

因为AI是一台概率机器。要善用一台概率机器，你需要一个概率思维模式。

对我来说，这种思维模式来自三个地方：Annie Duke 和她的"像下注一样思考"；赛马和新兴市场，作为贝叶斯式训练场；以及我对夏洛克·福尔摩斯、悬疑故事和观察艺术的毕生热爱。

把这些融合在一起，你就得到了我认为人们在AI时代需要的"操作系统"：

像下注一样思考。

像贝叶斯信徒一样更新。

像夏洛克·福尔摩斯一样观察。

像下注一样思考

我多次写过关于Annie Duke的文章，因为她的作品对我如何思考决策、不确定性和人生产生了持久的影响。她的书《Thinking in Bets》是我认为每个人都应该读的书之一。

我和Annie的理念联结是很私人的。我清楚地记得和她坐在一起聊概率、聊扑克、聊工作、聊教学、聊人生的起起落落。这强化了一个每年都变得更加重要的教训：世界给予我们的是不完整的信息、隐藏变量、随机性和反馈。更重要的是，因为一切都是概率性的，回头去纠结那些与你希望不同的决策结果，是在浪费时间和精力。接受失败，继续向前。

这就是扑克。这就是投资。这就是养育子女。这就是创业。这就是人生。

而现在，这就是AI。

《Thinking in Bets》的核心教训是：我们应该将决策质量与结果分开。一个好的决策可能导致糟糕的结果，一个糟糕的决策也可能带来好的结果。结果并不总能告诉你过程是否正确。

这个观点对AI至关重要。

当有人用了一次AI，得到了一个糟糕的回复，然后说"这玩意儿没用"，他们是在用一手扑克牌来评判整个游戏过程。一次输出就变成了最终的判决。

但一次输出只是信息。

也许提示词太模糊了，也许模型需要更多上下文，也许用户需要先让模型提供选项再让它给结论，也许需要换一个角色设定、一个更好的例子、一个更清晰的约束条件，或者用第二个模型来评判第一个模型的回复。我在这里用"也许"是为了客气。以我的经验，对于我自己的提示词，我默认以上这些都是成立的。

更好的AI使用者会说："那个回答告诉我如何改进下一个提示词。"

这就是像下注一样思考。

每一次提示都是一次押注。你在赌的是：这个问题，用这种表述方式，带着这些上下文，会让你更接近一个有用的结果。有时候确实如此，有时候不。关键在于通过每一次尝试来提高你的胜率。

这就是为什么创业者思维模式如此重要。

创业者预期第一个版本是一次测试。第一个产品是原型。第一次客户反应是反馈。第一个障碍是数据。第一次的失败成为项目的一部分。

这正是人们需要使用AI的方式。

AI奖励那些持续聪明地打出这张牌的人。

贝叶斯优势

AI思维模式的第二部分是贝叶斯式思维。

贝叶斯式思维听起来复杂，但实际含义很直接：一旦有新信息到来，你就更新自己的信念。

你从一个初始观点出发，新证据出现了，你调整。证据越强，调整越大；证据越弱，调整越小。

在AI出现之前很久，我就接受了这种训练。

我最早的概率训练形式之一是赛马预测。赛马是一个残酷但美丽的应对不确定性的课堂。你研究马匹状态、赛道、配速、骑师、练马师、距离、天气和赔率。你形成了一个观点。然后新信息改变了局面。一匹马在亮相圈看起来状态不同了，赔率在最后几分钟移动了，赛道状况变化了，由于天气或退赛，配速情景变得更有可能或更不可能了。

你在持续更新。

然后我开始了在新兴市场的交易生涯，这可能是金融领域最伟大的贝叶斯训练场之一。在新兴市场，每一天都像一个月。政治事件、货币冲击、流动性缺口、政策变化、资本流动、谣言和意外同时袭来。世界比你模型跑得更快。

你很快学会：僵化的思维是危险的。

你需要一个观点，同时也需要调整观点。你需要坚定，也需要知道什么会让你改变主意。你需要自信，也需要在面对新证据时保持谦逊。

这就是贝叶斯式的思维肌肉。

AI需要同样的肌肉。

在旧的工作世界里，走向错误的方向代价高昂。如果你写错了报告、做了错误的演示文稿、创建了错误的电子表格、启动了错误的项目，你可能会损失几个小时、几天甚至几周。因为成本很高，人们变得防御心强。他们希望开始前就有确定性，希望得到批准，希望拿到完美的计划。

AI改变了这一点。

走向错误方向的成本已经大幅下降。

你可以起草备忘录、检验论点、搭建大纲、生成代码、总结研究、创建三个版本，并且快速比较它们。如果第一个方向不行，你转向。如果第二个方向更好，你更新。如果第三个版本揭示了你之前没有考虑的东西，你追随那条信号。我自己会在同一项研究上使用五个不同的模型，然后基于新信息来缩小范围。

这才是真正的解锁。

AI让探索变得廉价。

当探索变得廉价时，最好的使用者是那些在过程中更新得最快的人。

他们说："这让我学到了东西。"

他们说："我们测试一下另一个方向。"

他们说："这个输出还不对，但它告诉了我接下来该问什么。"

他们说："我最初的想法是X，但在比较了X、Y和Z之后，我现在认为Y的胜率更高。"

这听起来简单，但这并不是大多数人被训练的方式。学校和公司常常奖励答案、完成和自信。但AI奖励的是适应性的智慧。

能够说出"这是我当前的假设，但我们来验证一下"的人，将比那些需要在开始之前每一步都定义清楚的人表现更出色。

能够说出"这份草稿是原材料"的人，将比那些在第一次遇到阻碍就停下来的人进步更快。

能够说出"证据变了所以我的观点也变了"的人，正在培养AI所要求的那种精确思维模式。

这就是不确定性下的智慧运作方式。

这就是AI思维模式的形成过程。

夏洛克·福尔摩斯问题

AI思维模式的第三部分来源于我另一个长久的个人痴迷：夏洛克·福尔摩斯、悬疑故事和观察的艺术。

我一直热爱悬疑故事，因为它们本质上关于信息。事实都在那里，但并非所有事实都同等重要。有些线索是信号，有些是噪音，有些是干扰项，有些看似无关紧要，直到整个案件都围绕着它们展开。

侦探的工作是注意到那些重要的东西。

那也是AI使用者的工作。

AI给你的是丰富性：更多的答案、更多的摘要、更多的草稿、更多的图表、更多的想法、更多的角度、更多的论点、更多的可能性。

但丰富性带来了一个新问题：过滤。

当信息稀缺时，获取就是优势。在AI的世界里，获取正变得越来越不稀缺。优势转移到了判断力上。你能分辨出哪个输出有用吗？你能否看到哪一行包含洞察？你能否识别出不成立的假设？你能否找出缺失的变量？你能否察觉模型何时只是在流畅地输出肤浅的内容？

这就是夏洛克·福尔摩斯思维模式的重要性所在。

福尔摩斯破案的方式是把每个情况当作独一无二的事件来观察。他寻找那个不对劲的线索，关注其他人忽视的小细节，避免把每个谜题都硬塞进上一个谜题的框架里。

这对AI来说是一个重要的教训。

很多人都想要万能提示词。他们想要一个神奇的公式，想要一个每次都能奏效的固定流程。但AI在你变得更加善于观察时，才发挥最佳效用。

这个具体问题要求什么？

模型需要什么上下文？

它应该扮演什么角色？

什么信息缺失了？

一个好的回答应该是什么样的？

什么会让这个回答变得错误？

输出中的哪些线索表明模型理解有误？

这就是观察者的方法。

观察型的使用者追求的是理解。观察型的使用者会说："让我理解正在发生什么，这样我才能决定下一步该做什么。"

这种差异会不断复利。

你正在与AI建立一种关系。

创业者思维模式获胜

这就是为什么我不断回到创业者思维模式上来。

创业者习惯于不确定性。他们习惯于不完整的信息。他们习惯于在确定是否行得通之前就去尝试。他们习惯于阻碍。他们习惯于转向。

而这正是AI的使用环境。

AI是一个工坊，一个实验室，一个交易台，一面侦探布告板，一张扑克桌。你在持续测试、更新、过滤、改进。

想要精确指令的人仍然可以从AI中受益，但真正的巨大收益来自学会如何在不确定性中前行。当某些东西出问题的瞬间，创业型的使用者开始研究它。当模型给出一个奇怪的回答的瞬间，创业型的使用者将其当作信息。当路径不清晰的瞬间，创业型的使用者开始测试。

复利效应由此开始。

那个奇怪的回答变成了线索。那个阻碍变成了反馈。那份糟糕的草稿变成了原材料。那次失败的提示变成了新的数据点。

你不需要机器是完美的，因为你的工作是与这台机器协作。

这才是真正的思维模式转变。

AI奖励判断力。

它奖励那些能够用概率来思考的人。

它奖励那些能够不挟自我、持续更新的人。

它奖励那些能够从噪音中过滤出信号的人。

它奖励那些在第一个答案不够好时还能继续前进的人。

新的AI操作系统

AI时代需要一个全新的"操作系统"。

像下注一样思考，因为每一次提示都是押注，而每一次输出都是信息。

像贝叶斯信徒一样更新，因为最佳路径往往只有在你出发之后才会自行显现。

像夏洛克·福尔摩斯一样观察，因为价值在于知道哪些线索是重要的。

这就是我正在努力传授的思维模式。

目标不是一个完美的提示词，而是一种更好的思维方式。

AI将帮助你提高胜率。

它将帮助你看清更多的可能性。它将帮助你测试更多的方向。它将帮助你移动得更快。它将帮助你摆脱困境。它将帮助你从错误的转弯中学习。它将帮助你构建第一个版本，以便你能够对其做出反应、改进、然后再次前进。

但你仍然需要带上你的思维模式。

你仍然需要带上好奇心。

你仍然需要带上判断力。

你仍然需要带上那种愿意犯错并继续前行的态度。

这就是为什么我相信，在AI时代，最大的分界线将出现在机械地使用AI的人与以创业者方式使用AI的人之间。

一群人等待答案。

另一群人提高胜率。

一群人在阻碍面前止步。

另一群人深入研究那个阻碍。

一群人在开始之前需要确定性。

另一群人先开始、边学边更新、持续前进。

而一旦你理解了这一点，AI就不会令人生畏了。

它是概率性杠杆。

能够善用这份杠杆的人才是胜利者：像下注一样思考，随着证据变化而更新，观察得足够仔细以发现所有别人错过的线索。而最重要的一点是——AI是一连串必须亲身经历才能理解的课程。

本文编译自substack，原文作者Jordi Visser

https://visserlabs.substack.com/p/the-ai-mindset-why-mastery-demands