附录B：练习手册

这个附录把书中的框架转化为几个可以日常实践的习惯。不是必须做的任务，是可选的工具。做比不做好，坚持比完美重要。

如果只想做一件事，从”每周观察记录”开始。每周15分钟，坚持一个月，再考虑增加别的。

每周观察记录

培养问题敏感度最简单的方法：每周找个固定时间，花15分钟记录这周注意到的问题或不顺。工作中的、生活中的、观察到别人遇到的，都行。

记录三样东西：问题是什么，为什么是问题，可能的解决方向。不需要完整方案，初步想法就够。也不需要每周都发现大问题，小不便往往更有解决价值。

几个月后回看记录，会发现规律——某些问题反复出现，说明有根本原因值得深挖；观察越来越敏锐，说明问题敏感度在提高。积累本身就是进步的证据。

配合”追问为什么”的习惯效果更好：记录下一个问题后，连续追问几层原因，直到追到可以行动的层面。有时三层就够，有时需要更多。关键不是次数，是追到你能做点什么的地方。

了解AI真实能力的最好方法，是拿你熟悉的任务去测试。选一个你自己会做、知道好结果长什么样的任务，让AI完成，然后对比。

关键是你能判断好坏。如果你自己不清楚什么算好，就无法评估AI的表现，测试就没有意义。所以从你最擅长的事情开始测。

测试后记住三个问题：AI做得好的是什么？做得不好的是什么？如果要用AI做这件事，应该怎么配合？一次失败别急着放弃，可能只是指令不够好；一次成功也别过度信任，同类任务换个情境可能就不行了。

每月花半小时回顾一下：哪些事原以为AI做不到，现在发现可以了？哪些以为它能做好的，实际还有问题？这种边界认知的持续更新，就是第八章讲的可能性认知在实践中的样子。

遇到卡住的问题，跳出本领域想想：其他行业有没有类似的难题？他们怎么解决的？

不需要每个问题都这样做，适合那些常规思路走不通的情况。借鉴不是照搬，而是提取思路再适配自己的情境。第九章讲的抽象-分解-类比，在这里可以直接用：先把问题抽象成本质（这是一个关于什么的问题），再想想哪个领域处理过类似本质的问题。

每周试着识别并拒绝至少一件可以不做的事。别人的请求、自己想做但其实不必要的事、习惯性在做但价值不高的事——都是候选。

从小事开始，不需要一上来就拒绝重要请求。关键是记住拒绝后的实际结果：很多时候我们高估了说”不”的后果。几周下来你会发现，腾出来的时间和精力，比那些被拒绝的事情值钱得多。

第十三章讲了反馈循环的重要性，每周回顾就是最简单的实践方式。每周末或周一开始前，花15分钟问自己四个问题：

这周做了什么重要的事？什么有效、什么无效？学到了什么？下周该调整什么？

最后一个问题最关键——它把反思转化为行动。光知道这周做得不好没用，重要的是下周怎么做得更好。

诚实是唯一的要求。如果只是走过场，回顾就没有意义。

这些练习的形式不重要，你可以用笔记本、用手机备忘录、用任何顺手的方式记录。模板可以改、可以换，但习惯一旦形成，会长久地帮助你。

重要的不是严格执行某套流程，而是背后的思维习惯——留意问题和变化，定期停下来想想方向对不对，学了就用、用了就调整。