第十三章：进化的机制

学习不是一次性的事

过去，很多技能一旦掌握可以用很多年。会计的基本原理几十年不变，工程师的计算方式有稳定基础。

AI时代不是这样。今天不能做的事明天也许就能做了，今天最先进的工具明年可能就过时了。更重要的是，定义能力不是一次性习得的——问题敏感度需要在实践中磨练，可能性认知需要不断更新，连接能力来自跨领域的积累，专注力在日常选择中慢慢培养。

这些能力需要持续进化。这一章讨论进化的机制。

上一章讲的迭代，重点是”开始”——别等准备好，先做再说。这一章讲的是开始之后怎么持续进步。核心机制是反馈循环：行动→观察结果→根据结果调整→再行动。没有反馈的行动是盲目的，有反馈的行动才是学习。

AI时代这个循环可以转得更快。你给AI一个指令，立刻看到输出，判断好不好，调整指令，再试。传统技能的学习可能需要数周才能看到反馈，用AI可能几分钟就完成一轮。

但快速循环需要一个前提：你得停下来看结果。

很多人不停地做事，没有时间问”我做的事情对不对”。忙碌不等于进步——你可能效率很高，但方向是错的。自省的价值就是定期跳出忙碌，检查方向。

不需要很长时间。每周十五分钟，问自己：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。

自省最大的挑战不是时间，是诚实。人有保护自我的本能，事情不顺利时倾向于找外部原因。但自省必须诚实，否则反馈循环就断了。不是自我批判，而是像旁观者一样客观分析，不带情绪，不找借口。

反馈循环要有效，还得识别一些AI时代特有的认知陷阱。

第一个是对AI输出的过度信任。AI生成的内容看起来很专业，格式工整，逻辑清晰，让人本能地信任。但AI可能一本正经地胡说八道——因为说得很像那么回事，你就信了。自省时要问：我是仔细判断了才相信这个输出，还是因为它看起来很专业就信了？

第二个是AI的锚定效应。你让AI写一段话，它给了一个版本，这个版本就成了锚点，你的修改都围绕它展开。你本来可能有完全不同的思路，但AI一给出答案，你很难跳出这个框架。这比传统锚定效应更隐蔽——因为AI输出的质量足够好，你意识不到自己被框住了。

第三个是把”AI能做”等同于”AI该做”。AI能写代码、能写文章、能做设计，于是你就让AI做，而不问这件事该不该AI做。有些事AI能做，但你自己做会学到更多。有些事AI能做，但不符合你真正的目标。能做和该做是两回事。

三个陷阱有一个共同点：都和”定义”有关。过度信任是放弃了定义标准的责任，被锚定是放弃了定义方向的能力，混淆能做与该做是放弃了定义问题的判断。识别这些陷阱，就是在守护你的定义能力。

持续进化还有一个被低估的方法：教。

学习时，你可能觉得自己懂了——读完一个概念，点点头。但要教别人时，你会发现好像没真的懂。因为教需要把东西讲清楚，把模糊的经验变成清晰的步骤。

教迫使你定义。试图向别人解释时，你必须回答：“这个工具解决什么问题？具体怎么用？什么样的输出算好？“学习时可以糊弄自己，教的时候糊弄不了。你被迫面对那些以为懂了但其实没懂的地方。这个过程本身就在训练定义能力。

教也迫使你整合。要给别人连贯的叙述，你需要把碎片知识组织起来——什么是基础、什么是进阶？先讲什么、后讲什么？当你能把碎片串成有逻辑的整体，对这些知识的理解就上了一个台阶。

教不一定要当老师。向同事解释你学到的东西，在社区里回答别人的问题，写下来分享——形式不重要，重点是试图让别人理解。一个常见顾虑是”我自己还没完全懂，怎么能教”。恰恰相反，你不是等懂了才教，而是通过教来懂。

一位40岁的产品经理分享过他的经历。互联网行业二十年，过去靠经验和直觉就能把产品做好。2023年下半年发现年轻同事用AI快速输出需求文档和原型图，效率比他高得多。他焦虑了一阵——试过速成课程，买过各种工具会员，效果都不明显，反而更焦虑。

后来他想通一件事：不需要变成AI原生代，只需要在自己节奏下持续进步。他有二十年行业经验和专业判断力，这些不会因为学AI慢一点就消失。于是他调整了方式——每天早上花30分钟，让AI帮他做一个具体的工作任务，从最简单的”总结昨天的会议纪要”开始，慢慢过渡到”分析用户反馈找出核心诉求”。

半年后他回头看，进步比那些焦虑的日子大多了。“重要的不是追上别人，而是比昨天的自己强一点。”

这种自我和解不是放弃努力，而是找到了可持续的方式。与其在焦虑中耗竭，不如在平静中持续积累。能力发展没有捷径，但有复利——每天一点点，变化会自然发生。

持续进化靠的不是一次性的学习，而是转动反馈循环：做了就看结果，看了就调整，调整了再做。在这个过程中警惕AI时代特有的认知陷阱，用”教”来倒逼自己把模糊变清晰。节奏可以慢，但循环不能停。